Materiały pomocnicze do przedmiotu Wspomaganie decyzji i metody sztucznej inteligencji – ćwiczenie 02

Ćwiczenie 2.

Zadanie: Należy zbudować neuronowy model nieliniowego obiektu dynamicznego o wejściu u i wyjściu y, określonego równaniami: x& = x

1

2

x& = −4 * sin x − x + u

2

( 1) 2

y = x 1

Rozwiązanie: Zadanie zostało podzielone na trzy etapy: (1) Zebranie danych do uczenia sieci neuronowej, (2) Określenie struktury i uczenie sieci, (3) Sprawdzenie poprawności działania stworzonego modelu neuronowego.

(1) Zbudować obiekt w Simulinku,i uruchomić symulację. Dane do uczenia sieci powinny być widoczne w przestrzeni roboczej.

Politechnika Łódzka, Instytut Automatyki 1

Materiały pomocnicze do przedmiotu Wspomaganie decyzji i metody sztucznej inteligencji – ćwiczenie 02

Politechnika Łódzka, Instytut Automatyki 2

Materiały pomocnicze do przedmiotu Wspomaganie decyzji i metody sztucznej inteligencji – ćwiczenie 02

0.9

0.35

0.8

0.3

0.7

0.25

0.6

0.2

0.5

0.15

)

)

(t

(t

u

0.4

y

0.1

0.3

0.05

0.2

0

0.1

-0.05

0

-0.1

0

10

20

30

40

50

60

70

80

90

100

0

10

20

30

40

50

60

70

80

90

100

czas

czas

(2) Stworzyć dwuwarstwową sieć neuronową i przeprowadzić proces uczenia

% dane do uczenia sieci

we=[u yn1 yn2];

cel=yn;

% konstruowanie i uczenie sieci

siec=newff([minmax(we')],[5,1],{'tansig','purelin'}); siec.trainParam.epochs=1000;

siec_nauczona=train(siec,we',cel');

%odp_sieci=sim(siec_nauczona,we');

Performance is 2.02243e-010, Goal is 0

0

10

-2

10

-4

10

elu

g-

B

in

-6

in

10

ra

T

-8

10

-10

10

0

100

200

300

400

500

600

700

800

900

1000

1000 Epochs

Politechnika Łódzka, Instytut Automatyki 3

Materiały pomocnicze do przedmiotu Wspomaganie decyzji i metody sztucznej inteligencji – ćwiczenie 02

3. Zbudować układ do porównania przebiegów czasowych obiektu i modelu neuronowego.

Politechnika Łódzka, Instytut Automatyki 4

Materiały pomocnicze do przedmiotu Wspomaganie decyzji i metody sztucznej inteligencji – ćwiczenie 02

W ramach ćwiczenia należy sprawdzić jak wyniki modelowania neuronowego zależą od (1) czasu próbkowania i

(2) struktury sieci.

Politechnika Łódzka, Instytut Automatyki 5