基于量子粒子群优化的BP神经网络的汽轮机振动故障诊断研究

为了提高汽轮机诊断系统的诊断速度与精度,提出了将量子粒子群算法和BP神经网络相结合的故障诊断方法。用量子粒子群算法来训练网络的权值和阈值,再将优化后的权值和阈值代入BP网络,进行故障诊断。实例证明,它是一种高效,可靠的诊断方法。     

电路板故障诊断中神经网络信息融合技术的应用

将信息融合技术应用到导弹电子设备的电路板故障诊断之中．提出了一种基于红外热成像实验的温度故障隶属度函数构造形式以及改进的BP神经网络算法。进行了BP神经网络信息融合故障诊断的实验研究．从结果看信息融合能较好地解决电路板元件故障诊断的不确定性问题。     

基于神经网络信息融合技术的模拟电路故障诊断

研究了神经网络信息融合技术在模拟电路故障诊断中的应用。利用BP神经网络建立信息融合中心,对多传感器数据进行融合处理,减少模拟电路故障诊断的不确定性。对标准电路的输出电压与电源电流特征信息,及两者融合信息的故障诊断性能比较,表明神经网络信息融合方法用于模拟电路故障诊断是有效和可行的。     

神经网络与信息融合技术在内燃机车故障诊断中的应用

内燃机车是我国铁路运输中主要的牵引动力,其质量的优劣直接关系着铁路运输组织状况的好坏和人们的生命财产安全。将现场资深专家的机车故障诊断经验与信息融合技术和人工神经网络技术两种新型的智能化技术作为故障诊断理论基础,以东风系列内燃机车水阻试验系统对机车各个关键部位的状态检测参数作为数据来源,提供了一条内燃机车故障诊断的新途径。     

量子神经网络及其应用

量子计算与人工神经网络相结合的量子神经网络(Quantum Neural Networks,QNN)有可能成为未来信息处理的重要手段。分析了人工神经网络向QNN演变的动因及形式、QNN的优势及可能的物理实现方法。着重讨论了几种QNN模型的结构、学习方法及特性,并阐述了QNN在模式识别、纠缠计算、函数近似等方面的初步应用。     

混合量子衍生神经网络模型及算法

为提高人工神经网络的逼近能力,该文从研究隐层神经元的映射机制入手,提出基于量子比特在Bloch球面的绕轴旋转构造神经网络模型的新思想。首先将样本线性变换为量子比特的相位,并使量子比特在Bloch球面上分别绕着3个坐标轴旋转,旋转角度即为网络参数。然后通过投影测量可以得到量子比特的球面坐标,将这些坐标值提交到隐层激励函数,可得隐层神经元的输出。输出层采用普通神经元。基于L-M(Levenberg-Marquardt)算法设计了该模型的学习算法。实验结果表明,该文提出的模型在逼近能力、泛化能力、鲁棒性能方面,均优于采用L-M算法的普通神经网络。     

模糊神经网络信息融合技术在导弹故障诊断中的应用

在导弹发射时,电路板发生故障将对导弹的性能产生严重的影响。本文结合模糊理论处理不确定知识的优势和神经网络并行处理、容错性强、有自学习能力等优点,应用模糊神经网络组建被测系统的数学模型,并将信息融合技术引入导弹故障诊断的过程中,通过实例证明该方法使得检测和诊断导弹故障更加可靠。     

主元分析优化量子神经网络的变压器故障诊断

针对变压器故障检测速率较慢的问题,通过对基于量子神经网络的变压器故障诊断方法的分析,发现该方法有较高的精度,但是速率较慢,不能达到实时性、快速性的要求。因此提出基于主元分析优化量子神经网络的变压器故障诊断方法。利用主元分析进行故障数据降维,选取主成分累计贡献率高于85%的主元代替原有的7个故障气体含量数据,用降维后的数据作为网络的输入,应用量子优势消除数据相关性,最终对变压器的故障做出判断。利用变压器故障实验数据信息库中的故障数据分别对量子神经网络、主元分析优化量子神经网络进行仿真研究,结果表明在故障识别率不变的情况下,所提方法使得诊断速率得到大幅提升。     

基于神经网络的雷达故障诊断方法研究

雷达装备可更换单元上故障模块和元器件的检测,诊断难度较大,影响战斗力的发挥。为了准确快速定位可更换单元上的故障模块和元器件,提高雷达装备的保障能力,将神经网络用于故障诊断;分析了神经网络进行雷达可更换单元故障元器件诊断的原理;建立了故障诊断样本训练和测试平台;并以实例在该平台上对建立的网络进行训练和实际诊断。结果表明,该方法智能化程度高,较好地解决了雷达可更换电路的故障诊断问题。     

