煤矿旋转机电设备的量子神经网络故障诊断技术
Industry and Mine Automation(2015)
摘要
针对煤矿旋转机电设备故障模式相互干扰的问题,基于量子神经网络理论,提出了一种量子神经网络故障诊断算法.以量子学中的相移门和受控非门为基本计算单元,构造出3层量子神经网络故障诊断模型,采用梯度下降法作为该模型的学习算法,对刮板输送机减速器的多种故障进行识别诊断.初步研究结果表明,所提出的量子神经网络故障诊断技术是可行的,有助于提高煤矿旋转机电设备的故障诊断率.
更多查看译文
关键词
coal mine rotating electromechanical equipment,fault diagnosis,quantum neural network,scraper conveyor,reducer,phase-shift gate
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要