量子神经网络在旋转机组状态趋势预测中的应用

• 作者: 吴国新 左云波 徐小力
• 来源期刊: 机械强度
• 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
• 年，卷（期）: 2010,（4）
• 页码范围: 526-530
• 分类号: TP183|TH113.1
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐小力	北京信息科技大学现代测控技术教育部重点实验室	164	804	15.0	21.0
2	吴国新	北京信息科技大学现代测控技术教育部重点实验室	76	337	10.0	15.0
3	左云波	北京理工大学机械与车辆工程学院	9	52	4.0	7.0