一种基于神经因果发现与因果特征筛选的工业故障溯源分析方法

本发明公开了一种基于神经因果发现与因果特征筛选的工业故障溯源分析方法,引入具备组稀疏特性的神经格兰杰逐分量长短期记忆网络，能够有效地捕捉系统中的稀疏因果关系。同时，结合排列特征重要性方法，利用模型特性对提取出的因果关系进行筛选，去除虚假因果并得到因果邻接矩阵，增强结果的鲁棒性与可信度。通过因果邻接矩阵构建可达矩阵并结合位置评分，对因果路径中的根源节点进行表达与定位，实现工业故障准确溯源。本发明基于数据驱动方法，无需依赖机理知识，可以有效的运用于具有复杂控制回路的工业系统，旨在提高因果分析的有效性，更好地进行根因分析并确定故障源，提升工业生产过程的安全性和可靠性。