Нейронные сети и нейроконтроллеры. Бураков М.В. - 102 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

102
Перепишем уравнения системы в форме
11( ) ( ( ), ( )) ( ).yk fyk yk uk+= - +
Тогда задачу идентификации можно представить в виде, приве-
денном на рис. 4.7, где нейронная сеть реализует оператор f.
Опишем входной сигнал (система устойчива при u ∈ [–2, 2]):
>> u=rands(1, 301)*2;
Реакция системы на входной сигнал:
>> for k=2 : 301
y(k + 1)=y(k)*(y(k–1) + 2)*(y(k) + 3)/(8 + y(k)^2 + y(k–1)^2) + u(k);
out(k–1)=(y(k + 1)–u(k))/20;
in(k–1)=y(k)/20;
end;
Последние две команды цикла нормируют входы и выходы
ИНС. Затем создадим ИНС ПР с двумя входами и одним выходом:
>> net = newff([min(in) max(in); min(in) max(in)],[2 10 1],{'tansig'
'tansig' 'tansig'},'trainlm','learngdm','mse');
Сформируем обучающие данные:
>> plantin=[in(1:299); in(2:300)];
>> plantout=out(1:299);
и обучим нейронную сеть:
>> net.trainParam.epochs = 500;
>> net.trainParam.goal = 0.0005;
>> net=train(net,plantin,plantout);
Рис. 4.7. Идентификация нелинейного объекта
z
–1
∑
Объект
y(k
+ 1)
Нейронная
сеть
y(k
– 1)
y(k
+ 1)
y(k)
z
–1
u(k)

Страницы