[發(fā)明專利]一種基于深度量子學(xué)習(xí)的健康評(píng)估方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810832051.9
• 申請(qǐng)日: 2018-07-26
• 公開（公告）號(hào): CN109063308B
• 公開（公告）日: 2021-03-09
• 發(fā)明（設(shè)計(jì)）人: 洪晟;印家偉;段小川
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/04
• 代理公司: 北京慧泉知識(shí)產(chǎn)權(quán)代理有限公司 11232
• 代理人: 王順榮;唐愛華

本發(fā)明提供一種基于深度量子學(xué)習(xí)的健康評(píng)估方法，步驟如下：一：構(gòu)建初始深度量子神經(jīng)網(wǎng)絡(luò)模型；二：定期采集軸承振動(dòng)信號(hào)，對(duì)振動(dòng)信號(hào)提取特征參數(shù)；三：將數(shù)據(jù)分為訓(xùn)練集和驗(yàn)證集，利用訓(xùn)練集數(shù)據(jù)訓(xùn)練深度量子神經(jīng)網(wǎng)絡(luò)模型，通過(guò)驗(yàn)證集數(shù)據(jù)對(duì)該模型進(jìn)行性能評(píng)估；將收集的信號(hào)進(jìn)行預(yù)處理，將處理好的特征參數(shù)分為訓(xùn)練數(shù)集和檢驗(yàn)數(shù)集；四：調(diào)整深度量子神經(jīng)網(wǎng)絡(luò)模型參數(shù)，通過(guò)不斷訓(xùn)練模型，選取性能評(píng)估最優(yōu)的模型；五：利用模型進(jìn)行軸承的健康評(píng)估；通過(guò)以上步驟，訓(xùn)練得到的深度量子神將網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)軸承的健康評(píng)估，通過(guò)對(duì)軸承的健康評(píng)估預(yù)防及減少設(shè)備故障的發(fā)生，以最小的維修費(fèi)用，確保設(shè)備的安全運(yùn)行并獲得最大的設(shè)備可用率及經(jīng)濟(jì)效益。

技術(shù)領(lǐng)域：

本發(fā)明提出一種基于深度量子學(xué)習(xí)的健康評(píng)估方法，屬于健康評(píng)估領(lǐng)域。

背景技術(shù)：

據(jù)相關(guān)數(shù)據(jù)統(tǒng)計(jì)由軸承引起的問(wèn)題占整個(gè)機(jī)械故障的40％以上，因此有關(guān)軸承的研究得到了工業(yè)界和學(xué)術(shù)界的普遍關(guān)注。軸承是典型的旋轉(zhuǎn)機(jī)械設(shè)備，它的運(yùn)行狀態(tài)對(duì)其使用效率、維修維護(hù)成本、設(shè)備故障造成的經(jīng)濟(jì)損失及人身安全起著至關(guān)重要的作用。同時(shí)，軸承也是在機(jī)械、航空航天以及一些軍事工業(yè)部門中應(yīng)用最廣泛的機(jī)械零件，也是機(jī)械設(shè)備中比較容易受到損害的零部件之一。

軸承的性能衰退是影響軸承正常使用的主要因素，對(duì)軸承的健康狀態(tài)的掌握對(duì)于旋轉(zhuǎn)機(jī)械維修保障活動(dòng)的實(shí)施極為關(guān)鍵。軸承的健康評(píng)估研究涉及信號(hào)采集及處理、模型的選擇、參數(shù)優(yōu)化和模型的訓(xùn)練算法選擇等，其研究領(lǐng)域的發(fā)展直接影響著結(jié)果的有效性、穩(wěn)定性和可行性。

