电力电子电路的故障模式间普遍存在交叉重叠，针对这种现象，本文提出了将 S 变换和量子神经网络相结合的新方法。首先，采用主元分析和 S 变换对各故障模式进行特征提取，由于 S 变换的窗函数宽度随着频率的变化而变化，能提取各故障的时间-频率特性，并将它们的差别最大化。再用量子神经网络进行诊断，由于量子神经网络能够自动检测抽样数据中存在的模糊性，并能够自适应的学习量化存在的模糊性的故障诊断方法，因此量子神经网络具备一种固有的模糊性，能将不确定性数据合理的分配到各故障模式中。实验结果表明：本文提出的方法具有收敛速度更快、性能更高，鲁棒性更好的特点，且故障诊断准确率更高。 
畅学电子
