빅데이터 환경에서 산업 시스템의 고장 진단은 지능형 유지보수 구현의 핵심이다. 기존 방법은 일반적으로 심층 학습과 통계적 모델링을 활용하여 데이터에서 정보 특성을 추출하며, 정보 전송에는 연쇄 및 상호작용 과정이 포함된다. 그러나 이전 연구는 고정 가중치를 가진 단순 연결을 구축하여 복잡한 정보 연쇄를 표현했으며, 이는 진단 결과에 큰 불확실성을 초래했다. 또한 이러한 모델의 해석 가능성은 여전히 충분히 해결되지 않았다. 이러한 한계를 극복하기 위해 퍼지 규칙으로 정보 연쇄의 의미 표현을 포괄적으로 포착하는 하이퍼그래프 컨볼루션 신경 퍼지 프레임워크가 제안되었다. 구체적으로, 퍼지 규칙 기반 하이퍼그래프 구축 프레임워크가 설계되어 서로 다른 입력 특징 하위 집합에서 파생된 동적 연쇄 동작을 유도하여 하이퍼그래프 융합을 수행한다. 즉, 가중치 퍼지 모듈이 하이퍼그래프 연결 가중치를 동적으로 조정하여 상호 연결된 노드 간 의미 전달을 강화한다. 이를 바탕으로 그래프 구조 내 지식 분산을 효과적으로 완화하는 다층 퍼셉트론 혼합 임베딩이라는 새로운 이종 임베딩 전략이 제안되었다. 제안된 방법의 우수성을 검증하기 위해 산업 플랫폼에서 종합 평가가 수행되었다. 실험 결과, 본 방법이 진단 과제에서 최첨단 성능을 달성함을 보여주었다.

딥 신경 퍼지 방법;산업 시스템;디젤 엔진;고장 진단;데이터 융합;하이퍼그래프 컨볼루션 네트워크