Giai đoạn đầu tiên của mô hình điều khiển dự đoán là để huấn luyện một mạng nơron để đại diện cho sự phát triển về phía trước của nhà máy. Các lỗi dự báo giữa sản lượng cây trồng và nơron sản lượng mạng được sử dụng như là các tín hiệu huấn luyện về mạng nơron. Quá trình này được đại diện bởi hình 2.17.
Hình 3.1: Nhận dạng thực vật
Một mô hình tiêu chuẩn được sử dụng để nhận dạng phi tuyến là bình Nonlinear tự hồi-Di chuyển (NARMA) mô hình:
52
y( k+d) = h[ y(k), y(k-1 ),…, y(k-n+1 ) ,u(k),u(k-1),…,u(k-m+1)]
Đó là hệ thống đầu vào, đầu ra là các hệ thống và là sự chậm trễ hệ thống (sẽ sử dụng sự chậm trễ của 1 cho các dự đoán người điều khiển). Đối với giai đoạn xác định sẽ huấn luyện một mạng lưới nơron để xấp xỉ hàm phi tuyến. Cấu trúc của mô hình mạng nơron thực vật được đưa ra trong hình 2.18, nơi các khối có nhãn TDL đang khai thác đường chậm mà lưu trữ trước giá trị của tín hiệu đầu vào. Phương trình cho mô hình nhà máy được cho bởi
Các chức năng được thực hiện bởi các mạng nơron và là vector chứa tất cả các trọng mạng.
Hình 3.2: Mô hình mạng nơron thực vật
Mặc dù có sự chậm trễ trong mạng này, họ chỉ xảy ra ở các đầu vào mạng, và mạng không chứa các vòng lặp thông tin phản hồi. Đối với những lý do này, các mô hình mạng thần kinh nơron có thể được huấn luyện sử dụng các phương pháp lan truyền ngược cho các mạng phản hồi. Điều quan trọng là các dữ liệu huấn luyện bao gồm toàn bộ các nhà máy hoạt động, bởi vì chúng ta biết từ cuộc thảo luận trước mà mạng nơron phi tuyến không suy chính xác. Các đầu vào cho mạng lưới này là một vector chiều kết quả đầu ra của nhà máy trước và đầu vào. Nó là không gian này phải được bao quát đầy đủ của dữ liệu huấn luyện.
53