论文源代码(基于遗传神经网络和光谱分析的船舶机械状态监测研究).docxVIP

下载本文档

21
0
约6.37千字
约 8页
2017-04-05 发布于重庆
举报
版权申诉

论文源代码(基于遗传神经网络和光谱分析的船舶机械状态监测研究).docx

1、本文档共8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

论文源代码(基于遗传神经网络和光谱分析的船舶机械状态监测研究)

附录程序源代码以“永财”号为例，提供铁金属含量预测程序源代码x=1:1:18%铁元素含量18组历史数据y=[5 4.4 5.8 6.4 3.1 1.8 5.9 2.9 8.9 8.8 5.9 2.6 1.7 6.1 3.2 0.7 2.4 2.2 ]x1=linspace(1,18,100)y1=spline(x,y,x1)plot(x,y,*,x1,y1,b)xlabel(‘取样次数’)ylabel(‘铁元素含量’)%% 声明全局变量global p % 训练集输入数据global t % 训练集输出数据global R % 输入神经元个数global S2 % 输出神经元个数global S1 % 隐层神经元个数global S % 编码长度%% 导入数据S1=10% 输入和输出样本fori=1:75p(i,1:10)=y1(i:i+9)endt=p(2:75,10)% 数据归一化[pn,minp,maxp,tn,mint,maxt] = premnmx(p,t);% 测试数据forj=1:15k(j,1:10)=y1(j+75:j+84)end% 数据归一化[kn,mink,maxk,en,mine,maxe]=premnmx(k,e);%% BP神经网络% 网络创建net=newff(minmax(pn),[10,1], {tansig,purelin },trainlm);net.layers{ 1}.initFcn=initwb;net.layers {2 } .initFcn=initwb;net.inputWeights{ 1,1 }.initFcn=’rands’;net.layerWeights {2,1}.initFcn=rands;net.biases{ 1,1}.initFcn=rands’;net.biases{ 2,1}.initFcn=rands;% 设置训练参数net.trainParam.show=100;net.trainParam.lr=0.1;net.trainParam.mc=0.9;net.trainParam.epochs=10000;net.trainParam. goal=1e-3;% 网络训练net=init(net);net=train(net,pn,tn)%仿真测试s_bp=sim(net,kn)Out1=postmnmx(s_bp,mine,maxe) % BP神经网络的仿真结果%bp算法预测值和真实值的比较figure(1)x=1:1:15y=[1.1678 0.8617 0.7122 0.7339 0.9089 1.1972 1.5581 1.9512 2.3360 2.6719 2.9184 3.0350 2.9811 2.7163 2.2000;]x1=linspace(1,15,100)y1=spline(x,y,x1)y2=spline(x,out1,x1)plot(x,y,*,x1,y1,k,x,out1,p,x1,y2,r)gridtitle(bp算法预测值与实际值比较’)xlabel(测试次数’)ylabel(‘铁元素含量/ppm’)legend(‘实际值’,line1,’预测值’,line2)%计算bp算法的相对误差以及未来预测值a=abs(out1-e)for i=1:15a1(i, 1)=a(1,i)/e(i, 1)enda2=sum(a1)/15q=[1.1972 1.55811.95122.33602.67192.91843.03502.98112.71632.2000;][qn,minq,maxq]=premnmx(q’);w=sim(net,qn)w_bp=postmnmx(w,mine,maxe)%% GA-BP神经网络R=size(p’,1);S2=size(t, 1);S=R*S1+S1*S2+S1+S2;aa=ones(S,1)*[-1,1];popu=100; % 种群规模initPpp=initiaIizega(popu,aa,`gabpEval);%初始化种群gen=100;%遗传代数%调用GAOT工具箱，其中目标函数定义为gabpEval[x,endPop,bPop,trace]=ga(aa,gabpEval, [],initPpp, [ 1e-6 1 1 ],maxGenTerm,gen,...normGeomSelect,[0.09],[arithXover],[2],nonUnifMutation,[2 gen 3]);%绘均方误差