为进一步简化模型结构,提高模式识别性能,提出一种基于量子计算的限制波尔兹曼机网络模型(Restricted Boltzmann Machine Based on Quantum Computation,QRBM)。在QRBM网络中,依据RBM的网络结构,以量子计算为基础。首先,对数据进行量子...为进一步简化模型结构,提高模式识别性能,提出一种基于量子计算的限制波尔兹曼机网络模型(Restricted Boltzmann Machine Based on Quantum Computation,QRBM)。在QRBM网络中,依据RBM的网络结构,以量子计算为基础。首先,对数据进行量子化编码。然后,执行量子操作,生成网络的权值矩阵以简化步骤、提高计算效率。之后,确定网络层数以提高准确率,缩短执行时间。最后,实现QRBM模型参数的更新,从而达到故障分类的目的。将该方法用于齿轮箱模式识别中,提取齿轮箱的正常、齿面磨损、齿根裂纹和断齿等振动信号的数据作为原始特征,采用QRBM神经网络模型进行模式识别。实验结果表明,QRBM分类算法在分类准确率和执行时间上获得的效果比普通神经网络、支持向量机和RBM网络更好,验证了本文方法的有效性和可行性。展开更多
受量子理论启发,结合数学形态滤波器中的膨胀算子,提出合成量子启发结构元素(Compound quantum-inspired structuring element,CQSE),用于增强故障振动信号中的冲击响应成分。CQSE综合考虑了信号的局部特征和随机性,其高度能够跟随信号...受量子理论启发,结合数学形态滤波器中的膨胀算子,提出合成量子启发结构元素(Compound quantum-inspired structuring element,CQSE),用于增强故障振动信号中的冲击响应成分。CQSE综合考虑了信号的局部特征和随机性,其高度能够跟随信号的变化进行动态调整。首先,建立了量子启发结构元素(Quantum-inspired structuring element,QSE)的基本数学表达式。随后,采用峭度描述冲击响应信号的局部特征,并用于生成QSE在实数空间的单一形式(Single form in real space,SFRS)的高度;采用信号的归一化振动大小描述信号的随机性,并用于计算不同SFRS出现的量子概率。然后,结合量子概率,通过数学期望,对不同的SFRS进行合成,获得应用于膨胀算子的CQSE。最后,将CQSE应用于轴承故障诊断,有效地增强了故障信息。展开更多
文摘为进一步简化模型结构,提高模式识别性能,提出一种基于量子计算的限制波尔兹曼机网络模型(Restricted Boltzmann Machine Based on Quantum Computation,QRBM)。在QRBM网络中,依据RBM的网络结构,以量子计算为基础。首先,对数据进行量子化编码。然后,执行量子操作,生成网络的权值矩阵以简化步骤、提高计算效率。之后,确定网络层数以提高准确率,缩短执行时间。最后,实现QRBM模型参数的更新,从而达到故障分类的目的。将该方法用于齿轮箱模式识别中,提取齿轮箱的正常、齿面磨损、齿根裂纹和断齿等振动信号的数据作为原始特征,采用QRBM神经网络模型进行模式识别。实验结果表明,QRBM分类算法在分类准确率和执行时间上获得的效果比普通神经网络、支持向量机和RBM网络更好,验证了本文方法的有效性和可行性。
文摘受量子理论启发,结合数学形态滤波器中的膨胀算子,提出合成量子启发结构元素(Compound quantum-inspired structuring element,CQSE),用于增强故障振动信号中的冲击响应成分。CQSE综合考虑了信号的局部特征和随机性,其高度能够跟随信号的变化进行动态调整。首先,建立了量子启发结构元素(Quantum-inspired structuring element,QSE)的基本数学表达式。随后,采用峭度描述冲击响应信号的局部特征,并用于生成QSE在实数空间的单一形式(Single form in real space,SFRS)的高度;采用信号的归一化振动大小描述信号的随机性,并用于计算不同SFRS出现的量子概率。然后,结合量子概率,通过数学期望,对不同的SFRS进行合成,获得应用于膨胀算子的CQSE。最后,将CQSE应用于轴承故障诊断,有效地增强了故障信息。
