改进量子神经网络高压断路器故障诊断方法研究

为了更准确、快速诊断出高压断路器故障类型,提出一种基于改进的受控旋转门量子神经网络的高压断路器故障诊断方法。量子旋转门旋转角度值直接影响算法的收敛性,而现有的旋转角度取值方法大都采用固定值作为旋转角度值,为此,采用量子进化算法对量子神经网络进行改进。其次,量子神经网络的输入采用量子比特序列的量子态描述方式,能从多维度获取样本信息。最后,建立改进的量子神经网络高压断路器故障诊断模型,经仿真,该模型具有收敛速度快、故障诊断准确率高、容易训练等特点。该方法是一种有效的故障诊断方法,在断路器的故障诊断方面具有良好的应用前景。