neuro_lab5
.pdfГрафик ошибки обучения:
3 архитектура:
11
График ошибки обучения:
4 архитектура:
12
График ошибки обучения:
5 архитектура:
13
График ошибки обучения:
По нему видим, что данная архитектура показывает наилучший результат.
Сопоставим результаты спрогнозированного регулятором выхода и исходного значения выхода:
На обучающей выборке:
14
На контрольной выборке:
Видим, что НС-Р аппроксимирует выход достаточно точно.
4. Моделирование САУ с нейросетевым регулятором, обученным вне контура.
Структурная схема аналогична п.1 за исключением наличия нейросетевого регулятора вместо линейного:
15
Архитектура используемого нейросетевого регулятора:
Графики выходного и входного значений, а так же значения ошибки:
16
Другие элементы схемы:
Результат моделирования:
17
Значение перерегулирования – порядка 2 %.
По графикам можем видеть, что нейросетевой регулятор показывает меньшее значение перерегулирования, чем линейный ПИД-регулятор.
18
Результаты моделирования:
СКО ≈ 0,437
5. Обучение нейросетевой модели объекта вне контура.
Вид структурной схемы НС-О:
Задействуем созданные в п.2 выборки для обучения НС-О. 1 архитектура:
19
Графики ошибки обучения:
2 архитектура:
20