旋轉(zhuǎn)機(jī)械故障診斷量子神經(jīng)計(jì)算技術(shù)研究.pdf

1、量子計(jì)算與神經(jīng)計(jì)算的結(jié)合是當(dāng)前人工神經(jīng)網(wǎng)絡(luò)理論發(fā)展的一個前沿課題,由此而產(chǎn)生的量子神經(jīng)計(jì)算范式具有很高的理論價值和應(yīng)用潛力。本文在量子計(jì)算原理的基礎(chǔ)上,論述了量子神經(jīng)計(jì)算出現(xiàn)的原因及特征,在理論方面,重點(diǎn)研究了多層激勵函數(shù)的量子神經(jīng)網(wǎng)絡(luò)、基于通用量子門組的量子神經(jīng)網(wǎng)絡(luò)、模糊量子神經(jīng)網(wǎng)絡(luò)以及多宇宙量子神經(jīng)網(wǎng)絡(luò)等幾種量子神經(jīng)網(wǎng)絡(luò)模型與方法及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用,在實(shí)踐方面,針對某鋼鐵企業(yè)中的旋轉(zhuǎn)機(jī)械開發(fā)了具有實(shí)用價值的大型旋轉(zhuǎn)機(jī)械在

2、線狀態(tài)監(jiān)測與智能故障診斷網(wǎng)絡(luò)化系統(tǒng)。本課題來源于國家科技攻關(guān)計(jì)劃項(xiàng)目《設(shè)備故障網(wǎng)絡(luò)化智能診斷系統(tǒng)》(編號:2001BA201A0610,由多項(xiàng)橫向課題做支撐,具體工作內(nèi)容如下:①論述了本課題研究的目的和意義,對旋轉(zhuǎn)機(jī)械振動故障的特點(diǎn)、在線監(jiān)測和故障診斷技術(shù)的研究現(xiàn)狀和方法以及神經(jīng)網(wǎng)絡(luò)論和模糊集理論的發(fā)展及其在設(shè)備故障診斷中的應(yīng)用進(jìn)行了全面的綜述。②對相關(guān)的量子理論和量子計(jì)算原理進(jìn)行了系統(tǒng)介紹,論述了量子神經(jīng)計(jì)算出現(xiàn)的原因,綜述了當(dāng)前國際

3、上對于量子神經(jīng)計(jì)算的研究現(xiàn)狀及水平。從理論上分析了量子計(jì)算與神經(jīng)計(jì)算的對應(yīng)概念、神經(jīng)計(jì)算的量子推廣方法以及量子神經(jīng)計(jì)算所具有的性能,并介紹了量子神經(jīng)計(jì)算模型的幾種可能形式。③在設(shè)備狀態(tài)預(yù)測方面,研究了基于量子神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測。1)針對生產(chǎn)實(shí)踐中設(shè)備運(yùn)行的非平穩(wěn)性,基于動態(tài)預(yù)測思想,將多層激勵函數(shù)的量子神經(jīng)網(wǎng)絡(luò)應(yīng)用于旋轉(zhuǎn)機(jī)械的非平穩(wěn)時間序列預(yù)測,避免了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)和時序分析復(fù)雜的數(shù)據(jù)預(yù)處理、模型識別等過程。相比于傳統(tǒng)的時間序列分析方

4、法,多層激勵函數(shù)的量子神經(jīng)網(wǎng)絡(luò)能對旋轉(zhuǎn)機(jī)械非平穩(wěn)時間序列進(jìn)行更準(zhǔn)確的預(yù)測。2)將通用量子門組作為神經(jīng)網(wǎng)絡(luò)的激活函數(shù),通過將Qubit、相移門、U CN擴(kuò)展到復(fù)數(shù)域,構(gòu)造了基于通用量子門組的量子神經(jīng)元和量子神經(jīng)網(wǎng)絡(luò)。研究了基于通用量子門組量子神經(jīng)網(wǎng)絡(luò)的大型旋轉(zhuǎn)機(jī)械振動狀態(tài)預(yù)測,與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果對比表明,基于通用量子門組的量子神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度快、精度高、適用于時間序列預(yù)測,性能優(yōu)于BP網(wǎng)絡(luò)。④在故障診斷方面,研究了模糊量子神經(jīng)

5、網(wǎng)絡(luò)、多宇宙模糊量子神經(jīng)網(wǎng)絡(luò)模型和方法及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用。1)針對旋轉(zhuǎn)機(jī)械故障分類邊界的模糊性和故障模式之間存在交叉數(shù)據(jù)的診斷不確定問題,提出了模糊集理論和多層激勵函數(shù)的量子神經(jīng)網(wǎng)絡(luò)“淺層次”結(jié)合的模糊量子神經(jīng)網(wǎng)絡(luò)診斷模型,理論和實(shí)踐證明:該方法有效地提高了故障診斷的精度和可靠度,為旋轉(zhuǎn)機(jī)械故障診斷提供了有效方法。2)把多層激勵函數(shù)的思想應(yīng)用到隸屬度函數(shù)中,將隸屬函數(shù)的概念推廣為量子隸屬度,提出了一種量子神經(jīng)模糊推理系統(tǒng)診斷

6、模型以及基于模糊c-均值聚類算法和聚類效果評價準(zhǔn)則的確定量子間隔數(shù)的方法。實(shí)例仿真分析表明,相比于普通神經(jīng)模糊推理系統(tǒng)和BP網(wǎng)絡(luò),本文的量子神經(jīng)模糊推理系統(tǒng)具有收斂速度快、診斷精度高等特點(diǎn)。3)根據(jù)量子理論中多宇宙的觀點(diǎn),提出了一種旋轉(zhuǎn)機(jī)械故障診斷的多宇宙模糊量子神經(jīng)網(wǎng)絡(luò)模型,該模型將模糊c-均值聚類算法和聚類效果評價準(zhǔn)則引入多宇宙量子神經(jīng)網(wǎng)絡(luò)的坍縮規(guī)則之中,實(shí)現(xiàn)了多故障發(fā)生時多宇宙的同時坍縮,有效實(shí)現(xiàn)了單一故障和多故障的診斷,具有適應(yīng)

7、性和抗干擾能力強(qiáng)、網(wǎng)絡(luò)的擴(kuò)展性能好、學(xué)習(xí)收斂速度快和消除災(zāi)變性失憶的潛力。4)針對旋轉(zhuǎn)機(jī)械故障的層次性、相關(guān)性、不確定性以及故障征兆的多樣性、模糊性、多義性等特點(diǎn),提出了一種基于量子神經(jīng)網(wǎng)絡(luò)的多征兆綜合診斷網(wǎng)絡(luò)模型和具體實(shí)施方法,該模型根據(jù)旋轉(zhuǎn)機(jī)械故障征兆的特點(diǎn),融合了模糊量子神經(jīng)網(wǎng)絡(luò)、多宇宙量子神經(jīng)網(wǎng)絡(luò)和基于規(guī)則的反向分層推理策略,將旋轉(zhuǎn)機(jī)械故障的診斷分為粗診、細(xì)診、精診三級診斷的有機(jī)結(jié)合,通過故障實(shí)例診斷分析,效果良好,具有較高的理