王华秋，李 鑫

（1.重庆理工大学 两江人工智能学院，重庆 401135；2.重庆理工大学 计算机科学与工程学院，重庆 400054）

我国烟草行业的卷烟生产离不开空调系统，为保证其工艺生产环境，温湿度环境控制的优劣直接影响着卷烟所用原料烟叶的单箱消耗。但动力车间动力设备长期处于恶劣工作条件，其工况复杂多变，且大部分设备投运寿命周期长，设备老化现状不容乐观，设备故障发生的概率增加，存在影响生产工厂连续性的因素［1］。现有的设备维护策略往往依靠故障维修、定期检修与停产大检修相结合的方式［2］。麻省理工大学通过在设备中安装传感器收集数据并分析［3］，由美国Ardell公司开发出了Fuzzy Master故障诊断系统。Venkata subramanian等［4］引入神经网络技术，用于诊断设备故障，随后，Sharky等［5-6］研究出一种基于多神经网络的专家系统，该系统用于检测设备的故障，工作原理是通过检测设备压力变化，从而确定设备的故障。

文献［7］通过分析参数与故障间关系，形成故障与空调设备各参数映射表，判断出空压机压力、温湿度等参数异常与空调设备故障存在一定关联。因此提前预测参数是否会有异常趋势将给诊断决策提供帮助。文献［8］以机器学习算法构建预测模型并对空调设备各参数进行预测，但卷烟车间数据较为复杂且数据量相对较小，实际应用部署中需要更轻量级模型。与此同时，多项异常数据共同导致的故障也难以通过单一异常信息判断。为解决以上问题，本文研……