量子ICA技术在故障诊断中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·选题背景及意义 | 第10-11页 |
| ·故障诊断技术的研究现状 | 第11-12页 |
| ·独立分量分析技术的研究现状 | 第12-13页 |
| ·独立分量分析在故障诊断领域研究现状 | 第13-14页 |
| ·量子优化算法研究现状 | 第14-16页 |
| ·论文主要工作及框架 | 第16-18页 |
| 2 独立分量分析原理 | 第18-31页 |
| ·独立分量分析简介 | 第18-19页 |
| ·独立性判据 | 第19-21页 |
| ·互信息最小化判据 | 第19页 |
| ·信息极大化判据 | 第19-20页 |
| ·极大似然判据 | 第20-21页 |
| ·非线性 PCA 判据 | 第21页 |
| ·独立分量分析算法的一般求解过程 | 第21-24页 |
| ·数据预处理 | 第22-23页 |
| ·选择目标函数 | 第23-24页 |
| ·选择学习算法 | 第24页 |
| ·独立分量分析常用算法 | 第24-28页 |
| ·信息最大化算法 | 第24-25页 |
| ·MMI 算法 | 第25页 |
| ·扩展 ICA 算法 | 第25-26页 |
| ·基于最大信噪比的 ICA 算法 | 第26-27页 |
| ·FastICA 算法 | 第27-28页 |
| ·独立分量分析算法的不确定性 | 第28-29页 |
| ·分离效果评价 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 量子计算与量子优化原理 | 第31-40页 |
| ·量子计算 | 第31-33页 |
| ·量子比特 | 第32页 |
| ·量子逻辑门 | 第32-33页 |
| ·量子计算的特性 | 第33-35页 |
| ·量子态的叠加 | 第33-34页 |
| ·量子态的相干 | 第34页 |
| ·量子态的纠缠 | 第34页 |
| ·量子并行性 | 第34-35页 |
| ·量子优化算法的应用 | 第35-39页 |
| ·量子 BP 神经网络 | 第35-38页 |
| ·量子进化算法 | 第38页 |
| ·量子小波与小波包算法 | 第38-39页 |
| ·量子退火算法 | 第39页 |
| ·本章小结 | 第39-40页 |
| 4 量子独立分量分析算法（QICA 算法） | 第40-47页 |
| ·基于量子优化的独立分量分析改进算法 | 第40-44页 |
| ·分离矩阵量子编码 | 第40-41页 |
| ·解空间变换 | 第41页 |
| ·量子旋转门优化分离矩阵 | 第41-43页 |
| ·量子独立分量分析算法流程 | 第43-44页 |
| ·量子独立分量分析算法仿真 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 5 齿轮箱故障诊断实验与分析 | 第47-63页 |
| ·齿轮箱故障机理 | 第47-50页 |
| ·齿轮故障机理 | 第47-49页 |
| ·轴承故障机理 | 第49-50页 |
| ·齿轮箱故障诊断的时频域指标 | 第50-52页 |
| ·时域指标 | 第50-51页 |
| ·频域指标 | 第51-52页 |
| ·齿轮箱故障诊断实验 | 第52-62页 |
| ·实验简介 | 第52-54页 |
| ·齿轮箱振动信号的量子独立分量分析分离 | 第54-58页 |
| ·齿轮箱振动信号特征提取 | 第58-60页 |
| ·基于量子 BP 神经网络的齿轮箱故障诊断 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| ·全文总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的文章及研究成果 | 第70-71页 |
| 致谢 | 第71页 |
