量子神经网络在电机转子故障辨识中的应用研究.pdfVIP

量子神经网络在电机转子故障辨识中的应用研究 易健雄 朱大奇 陈昕静 (江南火学控制科学与工程研究巾心．江苏，无锡，214122) 摘要：本文介绍了基于多层激励函数的量子神经网络模型及其算法，并将量子神经网络模型应用于电机转子故障诊断中， 比较了BP神经网络和量子神经网络(QNN)的故障识别精度．仿真实验结果表明，量子神经网络提高了电机转子故障诊断的 识别精度和容错能力． 关键词：多层激励函数：量子神经网络；电机；故障诊断 Researchon of NeuralNetworks Quantum Application inRotorsFault ofMotors Recognition M Zhu Chen JianxiongDaqi Xinjing CentreofControlScienceand (Research YangtzeUniversitytWuxi·214122) Engineering·Southern Abstract：Thisintroducesthe NeuralNetworksmodelbasedonmultilevelactivationfunctionandits paper Quantum algorithm this Neural motorsrotorsis basis，an Networksforlhult ofthe briefly．On applicationofQuantum diagnosis presented．Bycomparing the BP resultsbasedon NeuralNetworksand NeuralNetworks isshownthatthelatterismore diagnosis Quantum respectively,it accuratethantheformerinthefault recognition． Activation Neural Networks：Motor：Fault Keywords：MultilevelFunction：Quantum Diagnosis 模式相互影响【6l，各故障模式数据有不同程度的交叉，如 1引言 果仅应用常规的信号分析处理的方法进行故障诊断，就 量予神经网络的概念出现于上个Ii￡纪90年代，它是 会存在一定的误判现象。如何消除不同故障模式数据交 将量予计算理论与人工神经网络相结合而产生的，克服 叉的影响，提高故障识别精度显得尤为重要。对此木文 了传统神经网络的缺陷羽l不足，例如固有的学习速度慢、 尝试应用多层激励函数的量予神经网络模型实现电机转 模型复杂、灾变性失忆及识别精度低等【l】。量子神经网络 予故障的诊断，利用多层激励函数量予神经网络对交叉 提出后便引起了不同领域科学家的关注，提出了很多的 数掂模式的分类效果来提高电机敝障识别的精度。 想法昶J初步的模型，体现了量