模型建立

3.基于龙格-库塔优化的PNN网络5.测试结果6.参考文献7.Matlab代码

摘要针对PNN神经网络的光滑因子选择问题利用龙格-库塔算法优化PNN神经网络的光滑因子的选择并应用于变压器故障诊断。

1.PNN网络概述

时保持非线性算法的高精度等特性这种网络对应的权值就是模式样本的分布网络不需要训练因而能够满足训练上实时处理的要求。

PNN

网络是由径向基函数网络发展而来的一种前馈型神经网络其理论依据是贝叶斯最小风险准则即贝叶斯决策理论

SPREAD

f(X,w_i)exp[-(X-w_i)^T(X-W_i)/2\delta]\tag{1}

f(X,wi​)exp[−(X−wi​)T(X−Wi​)/2δ](1)

w_i

从而得到故障模式的估计概率密度函数。

每一类只有一个求和层单元求和层单元与只属于自己类的模式层单元相连接而与模式层中的其他单元没有连接。

因此求和层单元简单地将属于自己类的模式层单元

的输出相加而与属于其他类别的模式层单元的输出无关。

求和层单元的输出与各类基于内

出决策层由简单的阔值辨别器组成其作用是在各个故障模式的估计概率密度中选择一个具

有最大后验概率密度的神经元作为整个系统的输出。

输出层神经元是一种竞争神经元每个神经元分别对应于一个数据类型即故障模式输出层神经元个数等于训练样本数据的种类个

数它接收从求和层输出的各类概率密度函数概率密度函数最大的那个神经元输出为

图1.PNN网络结构

运行中的变压器发生不同程度的故障时会产生异常现象或信息。

故障分析就是搜集变压器的异常现象或信息根据这些现象或信息进行分析

、严重程度和故障部位

变压器故障诊断的目的首先是准确判断运行设备当前处于正常状态还是异常状态。

若变压器处于异常状态有故障则判断故障的性质、类型和原因

是哪种类型的放电等。

变压器故障诊断还要根据故障信息或根据信息处理结果预测故障的可能发展即对故障的严重程度、发展趋势做出诊断提出控制故障的措施防止和消除故障提出设备维修的合理方法和相应的反事故措施对设备的设计、制造、装配等提出改进意见为设备现代化管理提供科学依据和建议。

2.1

析法进行深入分析后以改良三比值法为基础建立基于概率神经网络的故障诊断模型。

案例数据中的

data.

龙格-库塔算法原理请参考https://blog.csdn.net/u011835903/article/details/122254286

利用龙格-库塔算法对PNN网络的光滑因子进行优化。

适应度函数设计为训练集与测试集的分类错误率

(2)

fitnessargmin{TrainErrorRatePredictErrorRate}(2)

5.测试结果

5;%上边界从结果来看龙格-库塔-pnn能够获得好的分类结果。

6.参考文献

书籍《MATLAB神经网络43个案例分析》PNN原理部分均来自该书籍

7.Matlab代码