一种面向大规模顺序制造过程的质量相关故障诊断模型，通过质量监督提取深度非线性特征，并同时捕获动态信息和变量间不同相关性，从而实现对过程故障的精准识别。
Zhang, Xueyi · 马亮 · 彭开香 · Zhang, Chuangfang
IEEE Transactions on Industrial Informatics 2023
深度非线性特征在质量监督下被提取，确保提取的特征与产品质量直接相关，从而提高故障诊断的准确性和可靠性。
模型同时考虑动态信息和变量间的不同相关性，能够捕获过程数据的时序特性和变量间复杂交互，从而更全面地描述过程行为。
基于制造过程的串联结构，每个子过程的模型被构建并堆叠成分布式模型，贝叶斯推理用于构建全局监测统计量，实现大规模过程的分布式故障检测。
通过变量间注意力权重可以在故障发生后识别出故障变量，为操作人员提供直接的维护指导，缩短故障排查时间。