Actividad no16 2do parcial lema evelyn
Click here to load reader
-
Upload
evelyn-gabriela-lema-vinueza -
Category
Education
-
view
59 -
download
1
description
Transcript of Actividad no16 2do parcial lema evelyn
Página 1
aUNIVERSIDAD DE FUERZAS ARMADAS “ESPE” DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA
ASIGNATURA: CONTROL INTELIGENTE
Actividad 16. Control con red neuronal inversa (2 puntos a nota de parcial)
Fecha: Lunes, 9 de Junio del 2014
Nombre: Evelyn Gabriela Lema Vinueza.
NRC: 2055
Desarrollar un controlador con red neuronal inversa para el sistema de dos tanques y compararlo
con un controlador PID.
1. Simule un control con red neuronal inversa para el sistema de dos tanques
Diagrama en Simulink de un Controlador con Red Neuronal Inversa
Código del Programa: H2iniV=[5:2:25];
ap1V=[0.5:0.1:1];
ap2V=[0.5:0.1:1];
q0V=[20:3:29];
%Combinacion de valores de vectores : combvec
Pm=combvec(H1iniV,ap1V,H2iniV,ap2V, q0V);
dh1V=[]
dh2V=[]
for i=1:length(Pm)
% q0=Pm(5,i);
H1ini=Pm(1,i);
ap1=Pm(2,i);
H2ini=Pm(3,i);
ap2=Pm(4,i);
caudal=Pm(5,i);
sim('two_tank_1',[0 1])
dh1=H1-H1ini;
dh2=H2-H2ini;
dh1V=[dh1V dh1];
dh2V=[dh2V dh2];
mensaje=sprintf('patron no %d de %d',i,length(Pm))
end
Tm=[dh1V;dh2V];
Pm1(1,:)=Pm(1,:);%H1in
Pm1(2,:)=Tm(1,:);%delta H1
Pm1(3,:)=Pm(3,:);%H2in
Pm1(4,:)=Tm(2,:);% delta h2
Pm1(5,:)=Pm(5,:);%q0
Tm1(1,:)=Pm(2,:);%target
Tm1(2,:)=Pm(4,:);%target
% Aproximacion de funciones
P=Pm1;
T=Tm1;
Página 2
Controlador con una Red Neuronal Inversa Gráfica de la Evolución de los Niveles
net = newff(minmax(P),[8 2],{'tansig' 'purelin'});
Y = sim(net,P);
net.trainParam.epochs = 50;
net.trainParam.goal=1e-5;
net = train(net,P,T);
Y = sim(net,P);
close all
figure(1)
subplot(211)
plot(ap1V,'k')
subplot(212)
plot(ap2V,'k')
figure(2)
ap1nn= Y(1,:)
ap2nn=Y(2,:)
subplot(211)
plot(ap1nn)
subplot(212)
plot(ap2nn)
hold off
Gráfica de la Salida de la Red Neuronal
Gráfica de la Salida del Sistema Dinámico
Entrenamiento de la Neurona
Generamos el bloque de entrenamiento: gensim(net,1)
Página 3
2.- Compare su funcionalidad con respecto a un controlador PID
Diagrama en simulink del controlador PID
Controlador con una Red Neuronal Inversa Controlador PID
Gráfica de la Evolución de los Niveles
Gráfica de la Evolución de los Niveles
Página 4
3. Analice cuatro casos de estudio. Analice el comportamiento de las válvulas, tiempos de
respuesta y error de estado estable.
Caso 1:
Controlador con una Red Neuronal Inversa Controlador PID
Caso 2:
Controlador con una Red Neuronal Inversa Controlador PID
Página 5
Caso 3:
Controlador con una Red Neuronal Inversa Controlador PID
Página 6
Caso 4:
Controlador con una Red Neuronal Inversa Controlador PID
Análisis de Resultados:
Mediante la experimentación podemos determinar primero que al diseñar controladores con
redes neuronales es muy importante considerar el tiempo que le lleva a la red calcular sus
salidas, Puesto que una red neuronal actuando como controlador con un tiempo de cálculo muy
grande puede no ser óptimo para el controlador.
De esta forma se puedo obtener mediante los resultados que con el control con red neuronal
inversa se puedo obtener una señal de referencia en un tiempo de establecimiento adecuado al
mismo tiempo que la salida se asemeja a la referencia debido a la dinámica presentada en la
planta en comparación con el controlador PID para el sistema de dos tanques. Donde su
diferencia radica principalmente en el desempeño del controlador.
Por otra parte el comportamiento de las válvulas se puede decir que dependen de los parámetros
modificados en el sistema para apertura y cierre de las mismas obteniéndose un mejor tiempo de
establecimientos en los tanques por medio del controlador con red neuronal inversa.
Página 7
Yo Evelyn Gabriela Lema Vinueza afirmo que esta actividad es de nuestra autoría y
establecemos que para la elaboración de la misma hemos seguido los lineamientos del Código de
Ética de la Universidad de las Fuerzas Armadas ESPE