Simulación e identificación de Sistemas Dinámicos mediante Redes Neuronales entrenadas con el Método de Retropropagación de Errores y Teacher Forcing

• Leonardo Paucar, V. ^[1] ; Rider, Marcos J. ^[2] ; Morelato, André L. ^[3]
  1. [1] Universidad Nacional de Ingeniería

     Universidad Nacional de Ingeniería

     Perú

     
  2. [2] Universidade Federal do Maranhão

     Universidade Federal do Maranhão

     Brasil

     
  3. [3] Universidade Estadual de Campinas

     Universidade Estadual de Campinas

     Brasil

     

  Mostrar afiliaciones +
• Localización: TECNIA, ISSN-e 2309-0413, ISSN 0375-7765, Vol. 11, Nº. 1, 2001
• Idioma: español
• Títulos paralelos:
  • Simulation and identification of Dynamic Systems through Neural Networks trained with the Error Backpropagation Method and Teacher Forcing
• Enlaces
  • Texto completo
• Resumen
  • español

    En el presente artículo se presenta la descripción y resultados de la aplicación del algoritmo para la simulación e identificación de sistemas dinámicos no lineales mediante redes neuronales artificiales (RNA) entrenadas con el método de retropropagación de errores (BP back-propagation) y el procedimiento teacher forcing (BPTF). Fueron analizadas varias configuraciones de redes neuronales de dos camadas de neuronas, una escondida y la otra de salida. Las redes neuronales propuestas han sido aplicadas a dos sistemas de prueba, el sistema dinámico del péndulo doble y el motor de inducción de tercer orden. Los resultados obtenidos permiten estimar que las redes neuronales que adoptan BPTF son bastante útiles para la simulación e identificación de sistemas dinámicos no lineales, principalmente durante los primeros pasos de tiempo posteriores a los períodos con los cuales fueron entrenadas las redes neuronales en estudio.

  • English

    This article presents the description and results of the application of the algorithm for the simulation and identification of nonlinear dynamic systems using artificial neural networks (ANN) trained with the error back-propagation method (BP back-propagation) and the teacher procedure. forcing (BPTF). Several configurations of neural networks of two layers of neurons were analyzed, one hidden and the other output. The proposed neural networks have been applied to two test systems, the double pendulum dynamic system and the third order induction motor. The results obtained allow us to estimate that the neural networks that adopt BPTF are quite useful for the simulation and identification of nonlinear dynamic systems, mainly during the first time steps after the periods with which the neural networks under study were trained.