基于协同量子粒子算法的透平蒸汽流量软测量

透平蒸汽流量是分析透平运行效率的重要参数，由于现场大量缺乏检测信息，且针对传统测量方法存在可靠性差，非接触式测量成本高、安装困难等问题，提出了一种协同量子粒子算法(CQGAPSO)，同时优化神经网络(NN)结构和参数的透平蒸汽流量的软测量建模方法。该方法利用节点间的连接开关，有效消除冗余连接对神经网络逼近能力的影响，引入量子概率幅编码和协同机制来提高神经网络的学习效率、逼近精度和泛化能力。透平蒸汽流量软测量的仿真结果表明：相比全连接神经网络和其他模型，所述方法具有更好的预测精度和鲁棒性。