一种自适应量子神经网络汽轮机故障趋势预测方法

摘要

本发明公开了一种自适应量子神经网络汽轮机故障趋势预测方法。所述方法对传统的三层BP神经网络模型进行改进，引入量子神经网络，在输入层中对不同历史数据进行趋势贡献力分析，加强最新数据对趋势的影响力，增加输入层至输出层的直接连接权，在输出层根据信号特征自适应调整激励函数，以提高收敛速度和预测精度；引入自适应学习效率的方法，以提高收敛速度。本发明的方法具有很好的可靠性和稳健性，是解决汽轮机故障趋势预测的关键技术研究，可以广泛应用在汽轮机故障趋势预测中。