本文提出了一种新型深度卷积自编码器（Skip-CAE），用于木材产品工业中的声学异常检测，旨在解决因技能劳动力短缺导致的设备故障问题。研究表明，该方法优于传统检测手段，显著提升了木材平整机的故障诊断能力，可能降低企业运营成本。

本文提出了一种潜在动态学习的方法，通过深度卷积自编码器计算高维动力系统状态的低维嵌入，并定义了一个低维的非线性流形使状态进行演化。同时，定义了潜在动力学模型，该模型的目标函数为有限体离散化中控制体内守恒定律违规平方和加上非线性等式约束，确保潜在状态满足守恒定律。