شبکھ ھاى عصبی در کنترل

(1)

لرتنک رد یبصع یاه هکبش

دابآ فجن هاگشناد

سرد : کیتنربیاس یاضف رد دنمشوه لرتنک

سردم : نایدومحم دیمح

نورن یضایر لدم

وربور تروص هب هداس نورن کی یضایر لدم تسا :P یدورو تیمک رادقم

:b سایاب رادقم (

د ییاهن عبات ادبم زا ضرع

ر رییغت شزومآ لوط رد لاومعم .یطخ تلاح دنکیم )

:W نورن نزو (

رد هک نورن رادقم نیرتمهم

دنکیم رییغت شزومآ لوط )

:f یجورخ عبات (

یطخ ریغ ای یطخ )

:a یجورخ رادقم

نورن شزومآ :

رد اه نزو و سایاب رادقم رییغت

نورن یجورخ هک یوحن هب شزومآ تدم لوط رب دناوتب و هدیدرگ کیدزن بولطم رادقم هب یا.دریگب تسرد تامیمصت دیدج یدورو ریداقم

(2)

یجورخ عباوت (f)

• ن رد یجورخ عبات یارب یعونتم عباوت رظ

تسا هدش هتفرگ .

• بلتم تاروتسد ،هدش هتشون تاروتسد

دنشابیم .

• تروص هب شزومآ یاه شور رد لاومعم

Back propagation هدافتسا یعباوت زا

لثم دنریذپ قتشم هک دوشیم tangant

ای

logarithm

یدورو دنچ اب نورن

• یدورو کی یاج هب دناوتیم نورن کی

دشاب هتشاد یدورو رادرب کی رلاکسا .

رد

رد یرادرب تروص هب اه نزو تروص نیا دننیبیم شزومآ و هدش هتفرگ رظن .

(3)

یجورخ دنچاب هیلا کت هکبش s- (

نورن )

• دنچ یاراد رظن دروم لدم تسا نکمم

دشاب یجورخ .

• رانک رد نورن ره یاه یجورخ تروصنیارد

دننکیم صخشم ار یجورخ رادرب کی مه .

• و سیرتام هب لیدبت نزو رادرب لاح نیا رد

نز .دوشیم

𝑊 =

𝑤_1,1 … 𝑤_1,𝑅

⋮ ⋮ ⋮ 𝑤_𝑠,1 … 𝑤_𝑠,𝑅

یجورخ دنچ و یدورو دنچ و هیلا دنچ اب هکبش

• بصع یاه هکبش ییاناوت شیازفا یارب و ی ژولویب یاه دنیارف هب رتشیب تهابش رد یکی

نکمم هکبش یاه هیلا دادعت ،ناسنا زغم یچیپ ثعاب لامع هک دبای شرتسگ تسا یگد .دش دهاوخ زین هکبش رتشیب

• هکبش نیا رد هک تسا صخشم لاماک

یددعتم ینزو یاهسیرتام (

یاهسیرتام )W

دنیارف رد تسا مزلا هک تشاد میهاوخ اه سایاب بیارض هارمه هب ،شزومآ b (

اه )

دندرگ نییعت .

(4)

هیلا دنچ هکبش کی طباور

• یلا دنچ اب هکبش کی لباقم لکش رد ه

دوشیم هدهاشم .

• قباطم نورن ره رد یریگ میمصت هوحن

تسا لکشریز طباور .

• عبات شاب دنناوتیم یفلتخم عباوت g(.)

هک دن

دنا هدش یفرعم لابق .

• امومع هکبش نیا هب Multy Layer

Perceptron (MLP) دوشیم هتفگ

.

یزاسلدم و یحارط دنور

یلا رد یریگ میمصت عباوت ،اهنورن دادعت ،اه هیلا دادعت ظاحل زا هکبش راتخاس 1. ،اه ه

ددرگ باختنا اه یجورخ و اهیدورو دادعت .

دادعت ،اطخ لثم شزومآ هوحنرد مهم یاه رتماراپ 2. epochs

اه ( یارب رارکت تاعفد

رتمک یاطخ تمس هب ییارگمه )

دوشیم یناوخارف شزومآ متیروگلا 3. .

رق هدافتسا دروم دیدج یاه هنومن یارب هدافتسا تهج یجنسرابتعا زا سپ هکبش 4.

را .دریگیم

(5)

بلتم تاروتسد زا یا هنومن

• م راتخاس اب یبصع یاه هکبش داجیا یارب یفلتخم یاهشور بلتم رازبا هبعج رد توافت

تسا هدش هئارا .

