Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen: El presente trabajo muestra el diseo e implementacin de una herramienta computacional para
identificacin de sistemas dinmicos mediante aplicacin de la tecnologa de las Redes Neuronales Artificiales. El
Neuro-Identificador de Sistemas (NIS), presenta dos componentes principales: un hardware de estmulo y
adquisicin de seales, y una interfaz humano-mquina, que ha sido desarrollada bajo arquitectura PC empleando la
herramienta MATLAB. El NIS permite obtener un modelo aproximado que se ajusta a la dinmica de la planta
real, que posteriormente puede ser evaluado en lazo abierto. El NIS genera automticamente funciones de
transferencia de Primer Orden Ms Tiempo Muerto (P.O.M.T.M.), y funciones de transferencia de segundo orden si
la respuesta del sistema es sub-amortiguada. El sistema ha sido aplicado en la identificacin de modelos bajo
entorno de simulacin y de circuitos elctricos de primer y segundo orden. Los modelos obtenidos satisfacen las
hiptesis, obtenindose un factor de correlacin cuadrtica multivariable de 0.9670 en la estimacin de un sistema
de primer orden.
Palabras clave: Identificacin de Sistemas Dinmicos/ Redes Neuronales Artificiales/ Interfaz Hombre-Mquina.
yt 2 t 0 KA 1 e 1 0.632 y ss 63.2 % y ss (11)
una nica fibra larga que transporta la seal desde el
cuerpo de la clula hacia otras neuronas. El punto de
contacto entre un axn de una clula y una dendrita de
De (7) y (8), finalmente t y se expresan como: otra clula es llamado sinapsis. El arreglo de las neuronas
0 y las fuerzas de las sinapsis individuales estn
t0 t2 (12) determinados por un complejo proceso qumico, que
establece la funcin de la red neuronal.
Este software sirve como Interfaz Grfica de Usuario para circuitos electrnicos de laboratorio.
la parametrizacin de la herramienta NIS; esto es, su 1. Identificacin de Sistemas en Entorno
hardware y el conjunto de ecuaciones a fin de realizar la MATLAB/Simulink
identificacin de sistemas dinmicos segn las fases de
La Figura 8 muestra el diagrama de bloques, con un
modelado neuronal. Un conjunto de mens adicionales
sistema cuya funcin de transferencia ha sido
permiten realizar operaciones sobre archivo, acceder a la
seleccionada arbitrariamente; dicho sistema ha sido
ayuda de la herramienta, y parametrizar el hardware de
identificado mediante obtencin de datos de su entrada y
adquisicin de datos.
salida, mediante el osciloscopio de Simulink. El sistema
se encuentra en un lazo cerrado, y fue excitado con una
III. RESULTADOS Y DISCUSIN
seal aleatoria. Esta prueba ha permitido validar el
Para validar el correcto funcionamiento de la herramienta funcionamiento de los mdulos software que conforman a
diseada y evaluar su desempeo general, se identificaron la herramienta NIS.
sistemas bajo el entorno Simulink, y se identificaron
6
0.4
4
0.2
2
0
0
-0.2
-2
-0.4
-4
-0.6
-6
-8 -0.8
-10 -1
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
Figura 9. Entrada muestreada de la planta modelo Figura 11. Respuesta de la red neuronal y del sistema ante
Simulink. la misma entrada aleatoria.
6
4
Neural Network Output
4 3.5 Plant Output
3
2
2.5
0
2
-2
1.5
-4 1
0.5
-6
0 10 20 30 40 50 60 70 80 90 100
0
0 10 20 30 40 50 60 70 80 90 100
Figura 10. Salida muestreada de la planta modelo
Simulink. Figura 12. Respuesta de la red neuronal y del sistema ante
entrada escaln.
0.25 0.25
Plant Input Plant Output
0.2
0.2
0.15
0.15
0.1
0.05 0.1
0
0.05
-0.05
0
-0.1
-0.15 -0.05
-0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 -0.1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Figura 16. Entrada muestreada del circuito de primer
orden. Figura 17. Salida muestreada del circuito de primer
orden.
ms rpidamente.
0.4
La Figura 18 muestra una entrada de excitacin aleatoria,
mientras que la Figura 19 muestra el grfico de validacin
0.2
del modelo de red neuronal, donde se somete a la misma
seal aleatoria, tanto a la planta como a la red neuronal Real Plant Output
0
artificial previamente entrenada, en condicin de lazo Aprox. Plant Output
abierto.
-0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
3
Las Figuras 21 y 22 muestran respectivamente, la funcin
2 de transferencia aproximada por el Neuro-Identificador y
la salida real del circuito de primer orden.
1
-1
-2
-3
-4
-5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Figura 18. Entrada de validacin para el modelo obtenido. Figura 21. Funcin de transferencia aproximada por el NIS
caso circuito de primer orden.
4
Aprox. Plant Output 0.6
Real Plant Output Real Plant Output
3
Aprox. Plant Output
0.4
Input
2
0.2
1
0
0
-0.2
-1
-2 -0.4
-3 -0.6
-4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 -0.8
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Figura 19. Respuesta de la red neuronal y del circuito ante Figura 22. Salida del circuito de primer orden y salida de la
la misma entrada aleatoria. planta aproximada por el NIS.
La Figura 20 muestra la respuesta de la planta y de la red Cuantitativamente, el grado de confiabilidad del modelo
neuronal en lazo abierto, ante una entrada escaln. se ha evaluado mediante un factor de correlacin
cuadrtica multivariable. En probabilidad y estadstica, la
correlacin indica la fuerza y la direccin de una relacin