Решение задач оптимального управления с использованием математической системы MATLAB и пакета имитационного моделирования SIMULINK. Сивохин А.В - 197 стр.

  8. Minimum Plant Output – максимальное значение выходного сигнала,
задаваемое при включённом переключателе Limit Output Data;
  9. Simulink Plant Model – для задания модели управляемого процесса,
реализованной с помощью блоков Simulink, имеющей порты входа и выхода и
сохранённой в файле *.mdl; выбор модели производится с помощью кнопки
Browse; имя модели отображается в специальном окне.
  Параметры обучения задаются следующим образом:
  1. Training Epochs – количество циклов обучения;
  2. Training Function – для задания обучающей функции;
  3. Use Current Weights – переключатель для использования текущих весов
нейронной сети;
  4. Use Validation Data – переключатель для использования контрольного
множества в объёме 25% от обучающего множества;
  5. Use Testing Data – переключатель для использования тестового множества в
объёме 25% от обучающего множества.
  Для идентификации управляемого процесса необходимо выполнить следующие
действия:
  1. Задать архитектуру нейронной сети, которая будет моделью управляемого
процесса.
  2. Задать параметры обучения.
  3. Выбрать модель Simulink для управляемого процесса.
  4. Сгенерировать обучающую последовательность заданного объёма, запустив
модель Simulink с помощью кнопки Generate Training Data. Генерация обучающей
последовательности производится с помощью воздействия ряда ступенчатых
сигналов на модель управляемого процесса и снятия значений на входе и выходе
модели через каждый шаг квантования. Графики входного и выходного сигнала
отображаются в окне Plant Input-Output Data.
  5. По завершении генерации обучающей последовательности необходимо либо
принять эти данные, нажав на кнопку Accept Data, и тогда они будут
использованы для обучения нейронной сети, либо отвергнуть их, нажав кнопку
Reject Data, и повторить процесс идентификации управляемого процесса,
представленного моделью Simulink.
  6. После получения обучающей последовательности необходимо установить
требуемые параметры обучения и с помощью кнопки Train Network запустить
процесс обучения нейронной сети.
  7. После завершения обучения его результаты отображаются на графиках
изменения ошибки сети для обучающей, контрольной и тестирующей
последовательностей, а также в окне выходных значений модели и сети при
подаче на вход указанных последовательностей.
  8. Если результаты обучения приемлемы, то надо сохранить параметры
нейросетевой модели управляемого процесса и приступить к синтезу регулятора
того        или        иного       класса,      нажав      кнопки       Apply
и Ok.

                                     197