BP神经网络（检测故障的实例）

BP神经网络的运用

输入p=[-1 -1 2 2 ;0 5 0 5];

t=[-1 -1 2 2];

然后生成与输入输出对应的神经网络

net=newff(minmax(p),[3 1],{'tansing','perelin'},'traingd');

接下来设定网络参数

net.p=trainParam.lr=0.05; 学习速率

net.trainParam.epochs=300; 迭代次数

net.trainParam.goal=1.0e-5; 误差最大值

[net tr]=train(net,p,t) 对神经网络进行训练

对值进行预测

y=sim(net,p)

1\traingd 表示训练方法就是用什么方法迭代权值和偏置

2\改善的方法：有动量的梯度下降法 traingdm

3|可变学习速率的梯度下降法 traingda

4\弹性梯度下降法 trainrp

常用的传递函数是 logsig tansig purelin

BP神经网络函数的逼近、

<span style="font-size:18px;"><span style="font-size:18px;">k=1;
p=[0:0.05:4];t=sin(k*pi*p);
plot(p,t,'-');
xlabel('时间‘）；ylabel('输入信号’）；
net=newff(minmax(p),[10 1],{'tansig','purelin'}，‘trainlm');
y1=sim(net,p);
plot(p,t,'-','p,y1,'--');
</span></span>

如果效果不好可以对神经网络进行训练、

net.trainParam.ir=0.05;

net.trainParam.epochs=300;

net.trainParam.goal=1.0e-5;

[net tr]=train(net,p,t);

回归问题由于神经网络可以对任意形状的函数曲线进行拟合，所以BP神经网络可以进行回归

可以用于识别

BP神经网络对故障的检测：

<span style="font-size:18px;">P11=[0.64    1.37    0.71    0.78]';
P12=[0.68  1.31    0.64    1.31]';
P21=[1.65  1.66    0.9     4.48]';
P22=[1.35  1.39    0.95    2.89]';
P31=[8.24  2.23    0.99    2]';
P41=[2.01  1.65    0.94    4.39]';
P51=[0.93  1.33    0.73    1.54]';
P=[P11 P12 P21 P22 P31 P41 P51];t11=[0 0 0 0]';
t12=[0 0 0 0]';
t21=[1 0 0 0]';
t22=[1 0 0 0]';
t31=[0 1 0 0]';
t41=[0 0 1 0]';
t51=[0 0 0 1]';
t=[t11 t12 t21 t22 t31 t41 t51];net=newff(minmax(P),[8,4],{'logsig','purelin'},'trainlm'),
net.trainParam.show = 100,
net.trainParam.epoch = 2000,
net.trainParam.goal= 1e-3,
[net,tr]=train(net,P,t),Ptest11=[0.64 1.37    0.71    0.78]';
Ptest12=[0.68  1.31    0.64    1.31]';
Ptest13=[0.91  1.35    0.75    1.59]';
Ptest14=[0.69  1.38    0.68    0.9]';
Ptest21=[3.89  2.01    0.88    20.1]';
Ptest22=[1.65  1.66    0.9     4.48]';
Ptest23=[1.35  1.39    0.95    2.89]';
Ptest31=[8.24  2.23    0.99    2]';
Ptest41=[2.01  1.65    0.94    4.39]';
Ptest51=[0.93  1.33    0.73    1.54]';
Ptest=[Ptest11 Ptest12 Ptest13 Ptest14 Ptest21 Ptest22 Ptest23 Ptest31 Ptest41 Ptest51];result_test = sim(net, Ptest)'
</span>

BP神经网络（检测故障的实例）相关推荐

BP神经网络参数设置及实例
BP网络的训练函数训练方法训练函数梯度下降法 traingd 有动量的梯度下降法 traingdm 自适应lr梯度下降法 traingda 自适应lr动量 ...
（转）用遗传算法优化BP神经网络的Matlab编程实例
此文章首次在simwe公开发表,属于GreenSim团队原创作品,转载请注明! 更多原创程序,请访问GreenSim团队主页http://blog.sina.com.cn/greensim 由于BP网 ...
遗传算法matlab优化实例,用遗传算法优化BP神经网络的Matlab编程实例
此文章首次在simwe公开发表,属于GreenSim团队原创作品,转载请注明! 更多原创程序,请访问GreenSim团队主页http://blog.sina.com.cn/greensim 由于BP网 ...
BP神经网络算法基本原理,bp神经网络实例分析
BP人工神经网络方法 (一)方法原理人工神经网络是由大量的类似人脑神经元的简单处理单元广泛地相互连接而成的复杂的网络系统.理论和实践表明,在信息处理方面,神经网络方法比传统模式识别方法更具有优势. 人 ...
基于GA优化BP神经网络的传感器故障诊断算法matlab仿真
目录一.理论基础二.核心程序三.仿真测试结果一.理论基础 1.做优化要先明白优化的结果是什么? 使得网络参数配置最优,测试集预测误差最小--适应度函数 2.可以通过改变什么来使得网络结果不同? ...
计算机网络安全评估的过程,基于BP 神经网络的计算机网络安全评估
摘要:随着我国经济的快步提升,各个行业都以前所未有的速度高速发展,当然也包括计算机行业.与此同时,计算机网络的安全问题也日益严峻,计算机网络安全评估也成为了网络研究中重要的课题之一.为了是的对计算机网 ...
matlab里BP神经网络实现实例2汽油辛烷值预测
一.引入 1.首先得到数据,比如数据是从exce导入,也可以是现成的.mat文件.60组汽油样品,利用傅里叶近红外变换光谱仪对其进行扫描,扫描范围900~1700nm,扫描间隔2nm,每个样品的光谱曲 ...
基于遗传算法的BP神经网络齿轮箱故障诊断实例
一.BP神经网络概述 BP网络是一类多层的前馈神经网络.它的名字源于在网络训练的过程中,调整网络的权值的算法是误差的反向传播的学习算法,即为BP学习算法.BP算法是 Rumelhart等人在1986年 ...
BP神经网络及拟合实例
BP神经网络基础知识及简单拟合实例 BP神经网络结构前向计算误差反向传播梯度下降法输出层参数调节隐含层参数调节 BP神经网络拟合实例 BP神经网络结构 BP神经网络(Back Propaga ...

BP神经网络（检测故障的实例）

BP神经网络（检测故障的实例）相关推荐

最新文章

热门文章