温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

基于概率神经网络PNN的变压器故障实例分析

发布时间:2022-01-14 10:07:15 来源:亿速云 阅读:147 作者:iii 栏目:大数据

这篇文章主要讲解了“基于概率神经网络PNN的变压器故障实例分析”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“基于概率神经网络PNN的变压器故障实例分析”吧!

%% 清空环境变量

clc;

clear

close all

nntwarn off;

warning off;

%% 数据载入

load data

%% 选取训练数据和测试数据

Train=data(1:23,:);

Test=data(24:end,:);

p_train=Train(:,1:3)';

t_train=Train(:,4)';

p_test=Test(:,1:3)';

t_test=Test(:,4)';


%% 将期望类别转换为向量

t_train=ind2vec(t_train);

t_train_temp=Train(:,4)';

%% 使用newpnn函数建立PNN SPREAD选取为1.5

Spread=1.5;

net=newpnn(p_train,t_train,Spread);


%% 训练数据回代 查看网络的分类效果

% Sim函数进行网络预测

Y=sim(net,p_train);

% 将网络输出向量转换为指针

Yc=vec2ind(Y);


%% 通过作图 观察网络对训练数据分类效果

figure(1)

基于概率神经网络PNN的变压器故障实例分析  

subplot(1,2,1)

stem(1:length(Yc),Yc,'bo')

hold on

stem(1:length(Yc),t_train_temp,'r*')

title('PNN 网络训练后的效果')

xlabel('样本编号')

ylabel('分类结果')

set(gca,'Ytick',1:5)

subplot(1,2,2)

H=Yc-t_train_temp;

stem(H)

title('PNN 网络训练后的误差图')

xlabel('样本编号')


%% 网络预测未知数据效果

Y2=sim(net,p_test);

Y2c=vec2ind(Y2);

figure(2)

基于概率神经网络PNN的变压器故障实例分析  

stem(1:length(Y2c),Y2c,'b^')

hold on

stem(1:length(Y2c),t_test,'r*')

title('PNN 网络的预测效果')

xlabel('预测样本编号')

ylabel('分类结果')

set(gca,'Ytick',1:5)

感谢各位的阅读,以上就是“基于概率神经网络PNN的变压器故障实例分析”的内容了,经过本文的学习后,相信大家对基于概率神经网络PNN的变压器故障实例分析这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是亿速云,小编将为大家推送更多相关知识点的文章,欢迎关注!

向AI问一下细节

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

pnn
AI