석탄 화력발전소의 연탄 분쇄 시스템 고장 진단에서 데이터 불균형으로 인한 소수 클래스 고장 진단 정확도 저하 및 해석력 부족 문제를 해결하기 위해 SMOTE 데이터 증강, 디리클레 사전 평활화 및 베이지안 네트워크를 융합한 고장 진단 방법을 제안한다. SMOTE 기술을 통해 소수 클래스 고장 샘플의 특징 공간을 확장하여 데이터 희소성을 완화하고; 디리클레 사전 평활화를 결합해 베이지안 네트워크 조건부 확률 추정을 최적화하여 샘플 부족으로 인한 영확률 문제를 해결하며; 계층적 베이지안 네트워크 구조를 구축하여 도메인 지식과 데이터 기반 구조 학습을 융합하여 고장 노드의 신속 추론과 속성 노드의 간접 추론이라는 이중 모드 진단 전략을 실현한다. 실제 산업 데이터를 기반으로 한 실험에서 비균형 데이터 환경에서 제안된 방법은 높은 진단 정확도와 해석력을 갖추어 연탄 분쇄기 고장 진단에 실시간성, 정확성 및 투명성을 겸비한 해결책을 제공한다.

베이지안 네트워크;고장 진단;데이터 불균형;연탄 분쇄기