Deep causal inference for fault root cause diagnosis

由于制造系统结构复杂, 变量间高度耦合, 导致故障在系统变量间广泛传播, 影响系统安全平稳运行. 故障根因诊断能够从报警变量中辨识故障传播路径与故障源, 便于针对性故障维修处理, 是保障系统可靠性的重要前沿技术. 国内外现有成果多局限于因果相关性方法, 没有进行深层次因果推理, 难以揭示系统真实因果性, 无法有效支撑可信的故障根因诊断. 本文利用制造系统传感器报警数据，提出了一种基于深度因果推理的故障根因诊断 (Deep Causal Inference-based Root Cause Diagnosis, DCIRCD) 方法. 在因果相关性方法的基础上, 构建了结构因果模型 (Structural CausalModel, SCM). 然后, 在 SCM 模型上进行干预和反事实推理, 实现了因果推理的三个层级, 具有更强的因果可解释性. 具体地, 将孪生网络引入因果反事实推理, 将反事实推断简化为在一个相关联的因果模型上的一般推断. 最后，通过航空叶轮制造系统采集的报警数据进行实验, 验证了所提 DCIRCD方法具有良好的故障根因诊断性能, 符合历史维修记录与机理知识.