在非平稳过程中，利用共整合约束的Liang-Kleeman信息流方法进行根本原因诊断

《Canadian Journal of Chemical Engineering》：Root cause diagnosis with co-integration constrained Liang–Kleeman information flow in non-stationary processes

针对工业过程中非平稳性对因果识别的挑战，提出基于协整残差约束的Liang-Kleeman信息流框架。首先通过增广迪基与KPSS检验确定非平稳变量，利用协整分析构建残差驱动的因果项，并嵌入残差矩阵改进信息流对非平稳过程的动态刻画能力。实验基于田纳西东兰过程验证，证实方法在根因诊断中的有效性。

　　

摘要

为应对因果识别中非平稳特性的挑战，本文提出了一种基于李昂-克莱曼信息流框架的方法，并对该框架进行了协整残差约束，以用于工业过程中的根本原因诊断。具体而言，首先通过结合扩展的迪基-富勒检验（Dickey–Fuller test）和克维亚特科夫斯基-菲利普斯-施密特-申检验（Kwiatkowski–Phillips–Schmidt–Shin test）来确定数据的平稳性，并据此筛选出非平稳变量。随后，利用协整分析来确定变量之间的长期均衡关系，并利用协整残差构建驱动项。接着，将残差矩阵融入李昂-克莱曼信息流模型中，以提高对非平稳过程中因果强度变化的描述能力。最后，以田纳西东曼公司（Tennessee Eastman Process）的典型工业过程为例进行了实验验证，以证明所提方法在根本原因诊断中的有效性和适用性。

利益冲突声明

作者声明不存在任何潜在的利益冲突。