基于量子神經網絡的礦用減速器故障診斷.pdf

1、隨著科學技術和煤炭工業(yè)的快速發(fā)展，煤礦機電設備的自動化程度越來越高，設備結構也越來越復雜，設備間的相互連接也越來越緊密。減速器是連接原動機和工作機的重要傳動裝置，具有降低轉速、增大轉矩和傳遞動力的作用，是采煤機、刮板輸送機和掘進機等采煤機電設備必不可少的一部分。當減速器發(fā)生故障時，可能會影響煤礦機電設備的正常運行，嚴重時甚至會導致整個采煤系統(tǒng)癱瘓，所以對減速器進行狀態(tài)檢測和故障診斷是至關重要的。目前，由于人工智能與計算機技術的日益發(fā)展，

2、使得越來越多的新理論和故障診斷技術相結合，從而產生出了許多新的故障診斷方法，其中人工神經網絡與故障診斷技術相結合產生的神經網絡故障診斷技術是應用較為廣泛的一種故障診斷方法。量子神經網絡故障診斷技術是在神經網絡診斷技術的基礎上引入了量子計算，通過運用量子理論中的量子態(tài)疊加、糾纏、干涉和并行等基礎的量子計算原理，使神經網絡的學習能力與處理信息能力得到了的大大改善和提升。
　　本文以礦用減速器為研究對象，針對其故障相干擾的問題，提出了一

3、種基于量子神經網絡的故障診斷技術。以量子學中的移相門和受控非門為基本計算單元，構造出三層量子神經網絡故障診斷模型，采用梯度下降法作為該模型的學習算法。選取振動信號作為監(jiān)測信號，利用時域分析與頻域分析的方法對振動信號進行分析研究和特征值的提取，選取峭度、裕度、峰值和頻譜重心、頻譜方差、諧波因子等特征值作為網絡輸入特征向量，對礦用減速器進行故障診斷。通過仿真結果驗證表明將量子理論與神經網絡相結合產生的量子神經網絡應用到故障診斷技術上是可行的