基于小波变换和QNN的TRT中透平机运行状况预测

针对TRT系统中透平机结构复杂,故障特征表现及故障产生原因普遍具有模糊性、复杂性的特点,将现场采集的数据利用小波变换的软硬阈值折中算法处理小波系数,滤除噪声。通过建立量子神经网络(QNN)预测模型中网络结构的调整、网络的训练,得到预测结果。实验仿真结果表明:利用小波变换可以有效地滤除数据中的噪声,所建立的QNN预测模型可以有效地实现对TRT系统中透平机的运行状况预测。