物理先验超图网络的复合故障诊断与溯源
将物理拓扑映射为超图先验,物理信息多任务网络 + 不确定性级联推断,复合故障诊断准确率 99.55%

项目概述
复杂机电系统高阶动态耦合致使特征难解耦,扁平化诊断缺乏机理与级联逻辑,黑盒推断缺乏风险度量。本项目提出物理拓扑至超图先验的构建协议,显式表征多构件高阶物理耦合关系。
研究目标
键合图到高阶物理超图的映射构建
物理一致性正则化的多任务诊断网络
不确定性驱动的级联推断策略
研究方法
构建物理信息超图多任务网络聚合交互特征并引入物理一致性正则化;以样本不确定性动态管控诊断深度,兼顾精度与推断效率。
技术路线:这件事是怎么做的
- 1
物理拓扑 → 超图先验
提出"键合图到高阶物理超图"的映射构建协议:把机电系统的能量流拓扑显式转译为超图结构,一条超边即一组多构件耦合关系。
- 2
物理信息超图多任务网络
在超图上做消息传递聚合交互特征,并引入物理一致性正则化,使网络学到的表征与系统物理状态保持一致;多任务头同时输出构件级与系统级诊断。
- 3
不确定性量化
对每个诊断输出进行不确定性估计,量化"模型有多确定",为安全关键决策提供风险度量。
- 4
不确定性驱动的级联推断
简单样本走轻量快速通道,只有高不确定性样本才路由到深层精细诊断——以低于 50% 的路由率兼顾精度与推断效率。
方法与结果图解


研究成果
复合故障诊断准确率达 99.55%
级联策略以低于 50% 路由率实现选择性推断
特征流形与物理状态高度吻合,精准隔离高不确定性样本
适合谁 · 合作入口
想做物理信息机器学习理论+落地的同学;复杂机电系统复合故障难定位的装备企业。
相关论文
Uncertainty-informed cascaded diagnosis of compound faults in electromechanical systems via a physics-informed hypergraph framework, Reliability Engineering & System Safety, 2026