Laboratorio N 3

Red Neuronal de un Modelo Elctrico - Mecnico

(Motor DC por Armadura)
Yesid Ernesto Perdomo Bahamn
Universidad Surcolombiana
Neiva, Colombia
yesid_ernest14@hotmail.es

Abstract Este reporte presenta algunos procedimientos de
laboratorio que introducen al lector en los conceptos bsicos
de la construccin de una red neuronal utilizando como
herramienta Matlab.

Keywords Red Neuronal-Matlab

I. INTRODUCCIN

Las redes neuronales son una implementacin muy sencilla
de un comportamiento local observado en nuestros cerebros.
El cerebro est compuesto de neuronas, las cuales son
elementos individuales de procesamiento. La informacin
viaja entre las neuronas basada en la estructura y ganancia de
los conectores neuronales, la red se comporta de forma
diferente.

La construccin de una Red Neuronal nos permite, entrenar al
sistema para resolver problemas que son difciles para las
computadores convencionales o los seres humanos.

II. MARCO TERICO

Las redes de neuronas artificiales (denominadas
habitualmente como RNA) son
un paradigma de aprendizaje y procesamiento
automtico inspirado en la forma en que funciona el sistema
nervioso de los animales. Se trata de un sistema de
interconexin de neuronas que colaboran entre s para
producir un estmulo de salida. En inteligencia artificial es
frecuente referirse a ellas como redes de neuronas o redes
neuronales.

Una red neuronal es un procesamiento distribuido
masivamente paralelo que tiene una tendencia natural para
almacenar conocimiento emprico y hacerlo disponible para su
uso. Haykin

Sistemas de redes neuronales aritificales o redes
neuronales son sistemas celulares fsicos que puedan adquirir,
almacenar y usa conocimiento emprico. Zurada



III. DESARROLLO DE CONTENIDOS
Para la construccin de una Red Neuronal, es indispensable la
identificacin de nuestro sistema, seleccionando como entrada
un Random.


Fig. 1. Diagrama de bloques para la identificacin del sistema




Fig. 2. Comportamiento del sistema con una entrada randown

Observamos cmo se comporta el Motor DC por armadura,
cuando lo excitamos con una Random, por ser un sistema
rpido el tiempo de muestro es pequeo.

Procedemos a utilizar el ARX, comando que posee Matlab
para saber los coeficientes que tiene el retenedor para que el
mayor porcentaje de fiabilidad.


Fig. 3. 70.46 % de fiabilidad con un retenedor Ret=[3 3 2]




Teniendo los coeficientes del retenedor podemos construir nuestra red
neuronal, donde

na= 3. Corresponde a la recursividad del sistema
nb=3. Corresponde a la causalidad del sistema
nk=2. Corresponde al offset






Fig. 4. Diagrama de bloques de nuestro sistema a travs de la red neuronal

Fig. 5. Utilizando la salida de la neurona



Fig. 6 Utilizando la salida real


CONCLUSIONES
Con la realizacin de esta prctica de laboratorio se pudo
identificar el estado funcional que posee el bloque Custom
Neural Network, que se va entrenando cada vez que se ejecuta
el algoritmo respectivo, hasta lograr la respuesta deseada.
Apreciamos en la figura 5, que existe cierta variacin de entre
la seal real y la seal que nos general el bloque neuronal,
esto se debe a que el sistema se desintoniza provocando
alteraciones en la seal.
Observamos que dependiendo de los coeficientes obtenidos en
el retenedor as mismo sern los retardos que se le aplicarn a
la entrada y salida del sistema.
Constatamos que a medida que uno varia los coeficientes del
retenedor, as mismo la ecuacin que representa el sistema, va
creciendo, por lo tanto es necesario elegir coeficientes que no
sobrepasen al grado de la funcin de transferencia que posea
el sistema.




REFERENCIAS

[1] RED NEURONAL ARTIFICIAL [ref. Octubre 12 de
2013]. Disponible en lnea:
http://es.wikipedia.org/wiki/Red_neuronal_artificial
[2] CAPITULO 1. INTRODUCCION A LAS REDES
NEURONALES [ref. Octubre 12 de 2013]. Disponible
en lnea: http://hugo-
inc.net16.net/RNA/Unidad%201/1.2.html