让网站百度不到,服装配件网站建设 中企动力,怎么帮网站做支付接口,网站所有者是什么意思课题名称#xff1a;基于GRNN神经网络的变压器故障诊断分类及预测
版本日期#xff1a;2024-02-10
运行方式#xff1a;直接运行GRNN0507.m文件
代码获取方式#xff1a;私信博主或QQ#xff1a;491052175
模型描述#xff1a;
对变压器油中溶解气体进行分析是变压器…课题名称基于GRNN神经网络的变压器故障诊断分类及预测
版本日期2024-02-10
运行方式直接运行GRNN0507.m文件
代码获取方式私信博主或QQ491052175
模型描述
对变压器油中溶解气体进行分析是变压器内部故障诊断的重要手段。我国当前大量应用的是改良三比值法但利用三比值法作为变压器故障诊断的依据存在两方面的不足即所谓编码缺损和临界值判据缺损。当前变压器故障诊断系统大多数都是采用BP网络模型但由于BP网络自身结构的点在训练样本较大且要求精度较高时网络常常不收敛且容易陷入局部最优。油中溶解气体分析的方法能很好地反映变压器的潜伏性故障且在各种诊断方法中以改良三比值法的判断准确率最高所以选择油中溶解气体含量的三对比值作为神经网络的输入特征向量而输出特征向量则选用变压器的故障类型。概率神经网络结构简单训练简洁利用概率神经网络模型的强大的非线性分类能力将故障样本空间映射到故障模式空间中可形成一个具有较强容错能力和结构自适应能力的诊断网络系统从而提高故障诊断的准确率。
算法流程
1. 收集数据数据中的data.mat是33*4维的矩阵前三列为改良三比值法数据第4列为分类输出也就是故障的类别。使用前23个样本作为PNN训练样本后10个样本作为测试样本
2. 创建GRNN神经网络利用Matlab自带的神经网络工具箱中的函数newgrnn可以构建一个GRNN神经网络。
3. 根据已有故障数据进行训练将训练数据输入网络便可以对网络进行训练
4. 网络效果测试将测试数据代入到GRNN神经网络进行预测得到预测数据
5. 结果分析通过对比测试数据中变压器实际故障类型和PNN预测的故障类型来验证PNN神经网络的预测精度
GRNN神经网络函数调用形式
其调用格式为netnewgrnnPTSPREAD),其中
P为Q组输入向量组成的R*Q维矩阵即输入数据矩阵
T为Q组目标分类向量组成的S*Q维矩阵即输出数据矩阵
SPREAD为径向基函数的扩展速度默认值为1
改进方向
标准程序无改进
待改进方向
可以研究一下Spread值对于GRNN神经网络的影响选择最佳Spread值应用到GRNN神经网络上
特殊说明
1. 经过多次测试SPREAD值为默认值时预测效果相对较好
2. 神经网络每一次的预测结果都不相同为了得到更好的结果建议多次运行取最佳值
Matlab仿真结果
基于GRNN神经网络的变压器故障诊断的预测精度 基于GRNN神经网络的变压器故障诊断的训练数据预测和误差 基于GRNN神经网络的变压器故障诊断的测试数据预测和误差
