Professional Documents
Culture Documents
, el trmino
(
),
) => Son las condiciones previas para determinar la variacin del sistema.
Con la variacin del estado (
En la siguiente figura podemos observar el diagrama de bloques de un sistema dinmico:
La red neuronal se entrena con
),
)
Salidas =>
)
Construimos un modelo matemtico utilizando simulink
Programa para determinar una sola variacin:
Realizamos el programa en matlab:
%datos que ingresan a simulink
u=6;
x10=30*pi/180;
x20=-20*pi/180;
%Funcin sim para accder a simulink
sim('antena',0.05);
%calculamos las variaciones
dx1=x1-x10
dx2=x2-x20
ANLSIS DEL PROGRAMA
RESULTADOS
t=10seg
%Entrenamiento del perceptron multicapa
%Inicializamos los vectores de entrada
xv10=[-20:40:200]*pi/180;
xv20=[40:36:90]*pi/180;
uv=[-30:6:30]*pi/180;
%La funcin combvec forma una matriz
%convinando vectores segun el orden que
%se los defina
p=combvec(uv,xv10,xv20);
for i=1:length(p)
%extraemos los valores de u de p
u=p(1,i);
%extraemos los valores de u de x1(t0)
x10=p(2,i);
%extraemos los valores de u de x2(t0)
x20=p(3,i);
%sim funcin para ingresar a simulink
sim('antena',0.05);
%Encontramos la variacin
dx1=x1-x10;
dx2=x2-x20;
%Almacenamos en un vector la variacin
dxv1(i)=dx1;
dxv2(i)=dx2;
end
%Definimos la salida
target=[dxv1;dxv2]
() () Grafico ( , ) los dos en el mismo grafico
-6 -20 5
0 3 2
6 30 -20
20 40 0
En todas las grficas podemos que , empiezan desde los valores iniciales.
0 1 2 3 4 5 6 7 8 9 10
-350
-300
-250
-200
-150
-100
-50
0
50
100
0 1 2 3 4 5 6 7 8 9 10
-100
-50
0
50
100
150
200
250
0 1 2 3 4 5 6 7 8 9 10
-100
-50
0
50
100
150
200
250
300
0 1 2 3 4 5 6 7 8 9 10
0
1000
2000
3000
4000
5000
6000
Se identifican todos los valores de , para t=10seg y poder determinar los valores de cada
parmetro.
, llegan a ser estables despus de cierto tiempo para cada valor inicial dado.
CONCLUSIONES:
Los sistemas no lineales pueden ser identificados mediante una red neuronal obteniendo
un resultado casi exacto con la representacin fsica del sistema.
El sistema obtenido mediante una red neuronal es tan exacto en la medida en que la red
neuronal haya sido entrenada, es decir colocando los parmetros adecuados de goal y
pocas.
Simulink es de gran ayuda para poder apreciar grficamente el resultado de la
identificacin de un sistema no lineal mediante una red neuronal, debido a que nos
permite por ejemplo comparar varios sistemas a la vez.