Phần này cho thấy cách điều khiển NARMA-L2 được huấn luyện. Bước đầu tiên là để sao chép các khối NARMA-L2 khiển từ thư viện khối mạng nơron cho Simulink ® Editor. Bước này được bỏ qua trong các ví dụ sau đây.
Một mô hình ví dụ được cung cấp với các phần mềm Neural Network Toolbox cho thấy việc sử dụng các bộ điều khiển NARMA-L2. Trong ví dụ này, mục tiêu là để kiểm soát vị trí của một nam châm treo trên một nam châm điện, nam châm mà là hạn chế để nó chỉ có thể di chuyển theo hướng thẳng đứng, như trong hình dưới đây
64
Hình 3.12: Sơ đồ điều khiển vị trí nam châm vĩnh cửu
Các phương trình của chuyển động cho hệ thống này:
Điều kiện y (t) là khoảng cách của nam châm trên các nam châm điện, i (t) là dòng chảy trong các nam châm điện, M là khối lượng của nam châm, và g là hằng số hấp dẫn. Các β tham số là hệ số ma sát nhớt được xác định bằng các vật liệu mà di chuyển nam châm, và α là một hằng số lĩnh vực thế mạnh đó được xác định bởi số vòng dây trên nam châm điện và sức mạnh của nam châm.
Để chạy ví dụ này: -Bắt đầu MATLAB ®.
-Gõ narmamaglev trong cửa sổ MATLAB Command. Lệnh này sẽ mở ra các Simulink biên soạn với các mô hình sau đây. Khối NARMA-L2 kiểm soát là đã có trong mô hình.
65
Hình 3.13: Các Simulink biên soạn với các mô hình
-Nhấn 2 lần vào khối NARMA-L2. Điều này sẽ mở ra cửa sổ sau. Cửa sổ này cho phép bạn để đào tạo các mô hình NARMA-L2. Không có cửa sổ riêng biệt cho bộ điều khiển, bởi vì bộ điều khiển được xác định trực tiếp từ mô hình, không giống như các bộ điều khiển mô hình dự đoán.
66
-Cửa sổ này hoạt động giống như các cửa sổ nhận dạng thực vật khác, vì vậy quá trình đào tạo không được lặp đi lặp lại. Thay vào đó, mô phỏng các điều khiển NARMA-L2.
-Quay trở lại Simulink Editor và khởi động mô phỏng bằng cách chọn tùy chọn danh mục Simulation> Run. Khi chạy mô phỏng, sản lượng cây trồng và các tín hiệu tham chiếu được hiển thị, như trong hình dưới đây.
Hình 3.15: Đồ thị vị trí mẫu và vị trí sau khi đã điều khiển