量子神经网络在旋转机组状态趋势预测中的应用
徐小力1
左云波2
吴国新1
1.北京信息科技大学现代测控技术教育部重点实验室,北京,1001922.北京理工大学机械与车辆工程学院,北京,100081
摘要：神经网络具有非线性函数逼近能力,常用于非线性趋势预测.为了预测旋转机组故障特征量的非线性发展趋势,提出指数加权量子神经网络.参考传统的BP(back propagation)神经网络及指数平滑的预测方法,将量子计算与神经网络相结合,选择误差修正学习算法,并在神经网络输入层进行指数加权,构建三层指数加权量子神经网络.该网络具有非线性逼近能力,并且能通过指数加权系数反映近期和远期历史数据对将来预测值的不同贡献程度.在将指数加权量子神经网络应用于大型旋转机组故障特征量的非线性趋势预测时,实验结果表明该网络训练的速度与预测的精度均好于传统的BP神经网络预测.
关键词：旋转机组量子神经网络量子计算故障特征量趋势预测
分类号：TP183(自动化基础理论)TH113.1(机械学（机械设计基础理论）)
资助基金：国家自然科学基金(50975020)国家科技重大专项(2009ZX04014-101)北京市市属高等学校人才强教深化计划(PHR20090518)
论文发表日期：2010-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：5( 526-530 )
英文信息