北京化工大学信息科学与技术学院李大字教授团队在智能故障诊断与图强化学习领域取得重要进展。研究成果 《Reinforcement learning driven adaptive graph construction for fault diagnosis of chemical processes》（基于强化学习的自适应图构建化工过程故障诊断方法）近日发表于国际著名学术期刊 Reliability Engineering & System Safety。该期刊为中科院工程技术领域一区Top期刊，影响因子11。论文通讯作者及指导教师为李大字教授，第一作者为博士研究生董才波，合作作者为意大利米兰理工大学Hamid Reza Karimi教授。
该论文针对化工过程数据中复杂的多变量耦合关系与噪声干扰问题，提出了一种基于图强化学习的自适应图构建与增强图卷积网络（Enhanced Graph Convolutional Network, EGCN）相结合的故障诊断框架（GDDQN-EGCN）。该方法通过强化学习动态优化故障图的连接策略，实现节点距离自适应的图结构生成；同时在图卷积网络中引入角度正则化机制，提升权重多样性与模型泛化能力，从而在噪声干扰下仍能准确提取关键故障特征。研究首次将图强化学习引入化工过程故障诊断，实现了图结构自适应构建与特征提取过程的协同优化，显著提高了模型的诊断精度与鲁棒性，为复杂工业系统的智能化诊断提供了新的解决思路。
该成果的发表标志着李大字教授团队在智能制造与图强化学习交叉领域的又一突破，为构建可解释、高鲁棒性的工业智能诊断体系提供了新的方法支撑。
李大字，北京化工大学教授，博士生导师、副院长。主要研究方向为机器学习与人工智能、先进控制、故障诊断与安全评价、复杂系统建模与优化等。控制学科国际知名期刊ISA Transactions编委。担任中国自动化学会过程控制专委会委员、中国自动化学会故障诊断与安全性专委会委员等。承担国家自然科学基金面上项目、北京市优秀人才资助项目、企业横向项目等三十余项，发表学术论文200余篇。
论文链接：
https://authors.elsevier.com/a/1m0Wu3OQ%7Efl8wI