評(píng)估有兩種含義:評(píng)估機(jī)器設(shè)備實(shí)時(shí)運(yùn)行狀態(tài)，和研究可能產(chǎn)生故障時(shí)的條件。有必要通過(guò)對(duì)諸多故障征兆信息的信號(hào)處理、分析提取特征參數(shù)、計(jì)算輸入/輸出系統(tǒng)物流和能量的協(xié)調(diào)性及其有害能量的轉(zhuǎn)化、研究輸出物質(zhì)特性的變化異常、計(jì)算分析裝備系統(tǒng)狀態(tài)和工況參數(shù)之間的非線性關(guān)系，來(lái)探測(cè)分析產(chǎn)生故障的原因，特別是故障萌芽時(shí)的條件和特征。

機(jī)械設(shè)備在使用過(guò)程中可以分為四個(gè)狀態(tài):正常、輕微退化、嚴(yán)重退化和故障(失效)。傳統(tǒng)的健康評(píng)估方法在數(shù)據(jù)采集、評(píng)估的準(zhǔn)確性方面仍有較大的欠缺，故需提出新的方法對(duì)軸承進(jìn)行健康評(píng)估。

發(fā)明內(nèi)容：

本發(fā)明針對(duì)現(xiàn)階段對(duì)軸承健康評(píng)估方法的不足，提出了一種基于深度量子學(xué)習(xí)的健康評(píng)估方法，本發(fā)明以深度量子神經(jīng)網(wǎng)絡(luò)為例。目的是通過(guò)改進(jìn)的健康評(píng)估算法，提高評(píng)估的準(zhǔn)確性。從而提高裝備安全和功能可利用度，減少過(guò)剩檢測(cè)和維修。

本發(fā)明提出一種基于深度量子學(xué)習(xí)的健康評(píng)估方法，該方法具體步驟如下：

步驟一：構(gòu)建初始深度量子神經(jīng)網(wǎng)絡(luò)模型；

步驟二：定期采集軸承振動(dòng)信號(hào)，對(duì)振動(dòng)信號(hào)提取特征參數(shù)；

步驟三：將數(shù)據(jù)分為訓(xùn)練集和驗(yàn)證集，利用訓(xùn)練集數(shù)據(jù)訓(xùn)練深度量子神經(jīng)網(wǎng)絡(luò)模型，通過(guò)驗(yàn)證集數(shù)據(jù)對(duì)該模型進(jìn)行性能評(píng)估；

將收集的信號(hào)進(jìn)行預(yù)處理，將處理好的特征參數(shù)分為訓(xùn)練數(shù)集和檢驗(yàn)數(shù)集；

步驟四：調(diào)整深度量子神經(jīng)網(wǎng)絡(luò)模型參數(shù)，通過(guò)不斷訓(xùn)練模型，選取性能評(píng)估最優(yōu)的模型；

步驟五：利用模型進(jìn)行軸承的健康評(píng)估；

通過(guò)以上步驟，訓(xùn)練得到的深度量子神將網(wǎng)絡(luò)可以實(shí)現(xiàn)對(duì)軸承的健康評(píng)估，通過(guò)對(duì)軸承的健康評(píng)估可以預(yù)防及減少設(shè)備故障的發(fā)生，以最小的維修費(fèi)用，確保設(shè)備的安全運(yùn)行并獲得最大的設(shè)備可用率及經(jīng)濟(jì)效益。

其中，在步驟一中所述的“深度量子神經(jīng)網(wǎng)絡(luò)”，其內(nèi)容是：深度量子神經(jīng)網(wǎng)絡(luò)是一種嶄新的技術(shù)理論，是量子計(jì)算理論和深度神經(jīng)網(wǎng)絡(luò)結(jié)合的產(chǎn)物；深度量子神經(jīng)網(wǎng)絡(luò)具有兩者的優(yōu)點(diǎn)，是在量子計(jì)算機(jī)或量子器件的基礎(chǔ)上構(gòu)造神經(jīng)網(wǎng)絡(luò)，充分利用量子計(jì)算超高速、超并行、指數(shù)級(jí)容量的特點(diǎn)，來(lái)改進(jìn)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和性能。

其中，在步驟一中所述的“構(gòu)建初始深度量子神經(jīng)網(wǎng)絡(luò)模型”，其作法如下：