[发明专利]一种基于深度量子学习的健康评估方法有效
| 申请号： | 201810832051.9 | 申请日： | 2018-07-26 |
| 公开（公告）号： | CN109063308B | 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： | G06F30/27 | 分类号： | G06F30/27;G06N3/04 |
| 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学习的健康评估方法，步骤如下：一：构建初始深度量子神经网络模型；二：定期采集轴承振动信号，对振动信号提取特征参数；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；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模型；五：利用模型进行轴承的健康评估；通过以上步骤，训练得到的深度量子神将网络实现对轴承的健康评估，通过对轴承的健康评估预防及减少设备故障的发生，以最小的维修费用，确保设备的安全运行并获得最大的设备可用率及经济效益。 | ||
| 搜索关键词： | 一种 基于 深度 量子 学习 健康 评估 方法 | ||
【主权项】：
1.一种基于深度量子学习的健康评估方法，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模型；步骤二：定期采集轴承振动信号，对振动信号提取特征参数；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模型；步骤五：利用模型进行轴承的健康评估；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健康评估，通过对轴承的健康评估能预防及减少设备故障的发生，以最小的维修费用，确保设备的安全运行并获得最大的设备可用率及经济效益。
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/201810832051.9/，转载请声明来源钻瓜专利网。
