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

《matlab仿真-利用Matlab构造BP神经网络完成变压器故障诊断.doc》由会员分享，可在线阅读，更多相关《matlab仿真-利用Matlab构造BP神经网络完成变压器故障诊断.doc（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、【精品文档】如有侵权，请联系网站删除，仅供学习与交流matlab仿真-利用Matlab构造BP神经网络完成变压器故障诊断.精品文档.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。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

2、、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 1.1

3、6; 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

4、; 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

5、 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,

6、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