بخشی از مقاله
چکیده
در این مقاله هدف ارائه یک روش و نتایج شبیه سازی یک سیستم یک درجه آزادی جرم و فنر و دمپر با استفاده از یک شبکه عصبی هوشمند است. شبکه عصبی که در این مقاله از آن استفاده میشود، دارای یک لایه ی میانی با سه عصب و پس خوراند از تمامی عصبها در ورودی است. پس از آموزش شبکه عصبی میزان تطابق آن با خروجی مطلوب بررسی شده و همچنین خروجی آن نسبت به نوع دیگری از ورودی ها مشاهده میگردد.
مقدمه
سیستم انتخابی برای شبیه سازی یک سیستم جرم و فنر و دمپر به صورت زیر است - شکل . - 1 مقادیر انتخاب شده برای ضریب فنر و دمپر و جرم نیز در زیر آورده شده است.
شکل :1 سیستم جرم و فنر و دمپر
برای آموزش شبکه عصبی ابتدا می بایست ورودی و خروجی های سیستم واقعی را استخراج کرده و سپس شبکه عصبی را با این نتایج آموزش دهیم. طبق صورت مساله سیستم را با یک ورودی تناوبی پلهای - زیگزاگ - تحریک میکنیم - لوران فاوست، . - 1392 ورودی و خروجی سیستم واقعی به صورت زیر است - شکل . - 2-5
شکل :2 نیروی وارد شده به سیستم واقعی
شکل :3 شتاب سیستم واقعی
شکل :4 سرعت سیستم واقعی
شکل :5 مکان سیستم واقعی
روش تحقیق شبیه سازی و آموزش شبکه عصبی
برای شبیه سازی سیستم دینامیکی ارائه شده از یک سیستم شبکه عصبی با سه عصب میانی و برای هر خروجی یک عصب پایانی استفاده شده است. در شکل 6 نمای کلی شبکه انتخاب شده دیده می شود.
شکل :6 نمای کلی شبکه عصبی انتخاب شده
1. آموزش بدون پس خوراند
ابتدا برای آماده شدن اولیه وزنها، شبکه را بدون پس خوراند تا نزدیک شدن به مقدار مطلوب خروجی آموزش می دهیم. برای آموزش ابتدا باید مقادیر وزنها را با مقدارهای تصادفی مقداردهی نماییم. سپس ورودی نیرو را به عنوان ورودی وارد کرده و از خروجی بدست آمده با روش "پس انتشار خطا" برای آموزش شبکه عصبی بهره می جوییم.
.2 آموزش با استفاده از پسخوراند
پس از اتمام مرحله ی آموزش بدون پس خوراند، از لایه های میانی و لایه پایانی شتاب و همچنین از خروجی سرعت - پس از انتگرال گیری عددی از شتاب - به لایه ی ورودی پسخوراند میکنیم. در این قسمت نرخ آموزش را کوچکتر و برابر 0/1 می گیریم.