• د هس کمک اب یبصع هکبش کی داجیا یارب لماک و هداس اتبسن یاهشور زا یکی روتس

تسا ریز :

روتسد زا هدافتسا 1. newff

هکبش راتخاس فیرعت یارب

روتسد زا هدافتسا 2. train

یشزومآ یاه هنومن و تاعلاطا کمک هب هکبش شزومآ یارب

روتسد زا هدافتسا 3. دیدج یاه هنومن ربارب رد هکبش خساپ تفایرد یارب sim

.

لبق لاثم هکبشراتخاس (

اه هیلا دادعت هک دوش تقد 2

تسا )

راتخاس فیرعت هکبش

هکبش شزومآ

بش خساپ تفایرد هک

newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF) takes optional inputs, TFi - Transfer function of ith layer. Default is 'tansig' for

hidden layers, and 'purelin' for output layer.

BTF - Backprop network training function, default = 'trainlm'.

BLF - Backprop weight/bias learning function, default = 'learngdm'.

PF - Performance function, default = 'mse'.

IPF - Row cell array of input processing functions.

Default is {'fixunknowns','remconstantrows','mapminmax'}.

OPF - Row cell array of output processing functions.

Default is {'remconstantrows','mapminmax'}.

DDF - Data division function, default = 'dividerand';

and returns an N layer feed-forward backprop network.

The transfer functions TF{i} can be any differentiable transfer function such as TANSIG, LOGSIG, or PURELIN.

The training function BTF can be any of the backprop training functions such as TRAINLM, TRAINBFG, TRAINRP, TRAINGD, etc.

(6)

لاثم

• دم کی داجیا فده هک دینک ضرف ل

کی یاراد هک تسا یضایر و تسا یجورخ کی و یدورو دح رد یدورو رییغت اب میهاوخب لصاف 2 - و 2 هب یجورخ لکش

دنک رییغت ریز تروص .

هیلا ود یاراد هک ریز مرف هب یبصع هکبش کی داجیا اب دناوتیم لاثم نیا ددرگ داجیا دشاب .

دنتسه ریز تروصب لوا هیلا یجورخ عباوت نآ رد هک

دوشیم فیرعت یطخ تروصب رخآ هیلا یجورخ عبات :

>> load output_data

>> load input_data

>> net1=newff(input_data,output_data,[2],{'logsig','purelin'});

>> net2=train(net1,input_data,output_data);

>> x=-2:0.2:2;

>> y=sim(net2,x);

>> plot(x,y)

-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

-0.5 0 0.5 1 1.5 2 2.5

X input

Y output

بلتم تاروتسد اب یزاس هیبش جیاتن

رد اه نورن دادعت یفخم هیلا

یجورخ و یدورو یاهسیرتام ( سیرتام یاهرطس دادعت هیلا رد اهنورن دادعت یجورخ

دنکیم صخشم ار یجورخ

باختنا عبات یارب هدش

یفخم هیلا

باختنا عبات یارب هدش یجورخ هیلا

(7)

لرتنک رد یبصع یاه هکبش هدافتسا

یژولویب یاه متسیس ییاسانش رد یبصع یاه هکبش هدافتسا زا یعونتم یاهشور و یک

تسا هدش هئارا اهنآ لرتنک .

دومن هراشا ریز دراوم هب ناوتیم اهشور نیا هلمج زا :

لدم لرتنک 1. ( Reference Model Control) عجرم

.2 ک لدم نیب شیپ لرتن (Model Predictive Control)

لرتنک 3. NARMA-L2

یبصع یاه هکبش اب عجرم لدم هدننک لرتنک

ص هب یبصع یاه هکبش اب عجرم لدم هدننک لرتنک راتخاس ترو

دشابیم وربور .

ناونع هب یبصع هکبش ود مارگاید نیا رد

لدم .دوشیم هدهاشم هدننک لرتنک و زاب هقلح تسا هیلا ود یاراد هکبش ره (

یجورخ و یفخم )

ورن دادعت هک ن

دشابیم رییغت لباق یفخم هیلا یاه .

ش یبصع هکبش هدننک لرتنک دوشیم هدهاشم هک روطنامه هس لما

دوشیم یدورو هتسد :

ورو ،رلرتنک هتفای ریخات یاهیجورخ یاهید

ت لدم هتفای ریخات یاهیجورخ و عجرم یدورو هتفای ریخات تح

لرتنک . تسد ود لماش زین لرتنک تحت لدم یبصع هکبش راتخاس هرو( لرتنک لانگیس هتفای ریخات یاهیجورخ :تسا یدورو یاهیدو

لرتنک تحت لدم )

نک تحت لدم هتفای ریخات یاهیجورخ و لرت

.

