为进一步简化模型结构,提高模式识别性能,提出一种基于量子计算的限制波尔兹曼机网络模型(Restricted Boltzmann Machine Based on Quantum Computation,QRBM)。在QRBM网络中,依据RBM的网络结构,以量子计算为基础。首先,对数据进行量子化编码。然后,执行量子操作,生成网络的权值矩阵以简化步骤、提高计算效率。之后,确定网络层数以提高准确率,缩短执行时间。最后,实现QRBM模型参数的更新,从而达到故障分类的目的。将该方法用于齿轮箱模式识别中,提取齿轮箱的正常、齿面磨损、齿根裂纹和断齿等振动信号的数据作为原始特征,采用QRBM神经网络模型进行模式识别。实验结果表明,QRBM分类算法在分类准确率和执行时间上获得的效果比普通神经网络、支持向量机和RBM网络更好,验证了本文方法的有效性和可行性。