基于量子神经网络的大型旋转机械故障诊断初步研究（本科毕业论文设计）.doc

摘 要

随着现代工业的发展，大型旋转机械对国民经济越来越重要，是许多大型企业的重点关键设备，因此，对大型旋转机械的故障诊断的重要性日益显著，而选择合适的诊断方法对于诊断结果就显得极为重要。随着计算机技术的普及，基于神经网络的故障智能诊断显示出极大的优势。量子神经网络将量子力学的思想引入到神经网络之中，以其强大的量子并行运算和联想能力非常适合旋转机械的故障诊断，具有可行性和优越性。
本文首先系统介绍了旋转机械故障诊断技术的重要性和国内外发展现状，并针对旋转机械振动的特点，进行了典型的故障特征分析。然后研究了BP神经网络和量子神经网络（QNN）的基本原理、模型机构和算法，比较了两种网络的优缺点，选择了以多层激励函数的量子神经网络作为旋转机械故障诊断的方法。最后，在MATLAB开发环境下建立了QNN算法程序，并对某热电厂汽轮机的故障数据进行了测试和仿真，和人工神经网络的诊断相比较，结果表明量子神经网络具有更加良好的识别性能和准确率，具有很好的应用前景。


关键词：量子神经网络，故障诊断，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 录
中 文 摘 要 I
ABSTRACT II
1 绪论 1
1.1旋转机械故障诊断研究的目的和意义 1
1.2国内外旋转机械故障诊断技术的研究现状和发展方向 2
1.2.1国外研究现状 2
1.2.2国内研究现状 3
1.2.3发展趋势 3
1.3量子神经网络在故障诊断中的应用 4
1.4本文研究的主要内容 5
2 大型旋转机械典型故障分析和故障诊断原理 6
2.1转子故障 6
2.1.1转子不平衡 6
2.1.2转子不对中 7
2.1.3转子碰摩故障 8
2.1.4转子弯曲故障 9
2.2轴承的故障机理 9
2.2.1滑动轴承的故障机理 9
2.2.2滚动轴承的故障 10
2.3旋转机械故障诊断原理 12
3人工神经网络 15
3.1 人工神经网络的基本原理 15
3.1.1人工神经网络的概念和神经元模型 15
3.1.2人工神经元传递函数的类型 15
3.1.3人工神经网络的联接 16
3.2 BP神经网络 18
3.2.1 BP神经网络模型与结构 18
3.2.2 BP算法 18
4 量子神经网络及其在旋转机械故障诊断中的应用 23
4.1 QNN的量子并行处理能力和QNN的优势 23
4.2几种QNN模型 24
4.2.1.多层激励函数的量子神经网络 24
4.2.2 Qubit 神经元模型 24
4.2.3 多宇宙的量子神经网络模型 25
4.3基于多层传递函数的量子神经网络 26
4.3.1多层传递函数的神经元 26
4.3.2多层传递函数的量子神经网络 27
4.3.3 QNN训练算法 28
4.4 量子神经网络在旋转机械故障诊断中的应用 28
4.4.1旋转机械故障诊断网络建模 28
4.4.2神经网络的训练 29
4.4.3诊断模型在汽轮机故障诊断中的应用 32
4.5旋转机械故障诊断系统开发 34
4.5.1旋转机械故障诊断过程 34
4.5.2故障诊断系统介绍 34
结 论 37
致 谢 38
参 考 文 献 39
附录A：MATLAB部分程序代码 41