基于高斯过程潜在先验的时空变分自编码器用于多模式化学过程监控

《Canadian Journal of Chemical Engineering》：Spatio-temporal variational autoencoder with Gaussian process latent prior for multimode chemical process monitoring

　　

摘要

在化工行业，实时过程监测是确保操作安全和生产稳定的基本前提。随着信息技术的进步，数据驱动的过程监测方法已被广泛应用于化工过程监测中。然而，化工过程固有的多模式运行特性（由波动的产品需求所决定），使得传统的单模型监测方法难以维持令人满意的准确性。此外，过程数据复杂的时空耦合特性进一步增加了准确诊断故障发生的难度。为解决这些挑战，本研究提出了一种带高斯过程先验的时空变分自编码器（ST-GP-VAE）用于过程监测。该模型采用多尺度一维卷积网络与改进的门控循环单元（IGRU）相结合，共同提取时空特征，同时引入高斯过程（GP）先验来显式刻画潜变量中的时间依赖性。运行模式识别通过带滑动窗口的时间卷积网络实现，而设备运行状态则基于重构误差的统计指标和预设阈值来确定。在基准田纳西东西曼（TE）过程仿真数据集和真实世界连续催化重整（CCR）装置数据上进行的全面实验验证，证明了所提方法的有效性。

同行评审

为增强透明度，本文相关的同行评审文档可在 https://doi.org/10.1002/cjce.70576 获取。

评审第二轮
编辑决定函	2026/07/14
审稿人1报告	2026/07/05
评审第一轮
编辑决定函	2026/03/24
审稿人2报告	2026/03/24
审稿人1报告	2026/03/14

数据可用性声明

研究数据不予共享。