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、源代码如下：%训练数据P=[46.2111.2733.048.520.614;41.1232.5114.458.360.52;33.3629.3232.8927.282.25;45.8634.978.257.430.31;14.9221.9817.1546.120.0;0.87243.1827.1426.880.0;36.1350.968.155.670.0;37.9830.857.5723.010.0;10.9921.2911.3052.982.38;0.95816.012.8958.011.16;11.0322.513.3157.961.13;15.6821.8710.9853.222.53;58.0318.564.588.629.78;86.896.485.281.130.0;85.866.984.522.560.0;83.687.965.153.020.56;20.2316.961.6824.5235.74;26.7616.562.9838.7613.61;43.9224.416.6223.910.531;48.0210.274.5222.3623.62]';T=[10000;10000;10000;10000;01000;01000;01000;01000;00100;00100;00100;00100;00010;00010;00010;00010;00001;00001;00001;00001]';%仿真数据R=[7.25.63.52.73.1;120.0120.033.083.00.56;20.619.67.560.91.52;42971565980;15569334460;2004616109128;981223129215;925642350;31.65.31.312.213.1;7251213812005.6]';S=[10000;01000;00100;00100;00010;00001;00100;01000;00001;00100]';%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