Simulación e identificación de sistemas dinámicos mediante redes neuronales entrenadas con el método de retropagación de Errores y Teacher Forcing

Abstract

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.

In this paper it is presented the description and application results of an algorithm for simulation and identification of non-linear dynamic systems using artificial neural networks (ANN) trained with the method of error back-propagation with teacher forcing (BPTF). There have been analyzed several configurations of neural nets of two layers, one hidden and the other one in the output. The proposed artificial neural networks have been applied to simulation and identification of double pendulum nonlinear dynamic system and to the third-order model of the induction motor. Results obtained from those applications indicate that artificial neural networks using BPTF constitute a very useful method for non-linear dynamic systems simulation and identification, at least for the first steps after the training