Identificación de sistemas por medio de redes neuronales

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
FACULTAD TECNOLÓGICA
SISTEMAS INTELIGENTES
ING. GIOVANNY BERMUDEZ
JORGE ARMANDO CABRERA LOZADA Cód. 20091283006
JULIO CESAR VALBUENA Cód. 20092283014
PROYECTO DOS.
“Identificación de una Sistema”

1. Introducción:

Las redes neuronales artificiales tienen una propiedad básica de aproximar una función con una precisión indefinida quepermite realizar procesos de identificación de un sistema a partir de datos experimentales de entrada y salida. El reto planteado es identificar la planta del tanque que fue controlada mediante un controlador difuso y que se encuentra en el aula virtual con el nombre “thetank.mld” usando una red neuronal implementada mediante el uso de Matlab®.
2. Ejercicio Uno:
El control de un tanque de agua quecuenta con tuberías de carga y descarga de agua. La velocidad de fluido de entrada es variado por una válvula de control (Figura 1.). La velocidad de flujo de salida es dependiente de la cantidad de agua en el tanque, a más agua en el tanque el caudal de salida será mayor y más lento cuando hay menos agua en el tanque. El objetivo del sistema de control es establecer y ajustar el cambio de laválvula de entrada de manera que el caudal de entrada sea compensado por el flujo de salida:
A continuación se presenta el modelo o planta a controlar se trata de un tanque de llenado donde se pretende controlador de llenado y el vaciado del mismo por redes neuronales RNA.

3. Solución:
Para la generación de patrones de entrenamiento, se usan las combinaciones de valores de las variables deestado/entradas que abarquen el rango completo de funcionamiento del sistema.
En primer lugar se debe definir las constantes que están el modelo matemático esto se realiza con las siguientes líneas de código:
%parametros del sistema
clc
close all
w=3.5e-2;
b=34.5e-2;
a=10e-2;
c=10e-2;
H2max=35e-2;
Alfa1=0.29;
Alfa2=0.2256;
%variables de entrada
q=0.75e-4;
H20=0.001;
H10=0.001;
u2=0.7;u3=0.65;

Cada grupo tiene la responsabilidad de representar los sistemas con diferentes caudales.

Ecuación 1: Modelo Matemático

El siguiente paso es realizar todas las combinaciones posibles de las variables de entrada del sistema dinámico de tanques acoplados. Dado que estas se encuentran en los siguientes intervalos y se muestra el respectivo código.

Figura 2: Simulación entradade paso a la salida del sistema antes de la RNA..
%%generacion de los patrones de entrenamiento
clc
close all
EH1 = [0.001:3e-2:25e-2];
EH2 = [0.001:3e-2:25e-2];
EU2 = [0.7:0.08:1];
EU3 = [0.7:0.08:1];
Pm = [combvec(EH1,EH2,EU2,EU3)]
3.1 Bloques de Simulink
Los objetivos (targets) para el entrenamiento de la red neuronal FF se obtienen mediante el cálculo del estado siguiente (después deun tiempo de muestreo) en el modelo matemático del sistema dinámico. Para ello es necesaria la representación del modelo matemático en forma de diagrama de bloques de simulink, dicho modelo ha sido extraído de las herramientas dadas por la misma planta de control de nivel.
El tanque puede ser representado en matlab® y modelado mediante el uso de simulink como se muestra en la figura:
Figura 3:Diagrama de bloques principal del sistema de tanques.
Seguido a este proceso se muestran se muestran los diagramas internos de cada uno de los bloques que significan la representación del funcionamiento de cada tanque:

Figura 4: Diagrama de bloque interno para el control del tanque 1

Luego de obtener los datos de la simulación de simulink, estos son llevados al workspace para serprocesados y ser tomados por la red neuronal para su entrenamiento. Del proceso de entrenamiento de la red con 20 neuronas en la capa intermedia se obtiene:

Figura 5.1: Proceso de entrenamiento de la red neuronal.


Figura 5.2: Proceso de entrenamiento de la red neuronal.

Luego del entrenamiento se genera la red neurona ya entrenada, para nuestro caso usamos El montaje en “paralelo” de la...