机械故障信号的量子计算分析及智能诊断PDF|Epub|txt|kindle电子书版本网盘下载

机械故障信号的量子计算分析及智能诊断PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概论1

1.1 机械故障信号处理和智能诊断技术1

1.2 机械故障信号的特征提取方法研究现状2

1.2.1 傅里叶变换2

1.2.2 小波变换3

1.2.3 希尔伯特-黄变换4

1.2.4 AR模型5

1.3 机械故障信号特征选择方法研究现状5

1.3.1 遗传算法5

1.3.2 遗传偏最小二乘法6

1.4 机械故障信号智能诊断的研究现状7

1.4.1 专家系统7

1.4.2 神经网络8

1.4.3 支持向量机8

1.4.4 限制波尔兹曼机网络9

第2章 量子计算基础11

2.1 引言11

2.2 量子力学概念11

2.2.1 量子态及其特性11

2.2.2 希尔伯特空间及其运算12

2.2.3 幺正变换13

2.3 量子比特表示13

2.3.1 二维直角坐标13

2.3.2 三维Bloch球面坐标14

2.4 量子寄存器14

2.5 量子门14

2.5.1 单量子比特门15

2.5.2 双量子比特门15

2.5.3 通用量子门15

2.6 量子线路16

2.7 量子计算的研究现状16

2.7.1 量子计算研究概况17

2.7.2 量子计算在振动信号处理和智能诊断中的应用现状19

第3章 机械故障信号的量子傅里叶变换特征提取方法21

3.1 引言21

3.2 机械故障设备常见故障21

3.2.1 齿轮常见故障21

3.2.2 液压系统常见故障22

3.3 机械故障信号的采集系统26

3.3.1 齿轮振动试验台架27

3.3.2 液压系统综合检测试验设备28

3.4 量子傅里叶变换31

3.4.1 基本原理32

3.4.2 算法实现步骤32

3.4.3 仿真信号分析33

3.5 量子傅里叶变换在机械故障信号特征提取中的应用35

3.5.1 齿轮故障信号分析35

3.5.2 轴向柱塞泵故障信号分析38

3.6 本章小结41

第4章 基于希尔伯特-黄和AR模型的特征提取方法43

4.1 渐近式权值小波变换的降噪方法43

4.1.1 小波变换用于信号降噪的原理43

4.1.2 渐近式权值小波降噪方法44

4.1.3 仿真实验分析45

4.1.4 基于渐近式权值小波的轴向柱塞泵振动信号降噪46

4.2 基于希尔伯特-黄变换和AR模型的特征提取模型50

4.2.1 希尔伯特-黄变换50

4.2.2 AR模型53

4.2.3 基于希尔伯特-黄变换和AR模型的特征提取模型53

4.2.4 实例分析54

4.3 本章小结61

第5章 机械故障信号的量子神经网络分类方法研究62

5.1 引言62

5.2 量子BP神经网络62

5.2.1 神经元模型62

5.2.2 学习算法63

5.3 量子BP神经网络的机械故障信号分类64

5.3.1 齿轮故障信号分类64

5.3.2 轴向柱塞泵故障信号分类68

5.4 通用量子门的量子神经网络71

5.4.1 神经元模型71

5.4.2 算法描述72

5.4.3 泛化性能分析73

5.4.4 仿真结果对比74

5.5 通用量子门量子神经网络的机械故障信号分类76

5.5.1 齿轮故障信号分类76

5.5.2 轴向柱塞泵故障信号分类77

5.6 本章小结79

第6章 机械故障信号的量子限制波尔兹曼机网络分类方法研究81

6.1 引言81

6.2 基于量子计算的限制波尔兹曼机网络（QRBM）81

6.2.1 限制波尔兹曼机网络82

6.2.2 QRBM神经元模型83

6.2.3 QRBM的算法实现84

6.2.4 网络参数的优化和更新84

6.3 基于QRBM的机械故障信号分类方法85

6.3.1 齿轮故障信号分类85

6.3.2 轴向柱塞泵故障信号分类87

6.4 基于量子门的量子限制波尔兹曼机网络89

6.4.1 量子线路的搭建89

6.4.2 学习算法90

6.5 基于QGRBM的机械故障信号分类方法91

6.5.1 齿轮故障信号分类91

6.5.2 轴向柱塞泵故障信号分类93

6.6 本章小结95

第7章 量子遗传算法特征选择方法研究96

7.1 引言96

7.2 基于通用量子门的量子遗传算法（UQGN）96

7.2.1 基本量子遗传算法97

7.2.2 UQGA的算法描述98

7.2.3 收敛性证明101

7.3 UQGA在机械故障信号特征选择中的应用102

7.3.1 UQGA在齿轮故障信号特征选择中的应用102

7.3.2 UQGA在轴向柱塞泵故障信号特征选择中的应用103

7.4 渐近式Bloch球面搜索的量子遗传算法104

7.4.1 GABQGA的基本原理104

7.4.2 GABQGA的算法描述106

7.5 GABQGA在机械故障信号特征选择中的应用106

7.5.1 GABQGA在齿轮故障信号特征选择中的应用106

7.5.2 GABQGA在轴向柱塞泵故障信号特征选择中的应用108

7.6 本章小结110

第8章 遗传偏最小二乘法特征选择方法研究112

8.1 GAPLS特征选择算法112

8.1.1 遗传算法112

8.1.2 偏最小二乘回归分析114

8.1.3 GAPLS算法115

8.2 仿真实验116

8.3 实例分析118

8.3.1 基于GAPLS算法的轴向柱塞泵特征选择模型118

8.3.2 基于GAPLS算法的手动换向阀特征选择模型120

8.4 本章小结123

第9章 量子遗传偏最小二乘特征选择方法研究124

9.1 引言124

9.2 量子偏最小二乘法125

9.2.1 基本理论125

9.2.2 学习算法127

9.2.3 交叉检验的有效性分析129

9.2.4 量子线路130

9.3 量子遗传偏最小二乘法（QGAPLS）130

9.3.1 QGAPLS的算法描述131

9.3.2 仿真结果对比133

9.4 QGAPLS在机械故障信号特征选择中的应用134

9.4.1 QGAPLS在齿轮故障信号特征选择中的应用134

9.4.2 QGAPLS在轴向柱塞泵故障信号特征选择中的应用135

9.5 机械设备在线状态监测的QGRBM优化策略136

9.5.1 改进的量子遗传偏最小二乘法136

9.5.2 齿轮箱在线状态监测的QGRBM优化策略138

9.5.3 轴向柱塞泵在线状态监测的QGRBM优化策略139

9.6 本章小结141

第10章 液压系统故障诊断专家系统的设计与实现142

10.1 液压故障诊断专家系统总体设计142

10.2 专家系统知识库144

10.2.1 知识的获取144

10.2.2 知识的表示144

10.2.3 基于故障树的专家系统知识库的建立144

10.2.4 故障树知识库管理界面148

10.2.5 支持向量机知识库的建立148

10.3 诊断推理功能的设计与实现149

10.3.1 基于故障树分析的诊断推理的实现150

10.3.2 支持向量机诊断推理模块的设计实现150

10.3.3 解释机制152

10.3.4 Delphi调用Matlab的编程实现技术153

10.4 本章小结154

参考文献155