旋轉機械故障診斷量子神經計算技術研究.pdf

1、量子計算與神經計算的結合是當前人工神經網絡理論發(fā)展的一個前沿課題,由此而產生的量子神經計算范式具有很高的理論價值和應用潛力。本文在量子計算原理的基礎上,論述了量子神經計算出現的原因及特征,在理論方面,重點研究了多層激勵函數的量子神經網絡、基于通用量子門組的量子神經網絡、模糊量子神經網絡以及多宇宙量子神經網絡等幾種量子神經網絡模型與方法及其在旋轉機械故障診斷中的應用,在實踐方面,針對某鋼鐵企業(yè)中的旋轉機械開發(fā)了具有實用價值的大型旋轉機械在

2、線狀態(tài)監(jiān)測與智能故障診斷網絡化系統。本課題來源于國家科技攻關計劃項目《設備故障網絡化智能診斷系統》(編號:2001BA201A0610,由多項橫向課題做支撐,具體工作內容如下:①論述了本課題研究的目的和意義,對旋轉機械振動故障的特點、在線監(jiān)測和故障診斷技術的研究現狀和方法以及神經網絡論和模糊集理論的發(fā)展及其在設備故障診斷中的應用進行了全面的綜述。②對相關的量子理論和量子計算原理進行了系統介紹,論述了量子神經計算出現的原因,綜述了當前國際

3、上對于量子神經計算的研究現狀及水平。從理論上分析了量子計算與神經計算的對應概念、神經計算的量子推廣方法以及量子神經計算所具有的性能,并介紹了量子神經計算模型的幾種可能形式。③在設備狀態(tài)預測方面,研究了基于量子神經網絡的時間序列預測。1)針對生產實踐中設備運行的非平穩(wěn)性,基于動態(tài)預測思想,將多層激勵函數的量子神經網絡應用于旋轉機械的非平穩(wěn)時間序列預測,避免了傳統神經網絡和時序分析復雜的數據預處理、模型識別等過程。相比于傳統的時間序列分析方

4、法,多層激勵函數的量子神經網絡能對旋轉機械非平穩(wěn)時間序列進行更準確的預測。2)將通用量子門組作為神經網絡的激活函數,通過將Qubit、相移門、U CN擴展到復數域,構造了基于通用量子門組的量子神經元和量子神經網絡。研究了基于通用量子門組量子神經網絡的大型旋轉機械振動狀態(tài)預測,與傳統的BP神經網絡的預測結果對比表明,基于通用量子門組的量子神經網絡訓練速度快、精度高、適用于時間序列預測,性能優(yōu)于BP網絡。④在故障診斷方面,研究了模糊量子神經

5、網絡、多宇宙模糊量子神經網絡模型和方法及其在旋轉機械故障診斷中的應用。1)針對旋轉機械故障分類邊界的模糊性和故障模式之間存在交叉數據的診斷不確定問題,提出了模糊集理論和多層激勵函數的量子神經網絡“淺層次”結合的模糊量子神經網絡診斷模型,理論和實踐證明:該方法有效地提高了故障診斷的精度和可靠度,為旋轉機械故障診斷提供了有效方法。2)把多層激勵函數的思想應用到隸屬度函數中,將隸屬函數的概念推廣為量子隸屬度,提出了一種量子神經模糊推理系統診斷

6、模型以及基于模糊c-均值聚類算法和聚類效果評價準則的確定量子間隔數的方法。實例仿真分析表明,相比于普通神經模糊推理系統和BP網絡,本文的量子神經模糊推理系統具有收斂速度快、診斷精度高等特點。3)根據量子理論中多宇宙的觀點,提出了一種旋轉機械故障診斷的多宇宙模糊量子神經網絡模型,該模型將模糊c-均值聚類算法和聚類效果評價準則引入多宇宙量子神經網絡的坍縮規(guī)則之中,實現了多故障發(fā)生時多宇宙的同時坍縮,有效實現了單一故障和多故障的診斷,具有適應

7、性和抗干擾能力強、網絡的擴展性能好、學習收斂速度快和消除災變性失憶的潛力。4)針對旋轉機械故障的層次性、相關性、不確定性以及故障征兆的多樣性、模糊性、多義性等特點,提出了一種基于量子神經網絡的多征兆綜合診斷網絡模型和具體實施方法,該模型根據旋轉機械故障征兆的特點,融合了模糊量子神經網絡、多宇宙量子神經網絡和基于規(guī)則的反向分層推理策略,將旋轉機械故障的診斷分為粗診、細診、精診三級診斷的有機結合,通過故障實例診斷分析,效果良好,具有較高的理