Нейронные сети и нейроконтроллеры. Бураков М.В. - 103 стр.

UptoLike

Составители:

Рубрика:

103

Далее выполним проверку обученной нейронной сети, подав по-

следовательно два синусоидальных сигнала:

>> yp(1)=0.0; yp(2)=0.0;out1(1)=0; out1(2)=0;

>> for k=2:500

if (k<=200)u(k)=2.0*cos(2*pi*k*0.01);

else

u(k)=1.2*sin(2*pi*k*0.05);

end;

yp(k + 1)=yp(k)*(yp(k–1) + 2)*(yp(k) + 2.5)/(8.5 + yp(k)^2 + yp(k–

1)^2) + u(k);

out1(k)=yp(k)/20;

out1(k–1)=yp(k–1)/20;

nnout(k + 1)=20*sim(net,[out1(k);out1(k–1)]) + u(k);

end;

>> plot(yp, 'b');

>> hold on;

>> plot(nnout, ':k');

>> grid;

>> axis([0, 500, –4.0, 10.0]);

На рис. 4.8 приведены графики выхода объекта (сплошная ли-

ния) и идентификационной модели (пунктир).

Рис. 4.8. Проверка качества идентификации

0 50 100 150 200 250 300 350 400 450 500

-4

-2

Time Step

Plant (solid) NN Output (dotted)