一种基于量子神经网络的模拟电路故障诊断方法

doi:10.3696/j.issn.1672-6952.2015.02.013

辽宁石油化工大学学报 ›› 2015, Vol. 35 ›› Issue (2): 58-61.DOI: 10.3696/j.issn.1672-6952.2015.02.013

一种基于量子神经网络的模拟电路故障诊断方法

张朝龙1, 2,何怡刚1,袁莉芬1,陈立平1

( 1. 合肥工业大学电气与自动化工程学院, 安徽合肥2 3 0 0 0 9; 2. 安庆师范学院物理与电气工程学院, 安徽安庆2 4 6 0 1 1)

出版日期:2015-04-25 发布日期:2015-05-06
作者简介:张朝龙( 1 9 8 2 - ) , 男, 博士研究生, 讲师, 从事模拟和混合信号电路的故障诊断和预测研究; E - m a i l : z h a n g c l @a q t c .e d u. c n。
基金资助:
国家杰出青年科学基金项目( 5 0 9 2 5 7 2 7) ; 国防科技计划项目( C 1 1 2 0 1 1 0 0 0 4、 9 1 4 0 A 2 7 0 2 0 2 1 1 D Z 5 1 0 2) ; 国家自然科学基金项目 ( 6 1 1 0 2 0 3 5, 6 1 4 0 1 1 3 9, 6 1 4 0 3 1 1 5) ; 教育部科学技术研究重大项目( 3 1 3 0 1 8) ; 安徽省科技计划重点项目( 1 3 0 1 0 2 2 0 3 6) 。

An Analog Circuit Fault Diagnostics Approach Based on QNN

Zhang Chaolong1,2， He Yigang1， Yuan Lifen1， Chen Liping1

(1.School of Electrical Engineering and Automation, Hefei University of Technology，Hefei Anhui 230009,China; 2.School of Physics and Electronic Engineering, Anqing Normal University, Anqing Anhui 246011,China)

Published:2015-04-25 Online:2015-05-06

摘要/Abstract

摘要： 针对模拟电路中部分故障类别发生重叠的特点, 提出了一种基于量子神经网络算法的模拟电路故障诊断方法。在被测电路输出端采集时域响应信号, 计算其峭度和熵, 作为特征量, 并应用量子神经网络算法对模拟电路的各个不同的故障类别进行辨别。实验结果表明, 构建的神经网络具有简单的网络结构, 且故障诊断正确率较
高, 达到9 9. 6 2%。

关键词: 模拟电路, 故障诊断, 峭度, 熵, 量子神经网络

Abstract: To solve the overlap of part of fault classes in the analog circuit fault diagnostics, a novel analog circuit fault diagnostics approach based on quantum neural networks algorithm was presented. Kurtosis and entropy were calculated as features after the time domain response signals of the circuit under test were measured, and then the different fault classes were identified by quantum neural networks algorithm. The simulation demonstrated that constructed neural network had simple network structure and the fault diagnosis accuracy was higher, which reached 99.62%.

Key words: Analog circuit, Fault diagnostics, Kurtosis, Entropy, Quantum neural networks

张朝龙,何怡刚,袁莉芬,陈立平. 一种基于量子神经网络的模拟电路故障诊断方法[J]. 辽宁石油化工大学学报, 2015, 35(2): 58-61.

Zhang Chaolong， He Yigang， Yuan Lifen， Chen Liping. An Analog Circuit Fault Diagnostics Approach Based on QNN[J]. Journal of Liaoning Petrochemical University, 2015, 35(2): 58-61.

[1]	夏起磊, 罗林, 张垚. 基于注意力增强型编解码网络的化工过程故障诊断[J]. 辽宁石油化工大学学报, 2024, 44(2): 63-70.
[2]	赵珣, 陈帅, 邱海洋. 基于改进双向循环神经网络的变压器故障诊断模型研究[J]. 辽宁石油化工大学学报, 2023, 43(5): 75-83.
[3]	姜楠, 罗林, 王乔, 侯维. 结构优化深度网络的高压断路器机械故障诊断[J]. 辽宁石油化工大学学报, 2023, 43(3): 91-96.
[4]	张迪, 高鹏, 田思祺, 崔永海. 基于改进熵权⁃突变级数法的气化炉风险评估[J]. 辽宁石油化工大学学报, 2022, 42(1): 53-58.
[5]	宋绍楼, 吕亮, 刘昕明. 基于CEEMDAN⁃SPSO⁃ELM的旋转电机滚动轴承故障检测方法[J]. 辽宁石油化工大学学报, 2022, 42(1): 86-91.
[6]	周学均, 陈小强, 谢磊. 基于改进收敛交叉映射的厂级振荡源诊断[J]. 辽宁石油化工大学学报, 2021, 41(5): 85-90.
[7]	范影，石铤燚，尹涵，焦岩，吴玉国. 基于云模型的油库建设项目工程造价控制研究[J]. 辽宁石油化工大学学报, 2021, 41(3): 62-71.
[8]	陶文华，王玉英，桂运金，高新域. 基于IFAHP的焦化生产过程性能评估方法研究[J]. 辽宁石油化工大学学报, 2021, 41(1): 73-79.
[9]	刘晓琴，王晨旭，孙海军，王千. 基于小波和贝叶斯网络的智能建筑供配电系统故障诊断研究[J]. 辽宁石油化工大学学报, 2020, 40(6): 78-84.
[10]	裴小邓，罗林，陈帅，王乔. 面向电力变压器油中溶解气体的卷积神经网络诊断方法[J]. 辽宁石油化工大学学报, 2020, 40(5): 79-85.
[11]	崔晓玲，胡恰恰，张启望. 基于熵权⁃TOPSIS的收益信息质量评价研究——以X公司为例[J]. 辽宁石油化工大学学报, 2020, 40(5): 86-91.
[12]	陈小龙，周俊鹏，张颖，樊瑞筱. 基于声发射波形流信号的滚动轴承故障双谱分析及诊断[J]. 辽宁石油化工大学学报, 2018, 38(03): 89-92.
[13]	曹康,姜峰,郑运虎. 基于熵权模糊综合评价法的油气长输管道风险评估[J]. 辽宁石油化工大学学报, 2015, 35(5): 27-30.
[14]	王晓蕾,阚哲,张雷雷. 基于小波原理和流体静电信号诊断矿用液压系统故障原理[J]. 辽宁石油化工大学学报, 2015, 35(3): 65-68.
[15]	王丹,郑文燕. 企业非相关多元化经营的现金流定量研究[J]. 辽宁石油化工大学学报, 2015, 35(2): 80-82.

一种基于量子神经网络的模拟电路故障诊断方法

An Analog Circuit Fault Diagnostics Approach Based on QNN

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics