機械故障信號的量子計算分析及智慧型診斷

《機械故障信號的量子計算分析及智慧型診斷》是2015年出版的圖書，作者是張培林。

基本介紹

• 書名：機械故障信號的量子計算分析及智慧型診斷
• 作者：張培林
• ISBN：978-7-118-10359-5
• 頁數：162
• 定價：48.00
• 出版時間：2015年7月
• 裝幀：平裝
• 開本：16
• 字數：204

內容簡介

本書以量子計算為主要分析手段,以齒輪和軸向柱塞泵的振動信號為主要研究對象,研究了量子計算在機械設備故障信號特徵提取、故障診斷與特徵選擇中的套用方法,提出了量子鬥神經網路、量子限制波爾茲曼機網路、量子門遺傳算法和量子偏最小二乘法等算法,建立了一套以量子計算為基礎的特徵提取、模式識別和特徵選擇的理論體系,提高了機械設備故障信號智慧型診斷的效率和精度。

本書適合從事量子計算及其算法、機械設備故障診斷研究的科研人員使用,也可供相關專業研究生參考。

目錄

第1章概論

1.1機械故障信號處理和智慧型診斷技術

1.2機械故障信號的特徵提取方法研究現狀

1.2.1傅立葉變換

1.2.2小波變換

1.2.3希爾伯特-黃變換

1.2.4AR模型

1.3機械故障信號特徵選擇方法研究現狀

1.3.1遺傳算法

1.3.2遺傳偏最小二乘法

1.4機械故障信號智慧型診斷的研究現狀

1.4.1專家系統

1.4.2神經網路

1.4.3支持向量機

1.4.4限制波爾茲曼機網路

第2章量子計算基礎

2.1引言

2.2量子力學概念

2.2.1量子態及其特性

2.2.2希爾伯特空間及其運算

2.2.3么正變換

2.3量子比特表示

2.3.1二維直角坐標

2.3.2三維Bloch球面坐標

2.4量子暫存器

2.5量子門

2.5.1單量子比特門

2.5.2雙量子比特門

2.5.3通用量子門

2.6量子線路

2.7量子計算的研究現狀

2.7.1量子計算研究概況

2.7.2量子計算在振動信號處理和智慧型診斷中的套用現狀

第3章機械故障信號的量子傅立葉變換特徵提取方法

3.1引言

3.2機械故障設備常見故障

3.2.1齒輪常見故障

3.2.2液壓系統常見故障

3.3機械故障信號的採集系統

3.3.1齒輪振動試驗台架

3.3.2液壓系統綜合檢測試驗設備

3.4量子傅立葉變換

3.4.1基本原理

3.4.2算法實現步驟

3.4.3仿真信號分析

3.5量子傅立葉變換在機械故障信號特徵提取中的套用

3.5.1齒輪故障信號分析

3.5.2軸向柱塞泵故障信號分析

3.6本章小結

第4章基於希爾伯特-黃和AR模型的特徵提取方法

4.1漸近式權值小波變換的降噪方法

4.1.1小波變換用於信號降噪的原理

4.1.2漸近式權值小波降噪方法

4.1.3仿真實驗分析

4.1.4基於漸近式權值小波的軸向柱塞泵振動信號降噪

4.2基於希爾伯特-黃變換和AR模型的特徵提取模型

4.2.1希爾伯特-黃變換

4.2.2AR模型

4.2.3基於希爾伯特-黃變換和AR模型的特徵提取模型

4.2.4實例分析

4.3本章小結

第5章機械故障信號的量子神經網路分類方法研究

5.1引言

5.2量子BP神經網路

5.2.1神經元模型

5.2.2學習算法

5.3量子BP神經網路的機械故障信號分類

5.3.1齒輪故障信號分類

5.3.2軸向柱塞泵故障信號分類

5.4通用量子門的量子神經網路

5.4.1神經元模型