(8)

هدننک لرتنک یحارط رد بلتم زا هدافتسا شور و لاثم یعونصم یاه هکبش اب عجرم

• کی یحارط فده هک دینک ضرف

صم یبصع هکبش هدننک لرتنک یعون

عجرم لدم (Reference Model)

رارق وربور لدم یور رب هک دشاب دریگب .

• یحارط فده هک دینک ضرف نینچمه

گ ثعاب هک دشاب یا هدننک لرتنک ددر

یبش یراتفر متسیس یجورخ ات هب ه

دشاب هتشاد وربور لدم (

عجرم لدم )

(9)

یحارط لحارم

اب یزاسلدم یارب ادتبا رد تسا مزلا 1. بدیف نودب لدم یارب یبصع هکبش یدورو ریداقم یدایز دادعت ،عجرم لدم و ک دیشاب هتشاد یجورخ و .

نیا یارب

ب هقلح لدم کنیلومیس رد ادتبا روظنم زالیاف کی مسا هب ارنآ و هدرک یحارط ار دییامن هریخذ .

مان اب ار لیاف هک دینک ضرف 2. mvp1 .دیا هدرک هریخذ

لاثم رگید مان اب یرگید لیاف 3. mvp2 :لاثم نیا رد( عجرم لدم یارب لدم هتفرگ رظن رد )هتسب هقلح

• مان اب لاثم یرگید لیاف رد sym1 و هداد رارق ار ریز یاهکولب دییامن رارقرب ار تلااصتا

• آ تمسق یور رب ندرک کیلک اب یبدوشیم زاب یلصا یونم ادتبا گنر . plant چیئوس ونم نیا رد identification دینک کیلک ار

.

• یاه هیلا دادعت ندومن دراو اب عت لاثم تاصخشم رگید و یفخم داد یهد سردا وریخات اب یاه هنومن تمسق رد لوا لیاف simulink

plant model چیئوس

Generate training data یارب

دوشیم هدافتسا اه هداد یزاس هدامآ .

• هکبش ،اه هداد یزاس هدامآ زا دعب

روتسد اب زاب هقلح لدم یبصع train network لیمکت اب و

هبعج training parameters

چیئوس ندز اب و ماجنا هرجنپ هب ok

(10)

شزومآ زا سپ و هدش هتساوخ دراوم لیمکتو لرتنک یحارط ،عجرم لدم یبصع هکبش هدننک (train Controller) دهاوخ یلمع

دوب .

(11)

لدم نیب شیپ لرتنک (Model Predictive Control)

• لرتنک عون نیا یحارط زا فده

حت لدم هدنیآ ینیب شیپ ،هدننک تنک لرتنک کی یحارط و لرتنک

هدن (

یاه هکبش ساسارب سرد نیا رد یبصع ) دشابیم .

• تهج هدافتسا دروم یبصع هکبش

م هتفرگ راکب لدم ینیب شیپ دوشی

.

• ش کی داجیا مدق نیلوا نیاربانب هکب تحت لدم نیمخت یارب یبصع تسا لرتنک .

• ب شیپ یارب هدش هدز نیمخت لدم ینی.دوشیم هدافتسا هدنیآ رد لدم راتفر

نیب شیپ هدننک لرتنک

• ت متسیس هدنیآ ینیب شیپ رد یعس یبصع هکبش لرتنک تح

تشاد دهاوخ .

• دنیآ نیمخت زا هدافتسا اب نیب شیپ هدننک لرتنک ،متسیس ه

طبار هک تشاد دهاوخ یلرتنک لانگیس داجیا رد یعس ریز ه

دنک ممینیم ار .

• وN1 وN2 نیا رد هک دنتسه هدنیآ ینامز هدودحم Nu

تسا هدش ینیب شیپ متسیس هدنیا ، هدودحم

• ددع تنک لانگیس یزاس هنیهب رثا نازیم رگنایب ρ دشابیم لر

(12)

( یرامیب لدم لاثم .)HIV

لیاف نیا

مان اب دوشیم هتخانشHIV1

• رانک رد مود لیاف رد لیاف نیا سپس

هبعج NN_predictive Controller

دریگیم رارق .

• مان هب لیاف نیا HIV2_nnpredictive

ددرگیم ضرف .

• تامیضنت NN_predictive

controller رد هک ددرگیم ماجنا

تسا هلحرم نیدنچ .

(13)

3 . همانرب یارجا

دندرگیم لیمکت ریز تروص هب هرجنپ ود نیا یاه رتماراپ .