基于时空图神经网络的工艺流程异常传播溯源与自愈控制策略设计.docxVIP

PAGE2

基于时空图神经网络的工艺流程异常传播溯源与自愈控制策略设计

摘要

随着智能制造与工业互联网的深度融合，现代工业生产过程呈现出高度的复杂性与强耦合性，工艺流程中的微小异常往往会在复杂的拓扑结构中迅速传播，引发连锁故障，严重威胁生产安全与效率。传统的异常检测方法多基于单变量阈值或纯时序模型，难以捕捉设备间的空间依赖关系，导致异常溯源困难且缺乏主动应对能力。针对上述痛点，本课题旨在设计一套基于时空图神经网络的工艺流程异常传播溯源与自愈控制策略，实现对工业现场异常的精准感知、路径溯源与智能决策。

本设计首先构建了工艺流程的时空图网络模型，将物理设备抽象为节点，物料与逻辑连接抽象为边，融合传感器时序数据，实现对工艺流程的全局建模。其次，设计了基于时空图注意力机制的异常特征提取算法与传播路径溯源算法，利用注意力权重精准定位异常源头与传播路径。最后，结合工业知识图谱技术，开发了基于知识推理的自愈控制策略，实现了从异常识别到控制指令生成的闭环控制。全文按照“需求分析→总体设计→详细设计→实现→测试”的工程逻辑展开，详细阐述了系统的架构设计、核心算法实现及验证过程。测试结果表明，该系统在异常识别准确率与溯源精度上均优于传统方法，具备良好的工程应用价值。

第一章绪论

1.1研究背景

在“工业4.0”与“中国制造2025”战略背景下，智能制造已成为制造业转型升级的主攻方向，工业互联