RBF.rar_RBF 图像_故障函数_故障识别系统_非线性线性化

% RBF.m %利用RBF神经网络进行变压器故障诊断 p1 = xlsread('train', 'A1 : E17')'; p2 = xlsread('test', 'A1 : E8')'; t1 = xlsread('train', 'I1 : I17')'; t2 = xlsread('test', 'I1 : I8')'; [P1, ps] = mapminmax(p1); eg = 0.02; %期望均方误差 sc = 1; %散布常数,散布常数越大，函数越平缓。一般为1或1.5就可以了 % mn = 50; %神经元的最大数目，默认为输入向量的组数 % df = 1; %两次显示之间所添加的神经元数目，默认为25 net = newrb(P1, t1, eg, sc);% mn, df); %若有需要可把这两个参数带上 % 数据归一化 P2 = mapminmax('apply', p2, ps); y = sim(net, P2); y = round(y); plot((1 : 8), t2, 'r--+', (1 : 8), y, 'b-o') xlabel('测试样本(Testing Vectors)'); ylabel('变压器故障类型'); title('RBF网络'); legend('目标输出', '实际输出');