陈红花，岑 健，刘 溪，杨卓洪

1.广东技术师范大学 自动化学院，广州 510665

2.广州市智慧建筑设备信息集成与控制重点实验室，广州 510665

3.广东技术师范大学 电子与信息学院，广州 510665

流程工业是通过一系列的物理变化和化学变化进行的生产过程，具有设备关联复杂、过程变量之间耦合性强的特点，是典型的复杂工业系统，其中囊括了化工、炼钢、冶金、制药、电力等多种工业[1]。

伴随着工业4.0 的到来，目前大多数工业生产过程正在转变为智能化、大型化的复杂工业生产过程。在智能工业制造过程中，不管是对工业流程还是生产设备的全生命周期管理都提出了更高的要求和更严格的标准。特别是由于化学工业过程的复杂性和环境的不确定性，故障的发生总是由多种因素的耦合引起的。故障诊断技术在全生命周期管理占据重要地位，需要匹配智能制造的升级而进行同步的提升，实现提高工业生产的安全性与可靠稳定性，降低工业过程的维护成本，减少非计划性的产线停工检修时间的目标[2]。

如今现代化工业过程利用先进的集散控制系统、工业互联网和智能仪器仪表等信息技术，使工业过程中的海量数据得以采集和存储。其中包含过程状态信息的数据呈现出非高斯、非线性、强耦合、动态等大数据的特点。多元统计分析方法和浅层机器学习方法被认为是化学流程工业过程故障诊断的经典研究方法，这些方法将相同故障根源的异常样本划分为同一种故障类别，将故障诊断问题转化为多分类的问题，可有效地进行故障诊断。……