EI论文故障识别程序:DBN深度置信/信念网络的故障识别Matlab程序,数据由Excel导入,直接运行!

news2024/11/15 13:35:18

​适用平台:Matlab2021b版及以上

本程序参考中文EI期刊《基于变分模态分解和改进灰狼算法优化深度置信网络的自动转换开关故障识别》中的深度置信网络(Deep Belief Network,DBN)部分进行故障识别,程序注释清晰,干货满满,下面对文章和程序做简要介绍。

这篇文献使用深度置信网络(DBN)来进行自动转换开关故障识别。DBN的训练过程分为预训练和反向微调两个阶段。预训练阶段中,通过RBMs的逐层预训练,数据从底层输入并逐层传递。每个RBM包含一个视觉层和一个隐藏层,并通过权重连接。在反向微调阶段,采用梯度下降算法对DBN进行有监督的训练,减小每层的预测误差。在RBMs中,使用对比度发散算法近似获得模型的无偏生成概率。通过合适的设置学习率和动量系数,优化DBN算法的网络结构参数,最终实现DBN在自动转换开关故障识别中的应用。

DBN结合电力系统故障识别的创新点主要体现在其对复杂、非线性系统进行建模和特征提取方面。以下是DBN在电力系统故障识别方面的创新点的详细介绍:

分层学习结构:DBN采用了分层学习的结构,包含输入层、隐含层(多个)和输出层。每一层的节点都与下一层的节点相连接,形成一个前馈的结构。这种结构使得DBN能够逐层学习数据的抽象表示,有助于捕捉电力系统数据中的复杂特征和模式。

非监督学习和有监督学习相结合:DBN的训练过程包含两个阶段:首先是无监督的贪婪逐层预训练,然后是有监督的调整网络参数。通过无监督学习,DBN可以从数据中提取高层次的特征表示,然后通过有监督学习来调整这些特征表示以完成具体任务,如故障识别。

适应性特征提取:DBN通过多层次的特征提取,能够适应复杂的电力系统数据模式。这些特征对于故障识别任务而言更具有表征能力,使得系统可以更好地区分正常运行和故障状态。

对抗性训练和鲁棒性:DBN在训练中引入对抗性训练的思想,通过使网络在面对不同情况时更具鲁棒性。这对于电力系统,面对可能的噪声和干扰,以及未知的故障模式,都具有重要的意义。

大数据处理能力:DBN在处理大规模数据方面表现出色,而电力系统通常会产生大量的实时数据。DBN的能力使其能够有效地处理这些数据,并从中提取对于故障识别有关键意义的信息。

潜在变量的建模:DBN通过潜在变量的建模,能够更好地理解电力系统中的隐含关系。这些潜在变量可以捕获系统中的复杂动态和非线性关系,从而提高故障识别的准确性。

总结:DBN在电力系统故障识别中的创新点主要体现在其深度学习结构、分层特征提取、对抗性训练等方面,使其能够更好地应对电力系统数据的复杂性和多变性。

适用于各种数据分类场景,如滚动轴承故障、变压器油气故障、电力系统输电线路故障、绝缘子、配网、电能质量扰动,等领域的识别、诊断和分类。

以下是程序的输出:

测试集的混淆矩阵:(右下角为最终准确率,精确率是混淆矩阵的最下面一行,召回率是混淆矩阵的最右边一列)

精确率:是指在所有被模型预测为正类别的样本中,有多少是真正的正类别。

召回率:是指在所有实际正类别的样本中,有多少被模型正确地预测为正类别。

训练集的实际故障类别和模型识别的故障类别:

模型的训练曲线:

数据格式:一行为一个故障波形样本,最后一列为该样本所属的故障类别。

DBN建模部分代码:

