matlab仿真利用Matlab構造BP神经网络完成变压器故障诊断.doc

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