[发明专利]一种基于深度量子神经网络的趋势预测方法有效
| 申请号： | 201810832036.4 | 申请日： | 2018-07-26 |
| 公开（公告）号： | CN109033632B | 公开（公告）日： | 2021-03-09 |
| 发明（设计）人： | 洪晟;印家伟;段小川 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G06F30/20 | 分类号： | G06F30/20;G06N3/08;G06N99/00 |
| 代理公司： | 北京慧泉知识产权代理有限公司 11232 | 代理人： | 王顺荣;唐爱华 |
| 地址： | 100191*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度量子神经网络的趋势预测方法，步骤如下：一：构建初始深度量子神经网络；二：定期采集轴承振动信号，利用小波包分解对振动信号进行特征挖掘；三：利用训练集数据训练深度量子神经网络模型，通过验证集数据对该模型进行性能评估；将收集的信号进行预处理，将处理好的特征参数分为训练数集和检验数集；四：调整深度量子神经网络模型参数，通过不断训练模型，选取性能评估最优的预测模型；五：利用预测模型进行轴承的趋势预测；通过以上步骤，训练得到的深度量子神将网络能实现对轴承的趋势预测，通过对轴承的趋势预测能及时对轴承进行维护，能缩短维修时间，减少维修费用，解决了因轴承维护不及时而造成的机械故障问题。 | ||
| 搜索关键词： | 一种 基于 深度 量子 神经网络 趋势 预测 方法 | ||
【主权项】：
1.一种基于深度量子神经网络的趋势预测方法，其特征在于：该方法具体步骤如下：步骤一：构建初始深度量子神经网络；步骤二：定期采集轴承振动信号，利用小波包分解对振动信号进行特征挖掘；步骤三：将数据分为训练集和验证集，利用训练集数据训练深度量子神经网络模型，通过验证集数据对该模型进行性能评估；将收集的信号进行预处理，将处理好的特征参数分为训练数集和检验数集；步骤四：调整深度量子神经网络模型参数，通过不断训练模型，选取性能评估最优的预测模型；步骤五：利用预测模型进行轴承的趋势预测；通过以上步骤，训练得到的深度量子神将网络能实现对轴承的趋势预测，通过对轴承的趋势预测能及时对轴承进行维护，能缩短维修时间，减少维修费用，解决了因轴承维护不及时而造成的机械故障问题。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京航空航天大学，未经北京航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810832036.4/，转载请声明来源钻瓜专利网。