%% 建立DBN
dbn.sizes = [10 5];                   % DBN各层神经元个数 第二层10 第三层5
opts.numepochs = 300;                 % RBM 训练时 迭代次数
opts.batchsize = 30;                  % 每批次使用30个样本进行训练
opts.momentum  =  0;                  % 学习率的动量
opts.alpha     =  0.01;               % 学习率因子
dbn = dbnsetup(dbn, p_train, opts);   % 建立DBN模型
dbn = dbntrain(dbn, p_train, opts);   % 训练DBN模型

%% DBN移植到深层NN
nn = dbnunfoldtonn(dbn, 8);              % 反向微调(8代表有8种输出)
nn.activation_function = 'sigm';         % 激活函数

%% 反向调整DBN
opts.numepochs = 500;                    % 反向微调次数
opts.alpha     = 0.001;                  % 学习率因子
opts.batchsize = 30;                     % 反向微调每次样本数
opts.output = 'softmax';                 % 激活函数
nn = nntrain(nn, p_train, t_train, opts);% 训练

%% 预测 
T_sim1 = nnpredict(nn, p_train); 
T_sim2 = nnpredict(nn, p_test);

%% 完整代码:https://mbd.pub/o/bread/ZZeTlpZw

部分图片来源于网络,侵权联系删除!

欢迎感兴趣的小伙伴关注我们的公众号,或点击上方链接获得完整版代码哦~,关注小编会继续推送更有质量的学习资料、文章程序代码~

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1243340.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

OpenStack云计算平台-Networking 服务

目录 一、网络服务概览 二、网络(neutron)概念 三、安装并配置控制节点 1、先决条件 2、配置网络选项(公共网络) (1)安装组件 (2)配置服务组件 (3)配…

Notepad-- ubuntu下载安装

Notepad-- ubuntu下载安装 下载 Gitee链接: https://gitee.com/cxasm/notepad– 安装 sudo apt install *.deb运行 /opt/apps/com.hmja.notepad/files/Notepad--出错 需要安装qt5 sudo apt-get install qt5-default

【UE】用样条线实现测距功能(下)

目录 效果 步骤 一、实现多次测距功能 二、通过控件蓝图来进行测距 在上一篇(【UE】用样条线实现测距功能(上))文章基础上继续实现多次测距和清除功能。 效果 步骤 一、实现多次测距功能 打开蓝图“BP_Spline”&#xff0c…

UML建模图文详解教程05——包图

版权声明 本文原创作者:谷哥的小弟作者博客地址:http://blog.csdn.net/lfdfhl本文参考资料:《UML面向对象分析、建模与设计(第2版)》吕云翔,赵天宇 著 包图概述 包图(package diagram)是用来描述模型中的…

DAOS低时延与高性能RDMA网络

什么是RDMA RDMA(Remote Direct Memory Access)远程直接内存访问是一种技术,它使两台联网的计算机能够在主内存中交换数据,而无需依赖任何一台计算机的处理器、缓存或操作系统。与基于本地的直接内存访问 ( DMA ) 一样&#xff0c…

抖音本地生活服务商申请怎么做?无保证金的申请方法来了

想做抖音的本地生活服务项目,却不知道去哪里申请,或者如何申请,其实,官方的通道在今年上半年还是有的,自己去平台上提交资料申请就可以了,但需要缴纳高额的保证金。 而在今年下半年,平台已经关…

SPS简单对应分析

前言: 本专栏参考教材为《SPSS22.0从入门到精通》,由于软件版本原因,部分内容有所改变,为适应软件版本的变化,特此创作此专栏便于大家学习。本专栏使用软件为:SPSS25.0 本专栏所有的数据文件请点击此链接下…

【算法】经典算法题

文章目录 专题一:双指针1. 移动零2. 复写零3. 快乐数4. 盛最多水的容器5. 有效三角形的个数6. 查找总价格为目标值的两个商品7. 三数之和8. 四数之和 专题二:滑动窗口1. 长度最小的子数组2. 无重复字符的最长字串3. 最大连续1的个数 III4. 将 x 减到 0 的…

