[发明专利]一种基于量子计算的故障诊断深度学习方法

权利要求书

1.一种基于量子计算的故障诊断深度学习方法，包含两个步骤：量子生成训练和使用类别标签的有监督的判别训练。用于复杂过程系统的故障检测和诊断，使用基于RBM的深层架构提取正常和故障过程操作的多层的特征。

2.根据权利要求1所述的一种基于量子计算的故障诊断深度学习方法，使用量子计算的深度学习模型中用量子辅助训练算法训练基于RBM的网络，利用特征提取和深度学习技术来检测复杂过程系统中的故障，以促进正常和故障过程状态之间的正确区分。

3.根据权利要求1所述的一种基于量子计算的故障诊断深度学习方法，其包括量子生成训练，使用两个DBN子网络从历史数据中提取特征。通过量子生成训练过程，为正常状态以及每个故障状态提取不同层次的特征。

4.根据权利要求2所述的一种基于量子计算的故障诊断深度学习方法，使用从DBN网络获得的组合近似向量。然后传递到预测原始输入数据向量状态的本地分类子网络。两个DBN子网络通过量子生成训练过程提取正常和故障过程状态的底层特征。

5.根据权利要求2所述的一种基于量子计算的故障诊断深度学习方法，每个DBN子网络由两个RBM组成，它们相互堆叠并依次训练。RBM必须被扩展以处理连续值的输入。在第一个RBM层之后，DBN的第二个RBM层从过程数据中提取更高层次的特征。从第一个RBM层得到的二进制输出向量作为第二个RBM层的输入。

6.根据权利要求3所述的一种基于量子计算的故障诊断深度学习方法，判别训练由预训练的DBN子网络产生的数据作为输入传递给全连接网络，最后通过soft-max进行预测。