基于改进神经网络的机床刀具故障诊断

针对机床刀具的故障诊断系统进行研究,使用智能人工神经网络算法建立诊断模型。为了提高神经网络模型的训练效率,避免网络陷入局部最优解,使用一种改进的量子神经网络,将附加动量与自适应学习速度方法融合,提高网络收敛效率。使用五轴联动铣床进行刀具故障诊断识别。对声发射信号进行特征提取,使用总振铃技术、总能量、有效电压、事件计数、重心频率、均方根频率以及频率标准方差作为网络的输入向量,判别刀具为新刀、轻微磨损或严重磨损。实验结果表明,使用的改进的量子神经网络的效率以及识别准确度均高于常规BP神经网络。     

基于神经网络的冷水机故障诊断系统

论述了基于神经网络的故障诊断系统的基本原理,介绍了系统的软件构成。     

BP神经网络在光伏发电系统故障诊断中的应用

介绍了并网光伏发电系统的故障诊断模式和故障原因,以及BP神经网络的结构与学习算法。针对太阳能并网光伏发电系统工作过程中可能出现的故障,提出了一种基于BP神经网络的故障诊断方法。测试结果表明了该方法的有效性和可能性,达到了预期的结果,可以用于并网光伏发电系统的故障诊断。     

Recognition of Continuous Digits by Quantum Neural Networks

1　ＩｎｔｒｏｄｕｃｔｉｏｎＱｕａｎｔｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ (ＱＮＮ )ｉｓａｂｕｒ ｇｅｏｎｉｎｇｎｅｗｆｉｅｌｄｗｈｉｃｈｉｎｔｅｇｒａｔｅｓｃｌａｓｓｉｃａｌｎｅｕｒｏ ｃｏｍｐｕｔｉｎｇｗｉｔｈｑｕａｎｔｕｍｃｏｍｐｕｔｉｎｇ[1～2 ] .ＴｈｅｆｉｅｌｄｏｆｃｌａｓｓｉｃａｌａｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓ (ＮＮ)ｃａｎｂｅｇｅｎｅｒａｌｉｚｅｄｔｏｔｈｅｑｕａｎｔｕｍｄｏｍａｉｎｂｙｅｃｌｅｃｔｉｃｃｏｍ ｂｉｎａｔｉｏｎｏｆｔｈａｔｆｉｅｌｄｗｉｔｈｔｈｅｐｒｏｍｉｓｉ…     

基于CBR的雷达故障诊断专家系统研究

以故障诊断的理论和方法为基础,综合运用神经网络、基于案例推理和专家系统理论,对雷达装备的故障诊断问题进行研究,形成一个集成的智能诊断专家系统.介绍了系统的总体结构和工作原理,并给出具体的诊断实例,此方法充分利用神经网络和CBR的优点,将提高雷达装备故障诊断的正确性和效率.     

基于径向基神经网络的旋转机械故障诊断

针对旋转机械故障征兆与故障模式映射的复杂性,以及BP网络容易陷入局部极小、收敛速度慢等缺点,提出基于径向基（RBF）神经网络的风机故障诊断方法。以风机振动信号的7段频谱能量峰值作为故障特征,采用训练好的RBF网络进行故障辨识。结果表明,RBF网络能满足风机故障诊断的准确性,并在避免局部极小和节约训练时间方面有较好的实用性。     

雷达对抗侦察接收机故障智能诊断系统神经网络构建与仿真

针对目前电子对抗装备快速故障检测与维护保障的需要,研究了某型雷达对抗侦察接收机故障智能诊断系统神经网络的建模方法,阐述了网络神经元的选取、网络结构的确定以及网络训练步骤等,并进行了网络训练仿真和网络实例测试,验证了系统故障诊断结果的可信性。     

基于Elman神经网络的故障诊断器研究

针对BP神经网络易存在局部最小,收敛速度较慢的缺点,研究设计了一种基于Elman神经网络的敝障诊断器,建立了E1man神经网络及基于该网络的故障诊断器结构模型;利用某实际电路测试数据,训练并检测该故障诊断器的效能,试验结果表明该故障诊断器有较高的准确性和可靠性,具有工程使用价值。