针对航空发动机故障预警的量子回声状态网络模型构建方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115841067A(43)申请公布日2023.03.24(21)申请号202211246108.XG06N3/08(2023.01)(22)申请日2022.10.12G06F119/10(2020.01)(71)申请人大连理工大学地址116024辽宁省大连市甘井子区凌工路2号(72)发明人孙希明岳明达孙涛刘墨燃(74)专利代理机构辽宁鸿文知识产权代理有限公司21102专利代理师许明章王海波(51)Int.Cl.G06F30/27(2020.01)G06F30/15(2020.01)G06F17/16(2006.01)G06N3/063(2023.01)G06N3/045(2023.01)权利要求书3页说明书7页附图2页(54)发明名称针对航空发动机故障预警的量子回声状态网络模型构建方法(57)摘要一种针对航空发动机故障预警的量子回声状态网络模型构建方法，首先，将航空发动机的时间序列数据量子化；然后，将量子态数据作为第一层量子网络的输入，经过量子递归线路的作用后，通过量子测量得到概率性输出，再传递到第二层回声状态网络的储备池得到一个高维的中间状态；最后，用最小二乘法只需一次计算，即可得到输出层权重矩阵，完成网络训练。将训练好的量子回声状态网络模型应用于航空发动机故障预测，给出未来时刻精确度较高的发动机运行状态预测数据。本发明利用量子受控非门实现纠缠态，近似表示原始输入数据间可能存在的耦合关系，将量子旋转门设为第一层量子网络的可调参数，可以调整数据的分布；而回声状态网络层可以发挥计算快，一步训练即可完成最终模型的计算优势。CN115841067ACN115841067A权利要求书1/3页1.一种针对航空发动机故障预警的量子回声状态网络模型构建方法，其特征在于，包括以下步骤：步骤1：选择航空发动机的数据样本特征；步骤2：对步骤1选择的初始数据进行量子化；步骤3：构建量子线路；步骤4：搭建并训练量子回声状态网络模板，将训练好的量子回声状态网络模型应用于航空发动机故障预测，给出未来时刻发动机运行状态预测数据。2.根据权利要求1所述的一种针对航空发动机故障预警的量子回声状态网络模型构建方法，其特征在于，包括以下步骤：步骤1：选择数据样本特征首先，使用航空发动机的多组传感器采集飞行器的多种运行状态数据，每一种数据代表一个样本特征变量，其数据形式为一组离散时间序列数据，将时间序列记录为：t＝{1,2,3,...,T}，其中t为采样时间，T为采样的最后时刻；然后，从多种运行状态数据中选择与航空发动机故障发生相关程度高的数据样本特征变量作为故障预测的判断标准，包括环境压力、尾喷管出口温度、发动机燃烧室温度；步骤2：初始数据量子化对步骤1采集得到的初始数据{xi(t)}进行量子化处理，得到量子态形式数据|ψ>＝a|0>+b|1>，其中|ψ>表示某个量子态，|0>,|1>分别代表二进制量子比特的两种基态，a,b为对应的概率幅，其物理意义为：对量子态|ψ>进行量子测量，将会以|a|2的概率观察到|0>，以|b|2的概率观察到|1>，并且|a|2+|b|2＝1；Τ对于某一时刻t采集得到的一组n维初始数据[x1(t),x2(t),...,xn(t)]，首先将初始数据{xi(t)}归一化；将初始数据归一化后，采用量子比特|1>前面的概率幅来表示输入量子态所蕴含的经典数据信息，按照公式(2)给出的量子化规则，将归一化后的数据制备成量子态形式数据，公式(2)如下：其中，|xi(t)>表示在t时刻下第i个特征变量制备成的量子态数据，cosθi(t)和sinθi(t)分别对应量子态|xi(t)>在二进制量子比特基态|0>和|1>前的概率幅，θi(t)通过对取反正弦得到；利用公式(2)，让i从1取到n，由此得到t时刻的量子态数据|x1(t)>,|x2(t)>,...,|xn(t)>；步骤3：构建量子线路首先构造n+1条量子线路，前n条线路在初始时刻t＝1的输入为步骤2中已经制备好的n个量子态数据|x1(1)>,|x2(1)>,...,|xn(1)>；第n+1条量子线路主要用来计算量子线路层的输出，其输入是一个辅助量子态|y(0)>，它的初始状态默认为|y(0)>＝|0>；前n个量子态|x1(1)>,|x2(1)>,...,|xn(1)>依次经过一个量子旋转门，再连同|y(0)>自上而下经过n个二比特量子受控非门，注意还要在第n+1条量子线路中添加一个量子旋转门，最终得到|y(1)>，然后把|x1(2)>,|x2(2)>,...,|xn(2)>,|y(1)>作为下一时刻t＝2的n+1个量子态输2CN115841067A权利要求书2/3页入，由此进行递归计算直到t＝T；在上述量子线路中，每个量子态输入经过的