Materiały pomocnicze do przedmiotu Wspomaganie decyzji i metody sztucznej inteligencji – ćwiczenie 05

Politechnika Łódzka, Instytut Automatyki

1

Ć

wiczenie 5.

Zadanie: Korzystając z pakietu Matlab/Simulink należy stworzyć adaptacyjny układ sterowania

obiektem o równaniach (1). Do wyznaczenia sterowania wykorzystywany będzie neuronowy model odwrotny o

strukturze przedstawionej na rysunku poniżej. Wstępne uczenie modelu powinno odbyć się w trybie off-line. Na

wszystkie zmiany parametrów obiektu układ regulacji powinien reagować uaktualnienie modelu w trybie on-

line.

( )

1

2

1

2

2

1

sin

*

4

x

y

u

x

x

x

x

x

=

+

−

−

=

=

&

&

Rys. Struktura neuronowego modelu odwrotnego.

Zadanie zostanie podzielone na trzy etapy: (1) zbieranie danych do uczenia, (2) uczenie w trybie off-line, (3)

sprawdzenie poprawności działania układu adaptacyjnego.

i-ty neuron

x

j

w

ij

s

i

f

i

w

i

y

b

i

b

Materiały pomocnicze do przedmiotu Wspomaganie decyzji i metody sztucznej inteligencji – ćwiczenie 05

Politechnika Łódzka, Instytut Automatyki

2

(1) Zbieranie danych do uczenia

(2) Uczenie w trybie off-line

clc
wej=[yn yn1 yn2];
cel=[u];
net=newff(minmax(wej'),[4 1],{

'tansig'

'purelin'

});

net.trainParam.epochs=500;
net_ucz=train(net,wej',cel');
odp=sim(net_ucz,wej');
plot(u,

'r'

);

hold

on

;

plot(odp,

'g'

);

hold

off

;

Materiały pomocnicze do przedmiotu Wspomaganie decyzji i metody sztucznej inteligencji – ćwiczenie 05

Politechnika Łódzka, Instytut Automatyki

3

(3) Układ regulacji z uczeniem sieci neuronowej w trybie on-line

Wartość zadana i odpowiedź obiektu dla (a) obiektu oryginalnego, i obiektu ze wzmocnieniem o pięciokrotnie

mniejszej wartości na początku i na końcu procesu dostrajania modelu odwrotnego w trybie on-line.

Materiały pomocnicze do przedmiotu Wspomaganie decyzji i metody sztucznej inteligencji – ćwiczenie 05

Politechnika Łódzka, Instytut Automatyki

4

Wagi trzeciego neuronu warstwy wejściowej.

Zmodyfikować układ, poprzez wprowadzenie składnika momentum

do algorytmu uczenia sieci.