【尚跑】2023泾阳半程马拉松144 PB完赛

1、赛事背景 来到泾阳,就来到了中国大地原点; 来到泾阳,就来到了陕西的“白菜心心”; 来到泾阳,就来到了具有2000多年的历史长河; 泾河水缓缓流,流过郑国渠; 泾河水缓缓流&…

线程提交线程到线程池,有几种方式,哪一种方式是工作中不能使用的,无法捕捉异常,线程池的拒绝策略,线程池的提交方式

线程池的工作原理 JDK中提交线程到线程池,有几种方式,哪一种方式是工作中不能使用的,无法捕捉异常 两种提交任务的方法 ExecutorService 提供了两种提交任务的方法: execute():提交不需要返回值的任务 submit()&a…

gRPC之gRPC负载均衡(客户端负载均衡)(etcd)

1、gRPC负载均衡(客户端负载均衡)(etcd) 本篇将基于etcd的服务发现前提下,介绍如何实现gRPC客户端负载均衡。 1.1 gRPC负载均衡 gRPC官方文档提供了关于gRPC负载均衡方案Load Balancing in gRPC https://github.com/grpc/grpc/blob/master/doc/load-balancing.m…

二十一、文档操作

目录 一、添加文档 1、编写代码 2、运行并查看 二、查询文档 1、编写代码 2、运行并查看 三、删除文档 1、编写代码 2、运行并查看 四、修改文档 方式一:全量修改,会删除旧文档,添加新文档 方式二:局部修改。增量修改&…

TCP /UDP协议的 socket 调用的过程

在传输层有两个主流的协议 TCP 和 UDP,socket 程序设计也是主要操作这两个协议。这两个协议的区别是什么呢?通常的答案是下面这样的。 TCP 是面向连接的,UDP 是面向无连接的。TCP 提供可靠交付,无差错、不丢失、不重复、并且按序…

mybatis 语法使用各种踩坑(持续更新中。。。)

1、大小写命名:这个别说了,都是泪。 2、联表查询查询,多条合成一条,不生效的原因 博主各种检查关联关系和字段大小写,本来是4条数据最后合成一条数据,死活给你直接返回了4条数据,而且每个类似p…

实现二叉搜索树的查找、插入和删除功能(思路+图文+代码详解)

文章目录 二叉搜索树一、搜索树1.二叉搜索树的查找2.二叉搜索树的插入3.二叉搜索树的删除4.性能分析 二叉搜索树 HashMap和HashSet的底层是一个哈希表 TreeMap 和TreeSet底层是一棵搜索树(红黑树) 涉及到一些搜索查找的场景可以调用Map和Set接口 一、…

SPSS多元对应分析

前言: 本专栏参考教材为《SPSS22.0从入门到精通》,由于软件版本原因,部分内容有所改变,为适应软件版本的变化,特此创作此专栏便于大家学习。本专栏使用软件为:SPSS25.0 本专栏所有的数据文件请点击此链接下…

IDEA、PHPSTORM 在命令行中进行 PHP debug

然在终端执行控制器的方法php yii test/ab 即可看到触发debug 调试

管理类联考——英语二——备考 100 句涵盖所有词汇

全中 在海里的这个地区,熊猫们喜欢就着苏打碗豆喝茶。而大洋州的民兵则喜欢经过半岛,带着编剧本的公式上餐厅去。附件的电影院里有额外的歌剧和香蕉,这一时代的斑马们被外面的天线所吸引。实验室里的蟹想用它的肋骨去戳四肢象灯炮的小羊。但…

虚拟机VMware上安装Ubuntu系统(详细图文教程)

关于虚拟机VMware的安装教程,学者看我另外一篇博客:VMware详细安装教程 目录 一、Ubuntn系统准备二、VMware上安装Ubuntn系统2.1 答疑 三、导入Ubuntu系统四、总结 一、Ubuntn系统准备 先下载好Ubuntn系统,这里我提供一个,下载链…