5.4.2算法描述

5.4.3泛化性能分析

5.4.4仿真結果對比

5.5通用量子門量子神經網路的機械故障信號分類

5.5.1齒輪故障信號分類

5.5.2軸向柱塞泵故障信號分類

5.6本章小結

第6章機械故障信號的量子限制波爾茲曼機網路分類方法研究

6.1引言

6.2基於量子計算的限制波爾茲曼機網路（QRBM）

6.2.1限制波爾茲曼機網路

6.2.2QRBM神經元模型

6.2.3QRBM的算法實現

6.2.4網路參數的最佳化和更新

6.3基於QRBM的機械故障信號分類方法

6.3.1齒輪故障信號分類

6.3.2軸向柱塞泵故障信號分類

6.4基於量子門的量子限制波爾茲曼機網路

6.4.1量子線路的搭建

6.4.2學習算法

6.5基於QGRBM的機械故障信號分類方法

6.5.1齒輪故障信號分類

6.5.2軸向柱塞泵故障信號分類

6.6本章小結

第7章量子遺傳算法特徵選擇方法研究

7.1引言

7.2基於通用量子門的量子遺傳算法（UQGN）

7.2.1基本量子遺傳算法

7.2.2UQGA的算法描述

7.2.3收斂性證明

7.3UQGA在機械故障信號特徵選擇中的套用

7.3.1UQGA在齒輪故障信號特徵選擇中的套用

7.3.2UQGA在軸向柱塞泵故障信號特徵選擇中的套用

7.4漸近式Bloch球面搜尋的量子遺傳算法

7.4.1GABQGA的基本原理

7.4.2GABQGA的算法描述

7.5GABQGA在機械故障信號特徵選擇中的套用

7.5.1GABQGA在齒輪故障信號特徵選擇中的套用

7.5.2GABQGA在軸向柱塞泵故障信號特徵選擇中的套用

7.6本章小結

第8章遺傳偏最小二乘法特徵選擇方法研究

8.1GAPLS特徵選擇算法

8.1.1遺傳算法

8.1.2偏最小二乘回歸分析

8.1.3GAPLS算法

8.2仿真實驗

8.3實例分析

8.3.1基於GAPLS算法的軸向柱塞泵特徵選擇模型

8.3.2基於GAPLS算法的手動換向閥特徵選擇模型

8.4本章小結

第9章量子遺傳偏最小二乘特徵選擇方法研究

9.1引言

9.2量子偏最小二乘法

9.2.1基本理論

9.2.2學習算法

9.2.3交叉檢驗的有效性分析

9.2.4量子線路

9.3量子遺傳偏最小二乘法（QGAPLS）

9.3.1QGAPLS的算法描述

9.3.2仿真結果對比

9.4QGAPLS在機械故障信號特徵選擇中的套用

9.4.1QGAPLS在齒輪故障信號特徵選擇中的套用

9.4.2QGAPLS在軸向柱塞泵故障信號特徵選擇中的套用

9.5機械設備線上狀態監測的QGRBM最佳化策略

9.5.1改進的量子遺傳偏最小二乘法

9.5.2齒輪箱線上狀態監測的QGRBM最佳化策略

9.5.3軸向柱塞泵線上狀態監測的QGRBM最佳化策略

9.6本章小結

第10章液壓系統故障診斷專家系統的設計與實現

10.1液壓故障診斷專家系統總體設計

10.2專家系統知識庫

10.2.1知識的獲取

10.2.2知識的表示

10.2.3基於故障樹的專家系統知識庫的建立

10.2.4故障樹知識庫管理界面

10.2.5支持向量機知識庫的建立

10.3診斷推理功能的設計與實現

10.3.1基於故障樹分析的診斷推理的實現

10.3.2支持向量機診斷推理模組的設計實現

10.3.3解釋機制

10.3.4Delphi調用Matlab的編程實現技術

10.4本章小結

參考文獻"