Variable time lag based temporal causality Bayesian network for cyclic loop in root cause diagnosis

Yuting Li

doi:10.1016/j.psep.2025.108035

Variable time lag based temporal causality Bayesian network for cyclic loop in root cause diagnosis

2025-10-21

0

PRE

AI

DOI：10.1016/j.psep.2025.108035

原文链接

原文求助

摘要

En 中文

传统根因诊断方法通常假设变量之间存在固定时间延迟，但这种假设在考虑工业过程的动态特性时并不总是成立。目前，概率方法比确定性方法更受欢迎，因为它们能更准确地反映被评估结构的实际完整状态。然而，可变时间延迟使得因果变量之间的概率关系不再是固定的，并可能在因果网络中形成循环环路。为有效处理这些环路并更准确地描述因果间的概率关系，提出了一种可变时间延迟贝叶斯网络（VTL-BN），该网络摆脱了固定延迟的假设。具体而言，首先修改贝叶斯网络以容纳可变时间延迟，并基于动态时间规整探索延迟的动态变化。然后，通过考察时间延迟趋势，将内在的因果环路转化为时序因果关系。由于这种转换，循环环路在时间跨度内被分解为非循环关系，从而解决了因果环路问题。最后，通过在线更新似然证据获取变量的概率变化，从而实现对根因的识别和传播路径的推断。所提出方法的有效性通过两个工业过程案例研究得到验证。

Variable time lag based temporal causality Bayesian network for cyclic loop in root cause diagnosis

摘要

期刊

机构

引用论文