本文選題：旋轉機械 + 量子計算�。� 參考：《哈爾濱理工大學》2017年碩士論文

【摘要】：工業(yè)領域中旋轉機械的應用十分廣泛,隨著旋轉機械向大型化和集成化方向的快速發(fā)展,其設備的結構變得越來越復雜,其運行狀態(tài)更加受到人們的關注。通過對旋轉機械設備健康狀態(tài)趨勢進行預測可以及時發(fā)現(xiàn)故障,提高旋轉機械設備的安全性、利用率與可靠性。因此,對旋轉機械健康狀態(tài)進行深入研究具有非常重要的現(xiàn)實意義。本文針對旋轉機械復雜的工況環(huán)境及非線性的時變特性的問題,對振動數(shù)據(jù)降噪方法、全局預測模型和集成預測模型進行了研究。提出一種基于相關系數(shù)的時頻矩陣SVD降噪方法,消除了強背景噪聲對奇異值選取的影響,實現(xiàn)信號重構階次的自適應性選擇。將該方法應用到滾動軸承健康狀態(tài)信號中,降噪結果證明了該方法的有效性。針對目前在旋轉機械領域網(wǎng)絡預測模型存在的一些不適應性,提出一種基于受控H門的量子過程神經(jīng)網(wǎng)絡模型,實現(xiàn)了模型信息的并行處理及網(wǎng)絡參數(shù)的多維調(diào)整,并避免了過程神經(jīng)網(wǎng)絡在函數(shù)擬合和基函數(shù)展開的過程中存在誤差的問題。滾動軸承性能預測實驗表明,基于受控H門的量子過程神經(jīng)網(wǎng)絡具有良好的預測精度。針對單一全局模型復雜難以優(yōu)化的問題,提出了基于GA-Ada Boost.RT的集成預測模型。分別以過程神經(jīng)網(wǎng)絡、離散輸入過程神經(jīng)網(wǎng)絡作為弱學習機構建集成預測模型。通過對滾動軸承的健康狀態(tài)預測實驗結果表明,由結構簡單弱學習機構建的集成預測模型具有比全局模型更好的預測效果�；谏鲜鲅芯砍晒�,結合VC++和Matlab軟件的優(yōu)點,開發(fā)了旋轉機械健康狀態(tài)監(jiān)測系統(tǒng)。通過對旋轉機械健康狀態(tài)預測的研究,可縮短維修時間,減少維修費用,提高設備的利用率、可維修性和可靠性,避免災難性事故的發(fā)生,對拓展及豐富旋轉機械健康狀態(tài)預測方法具有重要的理論意義和實用價值。
[Abstract]:Rotating machinery is widely used in industry. With the rapid development of rotating machinery to large-scale and integrated direction, the structure of its equipment becomes more and more complex, and its running state is paid more attention by people. By predicting the health state trend of rotating machinery equipment, the fault can be found in time, and the safety, utilization ratio and reliability of rotating machinery equipment can be improved. Therefore, it is very important to study the health state of rotating machinery. In this paper, the noise reduction methods of vibration data, the global prediction model and the integrated prediction model are studied in view of the complex operating conditions and nonlinear time-varying characteristics of rotating machinery. A time-frequency matrix SVD denoising method based on correlation coefficient is proposed, which eliminates the influence of strong background noise on singular value selection and realizes the adaptive selection of signal reconstruction order. The method is applied to the health state signal of rolling bearing, and the result of noise reduction proves the effectiveness of the method. A quantum process neural network model based on controlled H gate is proposed to solve the inadaptability of the network prediction model in the field of rotating machinery at present. The parallel processing of model information and the multi-dimensional adjustment of network parameters are realized. The problem of error in the process of function fitting and basis function expansion is avoided. The experiment of rolling bearing performance prediction shows that the quantum process neural network based on controlled H gate has good prediction accuracy. An integrated prediction model based on GA-Ada Boost.RT is proposed to solve the problem of complex and difficult optimization of a single global model. Process neural networks and discrete input process neural networks are used as weak learning machines to construct integrated prediction models. The experimental results on the health state prediction of rolling bearings show that the integrated prediction model constructed by simple weak learning machine has better prediction effect than the global model. Based on the above research results and the advantages of VC and Matlab software, a rotating machinery health monitoring system is developed. Through the research on the health condition prediction of rotating machinery, the maintenance time can be shortened, the maintenance cost can be reduced, the utilization ratio, maintainability and reliability of the equipment can be improved, and the catastrophic accident can be avoided. It has important theoretical significance and practical value to expand and enrich the health state prediction method of rotating machinery.
【學位授予單位】：哈爾濱理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TH17;TP183

【相似文獻】

相關期刊論文 前10條

1 王凡,孟立凡;關于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡的直升機艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡的應用與展望[J];佛山科學技術學院學報(自然科學版);2009年05期

4 許萬增;;神經(jīng)網(wǎng)絡的研究及其應用[J];國際技術經(jīng)濟研究學報;1990年01期

5 張軍華;神經(jīng)網(wǎng)絡技術及其在軍用系統(tǒng)中的應用[J];現(xiàn)代防御技術;1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡在預報控制中的應用[J];機床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡及其在鐵道科技中應用的探討[J];鐵道學報;1993年02期

8 宋玉華，王啟霞;神經(jīng)網(wǎng)絡診斷──神經(jīng)網(wǎng)絡在自動化領域里的應用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內(nèi)外神經(jīng)網(wǎng)絡技術的研究與應用概況[J];電機電器技術;1995年04期

10 王中賢，，錢頌迪;神經(jīng)網(wǎng)絡法在經(jīng)濟管理中的應用[J];航天工業(yè)管理;1995年04期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

相關碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

本文編號：1784036