Resumen

El sistema electrohidráulico de control automático de profundidad de un determinado tanque de dragaminas es un sistema no lineal complejo, y es difícil que el modelo lineal obtenido por el método de primer principio represente las características no lineales intrínsecas de un sistema tan complejo. Este trabajo propone un enfoque para construir un modelo preciso del sistema electrohidráulico con una red neuronal RBF entrenada mediante una técnica basada en algoritmos genéticos. Para mejorar la precisión del modelo diseñado, se utiliza un algoritmo genético para optimizar los centros de la red neuronal RBF. Se adopta la medida de distancia máxima para determinar las anchuras de las funciones de base radial, y se utiliza el método de mínimos cuadrados para calcular los pesos de la red neuronal RBF; de este modo, se alivia la carga computacional de la técnica propuesta. La técnica propuesta se aplica al modelado del sistema electrohidráulico, y los resultados indican claramente que la red neuronal RBF obtenida puede emular satisfactoriamente las complejas características dinámicas del sistema electrohidráulico. Los resultados de la comparación también muestran que el algoritmo propuesto funciona mejor que el método tradicional basado en la agrupación.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:red neuronal, sistema electrohidráulico, rbf, técnica, algoritmo genético, sistema electrohidráulico de control automático de profundidad, determinado tanque de dragaminas, características dinámicas complejas, sistema no lineal complejo, método de primer principio
• Keywords:neural network, electrohydraulic system, rbf, technique, genetic algorithm, automatic depth control electrohydraulic system, certain minesweeping tank, complex dynamic characteristics, complex nonlinear system, first principle method