基于解耦因果表征的工业异常根因诊断方法及系统

本发明涉及工业过程监控技术领域，具体公开了一种基于解耦因果表征的工业异常根因诊断方法及系统。旨在解决现有异常检测技术止步于报警、无法区分关联与因果，从而导致根因定位困难的技术痛点。发明的核心创新在于构建一种因果解耦变分自编码器（CD‑VAE）模型，从高维工业时序数据中学习一组低维、独立且具有物理意义的潜在因果因子表征。通过引入时序因果约束与解耦正则化，确保潜在因子与系统内部的关键因果机制相对应。当异常发生时，通过计算潜在因子后验分布的变异分数，并追溯其因果路径，精准定位引发故障的根本性因果因子，而非表面相关的观测变量。该方法实现了从“检测异常”到“诊断根因”的跨越，显著提升运维效率。