matlab仿真利用Matlab构造BP神经网络完成变压器故障诊断.docVIP

下载本文档

24
0
约1.21万字
约 5页
2016-06-18 发布于重庆
举报
版权申诉

matlab仿真利用Matlab构造BP神经网络完成变压器故障诊断.doc

1、本文档共5页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

matlab仿真利用Matlab构造BP神经网络完成变压器故障诊断

利用Matlab构造BP神经网络完成变压器故障诊断样本数据：在油色谱分析领域中，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。仿真数据如图：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; 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net.trainParam.show=10; %每10代显示一次net.trainParam.lr=0.05; %训练速率net.trainParam.mem_reduc=3; net.trainParam.mc=0.9; %动量因子net.trainParam.epochs=100000; %训练的代数net.trainParam.goal=0.01; %目标误差%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：仿真结果误差曲线