广告模板在哪个网站好,侯马建设规划局网站,郑州高端品牌网站建设,温州建设网站公司效果 用训练好的模糊神经网络对机械故障进行诊断,根据网络的预测值得到机械的技术状态。预测值小于 1.5 时为正常状态,预测值在 1.5~2.5 之间时为曲轴轴承轻微异响,预测值在 2.5~3.5 之间时为曲轴轴承严重异响预测值在 3.5~4.5 之间时为连杆轴承轻微异响,预测值大于 4.5 时为连…效果 用训练好的模糊神经网络对机械故障进行诊断,根据网络的预测值得到机械的技术状态。预测值小于 1.5 时为正常状态,预测值在 1.5~2.5 之间时为曲轴轴承轻微异响,预测值在 2.5~3.5 之间时为曲轴轴承严重异响预测值在 3.5~4.5 之间时为连杆轴承轻微异响,预测值大于 4.5 时为连杆轴承严重异响。
y是真实标签yt是预测标签 模糊神经网络代码
clear all;
%下载数据load data_fnn;%网络结构
I9; %输入节点
M18; %隐含节点
O1; %输出节点maxgen10000; %迭代次数
xite0.07; %网络学习率
a00.3;
b00.6;
Ek1e-15; %误差%初始化模糊神经网络参数
p0a0*ones(M,1);p0_1p0;
p1a0*ones(M,1);p1_1p1;
p2a0*ones(M,1);p2_1p2;
p3a0*ones(M,1);p3_1p3;
p4a0*ones(M,1);p4_1p4;
p5a0*ones(M,1);p5_1p5;
p6a0*ones(M,1);p6_1p6;
p7a0*ones(M,1);p7_1p7;
p8a0*ones(M,1);p8_1p8;
p9a0*ones(M,1);p9_1p9;
%初始化模糊隶属度参数
c0.8b0*rands(M,I);c_1c;
b0.8b0*rands(M,I);b_1b;%训练数据归一化
[inputn,inputps]mapminmax(input_train);
[outputn,outputps]mapminmax(output_train);%----------------------------------------用训练样本训练模糊神经网络--------------------------------------------[n,m]size(input_train);
EE100;
p1;
while pmaxgen EEEkfor k1:m %m 样本个数%提取训练样本xinputn(:,k);%输入参数模糊化for i1:Ifor j1:Mu(i,j)exp(-(x(i)-c(j,i))^2/b(j,i));endend%模糊隶属度计算for i1:Mw(i)u(1,i)*u(2,i)*u(3,i)*u(4,i)*u(5,i)*u(6,i)*u(7,i)*u(8,i)*u(9,i);endaddwsum(w);%输出计算for i1:Myi(i)p0_1(i)p1_1(i)*x(1)p2_1(i)*x(2)p3_1(i)*x(3)p4_1(i)*x(4)p5_1(i)*x(5)p6_1(i)*x(6)p7_1(i)*x(7)p8_1(i)*x(8)p9_1(i)*x(9);endaddyw0;addywyi*w;yn(k)addyw/addw;e(k)outputn(k)-yn(k);%系数p修正值计算d_pzeros(M,1);for i1:Md_p(i)xite*e(k)*w(i)/addw;end%系数b修正值计算d_b0*b;for i1:Mfor j1:Id_b(i,j)xite*e(k)*(yi(i)*addw-addyw)*(x(j)-c(i,j))^2*w(i)/(b(i,j)^2*addw^2);endend%c的修正值计算d_c0*c;for i1:Mfor j1:Id_c(i,j)xite*e(k)*(yi(i)*addw-addyw)*2*(x(j)-c(i,j))*w(i)/(b(i,j)*addw^2);endend%系数修正p0_1p0_1d_p;p1_1p1_1d_p*x(1);p2_1p2_1d_p*x(2);p3_1p3_1d_p*x(3);p4_1p4_1d_p*x(4);p5_1p5_1d_p*x(5);p6_1p6_1d_p*x(6);p7_1p7_1d_p*x(7);p8_1p8_1d_p*x(8);p9_1p9_1d_p*x(9);%隶属度参数修正bbd_b;ccd_c;endfor k1:m %m 样本个数%提取训练样本xinputn(:,k);%输入参数模糊化for i1:Ifor j1:Mu(i,j)exp(-(x(i)-c(j,i))^2/b(j,i));endend%模糊隶属度计算for i1:Mw(i)u(1,i)*u(2,i)*u(3,i)*u(4,i)*u(5,i)*u(6,i)*u(7,i)*u(8,i)*u(9,i);endaddwsum(w);%输出计算for i1:Myi(i)p0_1(i)p1_1(i)*x(1)p2_1(i)*x(2)p3_1(i)*x(3)p4_1(i)*x(4)p5_1(i)*x(5)p6_1(i)*x(6)p7_1(i)*x(7)p8_1(i)*x(8)p9_1(i)*x(9);endaddyw0;addywyi*w;yn(k)addyw/addw;endEE(1/2)*sumsqr(outputn-yn)E(p)EE;pp1;
end
EE,p
ymapminmax(reverse,yn,outputps)
epoch1:size(E,2);
figure
plot(epoch,E,-r);
title(误差变化曲线);xlabel(步数);ylabel(误差);%----------------------------------------------测试样本网络预测-----------------------------------------%输入数据归一化
inputn_testmapminmax(apply,input_test,inputps);
[n,m]size(input_test);%网络预测
for k1:1:mxinputn_test(:,k);%输入参数模糊化for i1:Ifor j1:Mu(i,j)exp(-(x(i)-c(j,i))^2/b(j,i));endend%模糊隶属度计算for i1:Mw(i)u(1,i)*u(2,i)*u(3,i)*u(4,i)*u(5,i)*u(6,i)*u(7,i)*u(8,i)*u(9,i);endaddwsum(w);%输出计算for i1:Myi(i)p0_1(i)p1_1(i)*x(1)p2_1(i)*x(2)p3_1(i)*x(3)p4_1(i)*x(4)p5_1(i)*x(5)p6_1(i)*x(6)p7_1(i)*x(7)p8_1(i)*x(8)p9_1(i)*x(9);endaddyw0;addywyi*w;%网络预测值ytn(k)addyw/addw;
end%预测值反归一化
ytmapminmax(reverse,ytn,outputps)
#代码https://mbd.pub/o/bread/mbd-ZJyTmZZw
