基于重构与Gödel正则化虚拟观测的故障诊断方法

研究提出虚拟传感器方法，为每个组件与故障类型组合用外部知识描述故障敏感变量，并训练仅见正常数据的神经观测器，在缺失测点处重构虚拟传感器预测正常行为。该方法通过比较当前值与标称预测的偏差计算局部症状并按发生时间排序，从而定位根因，并用Gödel逻辑编码物理知识引导训练。在合成网络、Tennessee Eastman Process 和两座模块化生产装置数据集上完成了评估。