用于旋转机械状态趋势预测的量子注意力循环编码解码神经网络

作者：李锋; 程阳洋; 陈勇; 汤宝平

来源：中国机械工程, 2020, 31(21): 2573-2582.

• 量子注意力循环编码解码神经网络
• 注意力机制
• 量子神经元
• 状态趋势预测
• 旋转机械

提出了基于量子注意力循环编码解码神经网络(QAREDNN)的旋转机械状态趋势预测方法。在QAREDNN中,引入注意力机制以同时重构QAREDNN的编码器和解码器,使QAREDNN能够充分挖掘和重视重要信息,并抑制冗余信息的干扰,从而获得更好的非线性逼近能力;采用量子神经元构建了一种活性值和权值由量子旋转矩阵代替的量子门限循环单元(QGRU),QGRU不仅能够更加精细地遍历解空间,还具有大量的多重吸引子,因此QGRU能代替传统编码器和解码器中的循环单元以提高QAREDNN的泛化能力和响应速度;通过引入Levenberg-Marquardt(LM)法来提高QAREDNN的量子旋转矩阵的旋转角和注意力参数的更新速度。滚动轴承状态趋势预测实例验证了该方法的有效性。

• 单位
  机械传动国家重点实验室; 重庆大学; 四川大学; 成都飞机工业（集团）有限责任公司; 成都飞机工业(集团)有限责任公司