Міністерство освіти України Національний університет “Львівська політехніка” Кафедра ЕП Лабораторна робота №3 На тему: “ Використання нейронної мережі в системі автоматизації ” Мета роботи: навчитися синтезувати нейронні мережі і застосовувати їх в системах автоматизації. Програма роботи: Запустити середовище програмування МATLAB 6.5. Увійти до програмного пакету Simulink, набравши в командному рядку команду simulink. Відкрити в середовищі Simulink файл laboratorna2 з класичною структурою підпорядкованого регулювання та паралельною- нечіткою корекцією. Ввести параметри системи, що підлягає дослідженню, до робочого простору МATLAB 6.5 (За допомогою блока Simout до робочого простору МATLAB необхідно занести вхідні і вихідні координати нечіткого регулятора). Промоделювати систему, для чого в меню Simulink вибрати Simulation→Start. Зафіксувати результати моделювання. Запустити GUI-інтерфейс NNTool. Синтезувати нейронну мережу з якомога меншою похибкою. Створити S-модель нейронної мережі і вставити її замість нечіткого регулятора. Промоделювати систему, для чого в меню Simulink вибрати Simulation→Start. Порівняти роботу систем з паралельною нечіткою корекцією і паралельною корекцією за допомогою нейронної мережі. Результати оформити у вигляді звіту. Модель системи з використанням нейронної мережі , реалізована в середовищі Matlab 6.5 :
В результаті розрахунку отримали такий перехідний процес :
Для порівняння наведемо перехідні процеси , отримані для системи з нечітким регулятором і для системи , в якій використовується нейронна мережа :
Як видно з цих графіків , отримані графіки є ідентичними . Отже нейромережа виконує поставлену задачу не гірше за нечіткий регулятор . Розрахунок перехідного процесу відбувається значно швидше , що говорить про перевагу таких систем . Нейронні мережі - це винятково ефективний метод для імітації різноманітних процесів і явищ та створення їхніх моделей, що дозволяє відтворювати надзвичайно складні залежності. Крім того, у багатьох випадках нейронні мережі дозволяють розв(язати проблему обумовлену тим, що моделювання нелінійних явищ у випадку великої кількості змінних вимагає величезної кількості обчислювальних ресурсів.