REDES NEURONALES ARTIFICIALES

SISTEMAS INTELIGENTES – ITM

DOCENTE: Alejandro Cardona Mesa
TRABAJO 10%

1. IDENTIFICACIÓN DE SISTEMAS CON REDES NEURONALES ARTIFICIALES.

Aplicando una señal aleatoria (Amplitud: 3, Frecuencia: 1Hz) a la Función de Transferencia de primer
orden, obtenga una Red Neuronal entrenada para la identificación del sistema.

A continuación, se presenta un ejemplo de la señal aleatoria de entrada y la respuesta de salida del

sistema.

Utilice el siguiente código para realizar el entrenamiento de la Red. Modifique la cantidad de neuronas
en la capa oculta hasta obtener el mejor resultado posible de entrenamiento.

% Generar datos
% Se realiza la adquisición de los datos con un tiempo de muestreo de 0.1s
% Se utiliza la entrada y salida retrasada para entrenar la red
% tm=0.1seg en el Transport Delay
red = newff([-2 2;-2 2;-1 1],[co cs],{'tansig','purelin','trainlm'})
% co: neuronas capa oculta, cs: neuronas capa salida
% Vector entradas
p=[u';u1';y1'];
% Ajuste parametros de la red
red.trainParam.show = 50;
red.trainParam.goal = 0.0000001;
red.trainParam.epochs =500;
% Entrenamiento de la red
red = train(red,p,y');
% Simular salida de la red entrenada
yred = sim(red,p);
% Graficar salida de la red vs salida deseada
figure(1)
subplot(211)
plot(yred), grid on
title('Salida red')
subplot(212)
plot(y','red'), grid on
title('Salida deseada')
% Generar el bloque con el modelo entrenado
gensim(red);

Use las gráficas para comparar las señales de salida deseada respecto a la salida de la Red entrenada.

Salida deseada
0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 20 40 60 80 100 120

Salida Red
0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 20 40 60 80 100 120

Implemente un diagrama en SIMULINK que permita evidenciar el correcto aprendizaje de la Red

Neuronal para la identificación del sistema de primer orden ante una entrada escalón unitario, tenga
presente las señales de entrada a la Red para su buen funcionamiento.
Presente en una misma gráfica, las señales de entrada al sistema (escalón magnitud 1), salida del
sistema (función de transferencia) y salida identificada por la red.
A continuación se muestra un ejemplo de la salida resultante:
Realice el mismo procedimiento para obtener la identificación por Redes Neuronales del siguiente
sistema:

𝟎. 𝟎𝟏𝟏
𝑮𝒑(𝒔) =
𝒔+𝟏

𝟐
𝑮𝒑(𝒔) =
𝒔𝟐 + 𝟎. 𝟐𝒔 + 𝟎. 𝟒

𝟏𝟎
𝑮𝒑(𝒔) =
𝟓𝒔𝟒 + 𝟑𝟑. 𝟓𝒔𝟑 + 𝟕𝟏. 𝟓𝟓𝒔𝟐 + 𝟓𝟎. 𝟓𝒔 + 𝟕. 𝟓

2. CONTROL INTELIGENTE CON REDES NEURONALES ARTIFICIALES.

Implemente controladores neuronales para cada una de las tres plantas identificadas (utilice el tutorial
del TOOLBOX como guía).