基于径向基神经网络的变压器故障诊断
预处理样本数据如果直接用于神经网络训练，则可能导致网络不收敛，从而影响网络的性能，因此必须要对样本数据进行预处理（归一化处理），本文的样本数据归一化按式⑶进行。3.2 仿真结果分析选取经过检查后故障类型确定的30组故障数据作为训练样本，采用表2中的15组故障数据作为检验样本。在MATLAB中，我们通过newrb来实现OLS函数的功能，函数newrb是利用迭代方法设计径向基函数网络，该方法每迭代一次就增加一个神经元，直到均方误差下降到目标误差以下或者隐层神经元个数达到最大值时停止。RBF网络对表2中的15组检验数据的测试误差性能曲线如图2所示。RBF神经网络对表2中的15组检验数据的实际诊断结果如图3所示。由上述仿真结果我们可以看出，图2中显示网络自动生成隐层神经元数为28个，训练误差为0.004422，图3中得出RBF神经网络模型实际诊断输出，将之和实际期望输出比较，得出RBF网络模型的故障诊断精度为94.7%。将神经网络诊断结果与实际故障以及IEC三比值法的诊断结果进行比较，
<<上一页 下一页>>
广州市越秀区图书馆版权所有。
联系电话：020-87673002
本站访问人数：