基于量子自组织神经网络的汽车三元催化器故障诊断方法

项目名称： 基于量子自组织神经网络的汽车三元催化器故障诊断方法

项目编号： No.61403053

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 自动化技术、计算机技术

项目作者： 李鹏华

作者单位： 重庆邮电大学

项目金额： 25万元

中文摘要： 提取尾气大数据中三元催化器的优化故障特征，采用量子自组织神经网络对其进行半监督学习的故障诊断，以解决OBD框架下基于模型的诊断方法中模型简化单一、难于有机整合、通用性较差等问题，符合节能减排的需要，有益于汽车故障诊断技术的传承与发展。课题围绕三元催化器高维故障特征的优化生成及其量子化描述、具有弹性邻域半径的量子自组织神经网络设计、半监督学习的故障分类器设计等内容开展研究。通过估算压缩维数与定义投影矩阵，主动地多次使用随机投影实现高维故障特征的降维，在散布矩阵约束下采用启发式策略搜索最优组合特征；构造单向转换函数，完成实向量故障特征的双量子比特描述；用量子比特神经元替换自组织网络结构中的神经元，由量子化权值与量子激发态之间的距离和相似度共同定义量子竞争学习规则的弹性邻域半径；基于已标识的故障特征，制定标签吸引域和惩罚函数约束下的监督学习策略，采用量子自组织神经网络实施未标识特征的故障分类。

中文关键词： 三元催化器；故障诊断；尾气大数据；量子自组织神经网络；GUP/CPU异构计算

英文摘要： A research on the fault diagnosis of the three-way catalytic converter, via extracting the optimized fault features from the big data of automobile exhaust and employing a quantum self-organization neural network with semi-supervised learning, is carried

英文关键词： Three-way catalytic converter；Fault diagnosis；Exhaust big data；Quantum self-organizing neural network；GUP/CPU heterogeneous computing