Servicios Personalizados
Revista
Articulo
Indicadores
Links relacionados
- Similares en SciELO
Compartir
Computación y Sistemas
versión On-line ISSN 2007-9737versión impresa ISSN 1405-5546
Resumen
BARUCH, Ieroham y OLIVARES GUZMAN, José Luis. Implementación de un Multimodelo Neuronal Jerárquico para Identificación y Control de Sistemas Mecánicos. Comp. y Sist. [online]. 2005, vol.9, n.1, pp.28-40. ISSN 2007-9737.
En este artículo se propone la implementación de un Multimodelo Neuronal Jerárquico (MNJ) basándose en la símilarridad con el modelo difuso de Takagi-Sugeno. El modelo MNJ tiene tres partes: 1) fuzificación; 2) inferencia en el nivel bajo usando Redes Neuronales Recurrentes, RNR; 3) defuzifición en el nivel jerárquico alto usando una RNR que es en realidad un filtro-sumador ponderado de las salidas de las RNR del nivel bajo. El aprendizaje y el funcionamiento de ambos niveles jerárquicos son independientes. El modelo MNJ es implementado como identificador y controlador (feedforward, y feedback) en dos esquemas de control directo adaptable. Ambos esquemas de control son aplicados con una planta mecánica con fricción y comparados con otros esquemas de control neuronal y difuso, mostrando mejores resultados.
Palabras llave : Control adaptable neuronal con modelo inverso; control neuronal directo adaptable; identificación de sistemas; Multimodelo Neuronal Jerárquico; Red Neuronal Recurrente Entrenable; sistema mecánico con fricción.