多源数据融合的工业过程关键指标高阶关联时序预测
工业过程海量多源数据背后蕴含着复杂系统或装备的运行规律，有效提取数据特征及领域知识，对工业过程关键指标进行可靠建模和状态估计，是提升工业智能化水平的必要途径。例如，工业过程工艺指标表征着生产运行的状态和产品质量的优劣、工业设备剩余寿命反映着设备运行的健康状态，利用人工智能技术挖掘多源时空数据背后蕴含的规律，建立智能预测模型，可以为工程师或操作人员准确把握工业过程健康运行状态。然而，这些工业过程关键指标涉及多源时空数据，存在强关联、强耦合、非线性、时滞等难点，传统深度学习方法难以准确提取时空数据背后蕴含的语义知识。
本研究团队分别以特钢冶炼铁水硅含量预测和工业设备剩余寿命预测为研究对象，先后提出了一些列多源数据融合的时空预测方法。针对特钢冶炼铁水硅含量预测问题，本研究团队创新性地提出了时序超图注意力网络，能够有效挖掘多维时空数据的高阶关联性和时序依赖性，并能准确预测高炉铁水硅含量，为高温高压等恶劣环境下的工艺指标软测量提供有效途径。针对工业设备剩余寿命预测问题，本研究团队创新地将多传感器数据进行融合，提出了两阶段多传感器融合方法，该方法能够最大限度地挖掘设备的健康状况信息，提取设备的退化特征，更加精准地预测设备的剩余使用寿命，进一步提升了系统的安全性和可靠性。
上述系列研究成果相继发表于国际期刊IEEE Transactions on Instrumentation and Measurement和IEEE Sensors Journal，论文第一作者分别为工程实验室刘承宝副研究员、博士研究生王焕杰和李媛。这一系列研究工作为工业过程多源数据融合的时序预测提供新的途径，典型工业应用也为这些工作落地应用提供了有效借鉴。
相关论文：
- Chengbao Liu, Jie Tan, Jingwei Li, Yuan Li, Huanjie Wang. Temporal Hypergraph Attention Network for Silicon Content Prediction in Blast Furnace, IEEE Transactions on Instrumentation and Measurement, 2022, 71:1-13. DOI
- Huanjie Wang, Xiwei Bai, Sihan Wang, Jie Tan and Chengbao Liu. Generalization on Unseen Domains via Model-Agnostic Learning for Intelligent Fault Diagnosis. IEEE Transactions on Instrumentation and Measurement, 2022, 71:1-11. DOI
- Yuan Li, Huanjie Wang, Jingwei Li, Jie Tan. A 2-D Long Short-Term Memory Fusion Networks for Bearing Remaining Useful Life Prediction[J]. IEEE Sensors Journal, 2022, 22(22): 21806-21815. DOI
- Yuan Li, Huanjie Wang, Jingwei Li, Chengbao Liu and Jie Tan. ACT: Adversarial Convolutional Transformer for Time Series Forecasting. In Proceedings of 2022 International Joint Conference on Neural Networks (IJCNN), Padua, Italy, Jul. 18-23, 2022. DOI
（2023年2月6日）
