利用Matlab构造BP神经网络完成变压器故障诊断
a)样本数据：在油谱分析领域中，基于油中溶气体类型与内部故障性质的对应关系，
以油中5种特征气体为依据的判断变压器故障的方法。其特征量为H2，CH4，C2H4，C2H2，C2H6，如图3所示。在对变压器的故障识别时，变压器的故障类型选择为：无故障、中低温过热、高温过热、低能放电和高能放电。
b)仿真数据如图：
c)在Matlab中完成人工神经网络的创建、训练及最终的仿真，并给出仿真结果及训
练误差曲线。
完成如下：
一、源代码如下：
%训练数据
P=[46.21 11.27 33.04 8.52 0.614;
41.12 32.51 14.45 8.36 0.52;
33.36 29.32 32.89 27.28 2.25;
45.86 34.97 8.25 7.43 0.31;
14.92 21.98 17.15 46.12 0.0;
0.872 43.18 27.14 26.88 0.0;
36.13 50.96 8.15 5.67 0.0;
37.98 30.85 7.57 23.01 0.0;
10.99 21.29 11.30 52.98 2.38;
0.958 16.01 2.89 58.01 1.16;
11.03 22.51 3.31 57.96 1.13;
15.68 21.87 10.98 53.22 2.53;
58.03 18.56 4.58 8.62 9.78;
86.89 6.48 5.28 1.13 0.0;
85.86 6.98 4.52 2.56 0.0;
83.68 7.96 5.15 3.02 0.56;
20.23 16.96 1.68 24.52 35.74;
26.76 16.56 2.98 38.76 13.61;
43.92 24.41 6.62 23.91 0.531;
48.02 10.27 4.52 22.36 23.62]';
T= [1 0 0 0 0;
正则化损伤识别matlab
1 0 0 0 0;
1 0 0 0 0;
1 0 0 0 0;
0 1 0 0 0;
0 1 0 0 0;
0 1 0 0 0;
0 1 0 0 0;
0 0 1 0 0;
0 0 1 0 0;
0 0 1 0 0;
0 0 1 0 0;
0 0 0 1 0;
0 0 0 1 0;
0 0 0 1 0;
0 0 0 1 0;
0 0 0 0 1;
0 0 0 0 1;
0 0 0 0 1;
0 0 0 0 1]';
%仿真数据
R=[7.2 5.6 3.5 2.7 3.1;
120.0 120.0 33.0 83.0 0.56;
20.6 19.6 7.5 60.9 1.52;
42 97 156 598 0;
1556 93 34 46 0;
200 46 16 109 128;
98 122 31 292 15;
92 56 42 35 0;
31.6 5.3 1.3 12.2 13.1;
72 512 138 1200 5.6]';
S= [1 0 0 0 0;
0 1 0 0 0;
0 0 1 0 0;
0 0 1 0 0;
0 0 0 1 0;
0 0 0 0 1;
0 0 1 0 0;
0 1 0 0 0;
0 0 0 0 1;
0 0 1 0 0]';
%创建一个新的bp前向神经网络
%newff--生成一个新的bp前向神经网络
net=newff(minmax(P),[5,5],{'tansig','logsig'},'trainlm');
%设置训练参数
<_reduc=3;
<=0.9; %动量因子
%训练bp前向神经网络
[net,tr]=train(net,P,T);
%仿真
A=sim(net,R);
%计算仿真误差
E=S-A ;
SSE=sse(E);
二、仿真结果：
1、训练过程曲线
2、仿真情况与实际情对比，以及是否正确。
a.仿真结果：
与实际对比：
3、仿真结果误差曲线

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。