摘 要

隨著現(xiàn)代工業(yè)的發(fā)展，大型旋轉機械對國民經濟越來越重要，是許多大型企業(yè)的重點關鍵設備，因此，對大型旋轉機械的故障診斷的重要性日益顯著，而選擇合適的診斷方法對于診斷結果就顯得極為重要。隨著計算機技術的普及，基于神經網絡的故障智能診斷顯示出極大的優(yōu)勢。量子神經網絡將量子力學的思想引入到神經網絡之中，以其強大的量子并行運算和聯(lián)想能力非常適合旋轉機械的故障診斷，具有可行性和優(yōu)越性。
本文首先系統(tǒng)介紹了旋轉機械故障診斷技術的重要性和國內外發(fā)展現(xiàn)狀，并針對旋轉機械振動的特點，進行了典型的故障特征分析。然后研究了BP神經網絡和量子神經網絡（QNN）的基本原理、模型機構和算法，比較了兩種網絡的優(yōu)缺點，選擇了以多層激勵函數(shù)的量子神經網絡作為旋轉機械故障診斷的方法。最后，在MATLAB開發(fā)環(huán)境下建立了QNN算法程序，并對某熱電廠汽輪機的故障數(shù)據(jù)進行了測試和仿真，和人工神經網絡的診斷相比較，結果表明量子神經網絡具有更加良好的識別性能和準確率，具有很好的應用前景。


關鍵詞：量子神經網絡，故障診斷，故障特征，QNN算法















ABSTRACT

With the development of modern industry, large rotating machinery is more and more important on national economy, which is the key equipments of many large companies，therefore, fault diagnosis of rotating machinery is more and more significant. So choosing fit fault diagnosis method seems to be more important to the result. Along with the computer technology popularization, the breakdown intelligent diagnosis based on Quantum Neural Network demonstrates the enormous superiority. Quantum Neural Network introduces the thought of Quantum Mechanics into the Neural Network, with its strong ability of parallel computation and association, it is very suitable to diagnose the fault of rotating machinery, and it’s feasible and superior.
First，this article system introduction rotating machinery fault diagnosis technology importance and domestic and foreign development present situation, and in view of the characteristic of rotating machinery fault feature, introduces the characters of rotating machinery faults and the mechanism of rotating machinery. Then, the basis principle、the structure and algorithm of the Artificial Neural Network and Quantum Neural Network are presented, comparing their respective good and bad points, a rotating mechanical fault diagnosis method based on Quantum Neural Network based on multilevel transfer function. At last, this article setups the QNN algorithm program in the operating platform of MATLAB.Compared with Artificial Neural Network, recognition performance and accuracy of the fault diagnosis system based on Artificial Neural Network was better tested and simulated by fault feature vector, which come from the steam turbine of one thermal power plant, the result indicates the effectiveness of this method.


Key words： Quantum Neural Network, fault diagnosis, fault feature, QNN algorithm,






目 錄
中 文 摘 要 I
ABSTRACT II
1 緒論 1
1.1旋轉機械故障診斷研究的目的和意義 1
1.2國內外旋轉機械故障診斷技術的研究現(xiàn)狀和發(fā)展方向 2
1.2.1國外研究現(xiàn)狀 2
1.2.2國內研究現(xiàn)狀 3
1.2.3發(fā)展趨勢 3
1.3量子神經網絡在故障診斷中的應用 4
1.4本文研究的主要內容 5
2 大型旋轉機械典型故障分析和故障診斷原理 6
2.1轉子故障 6
2.1.1轉子不平衡 6
2.1.2轉子不對中 7
2.1.3轉子碰摩故障 8
2.1.4轉子彎曲故障 9
2.2軸承的故障機理 9
2.2.1滑動軸承的故障機理 9
2.2.2滾動軸承的故障 10
2.3旋轉機械故障診斷原理 12
3人工神經網絡 15
3.1 人工神經網絡的基本原理 15
3.1.1人工神經網絡的概念和神經元模型 15
3.1.2人工神經元傳遞函數(shù)的類型 15
3.1.3人工神經網絡的聯(lián)接 16
3.2 BP神經網絡 18
3.2.1 BP神經網絡模型與結構 18
3.2.2 BP算法 18
4 量子神經網絡及其在旋轉機械故障診斷中的應用 23
4.1 QNN的量子并行處理能力和QNN的優(yōu)勢 23
4.2幾種QNN模型 24
4.2.1.多層激勵函數(shù)的量子神經網絡 24
4.2.2 Qubit 神經元模型 24
4.2.3 多宇宙的量子神經網絡模型 25
4.3基于多層傳遞函數(shù)的量子神經網絡 26
4.3.1多層傳遞函數(shù)的神經元 26
4.3.2多層傳遞函數(shù)的量子神經網絡 27
4.3.3 QNN訓練算法 28
4.4 量子神經網絡在旋轉機械故障診斷中的應用 28
4.4.1旋轉機械故障診斷網絡建模 28
4.4.2神經網絡的訓練 29
4.4.3診斷模型在汽輪機故障診斷中的應用 32
4.5旋轉機械故障診斷系統(tǒng)開發(fā) 34
4.5.1旋轉機械故障診斷過程 34
4.5.2故障診斷系統(tǒng)介紹 34
結 論 37
致 謝 38
參 考 文 獻 39
附錄A：MATLAB部分程序代碼 41