Page 44 - Control Engineering Polska I kw. 2023

VR/AR/AI/ML
TECHNOLOGIA WIRTUALNA Peter Galan
Wprowadzenie do wykorzystania
sztucznych sieci neuronowychw przemysłowych
systemach sterowania
Artykuł opisuje wykorzystanie sztucznych sieci neuronowych (ANN) w układach sterowania, układach nieliniowych, symulacji regulatorów zoptymalizowanych czasowo oraz w modelach systemów sterowania (w fabrykach) opartych na ANN.
Warstwa wejściowa
42
Warstwa ukryta
Warstwa wyjściowa
Rys. 1: Podstawowa architektura sieci neuronowej.
Źródło: Peter Galan, emerytowany inżynier oprogramowania systemów sterowania
Wagi 1
Wagi 2
Węzeł warstwy wejściowej/wyjściowej
Funkcja sigmoidalna
• zbiór wag i biasów pomiędzy każdą warstwą, W i b;
• funkcja aktywacji dla każdej warstwy ukrytej, σ.
Po prawej stronie rysunku 1 widzimy jeden taki (j-ty) węzeł warstwy ukrytej. Na początku sumuje on wszystkie sygna- ły pochodzące z węzłów wejściowych (i- -tych). Każdy z nich został przetworzony – pomnożony przez swój współczynnik wagi. Zanim sygnał sumy opuści wyjście węzła, przechodzi przez funkcję aktywa-
Czytając tytuł tego artykułu, moglibyście zapytać: „Czy warto czytać więcej o sztucznych sieciach neuronowych1, pomyślnie wdrożonych już dzie- siątki lat temu, zwłaszcza przy tysiącach arty- kułów o ANN znajdujących się w Internecie?”.
Moja odpowiedź brzmi „Tak. Proszę kontynuować”.
Kiedy zainteresowałem się sieciami ANN, przeczytałem setki artykułów na ich temat. Tylko garstka z tych publikacji pomogła mi zrozumieć, jak działa sztuczna sieć neuronowa i jak może być wykorzystana w praktyce. Mimo to nie mogłem znaleźć żadnego artykułu o tym, jak można wdrożyć przemy- słowy system sterowania wykorzystujący ANN. Spędziłem setki godzin, eksperymentując z programowaniem w języku Python oraz symulacjami sieci ANN i systemów sterowania, dopóki wystarczająco nie zrozumiałem, jak sieć ANN działa
w aplikacjach systemów sterowania.
Dzisiejsi specjaliści nie muszą już rozwiązywać pro-
blemów związanych z ANN od podstaw. Mogą korzystać z rozbudowanych bibliotek klas, funkcji itp. znajdujących się w materiałach pomocniczych (bibliotekach) wielu platform/
języków programowania. Jeśli jednak mamy najpierw zrozu- mieć podstawy wykorzystywania sieci ANN w systemach ste- rowania, to ten artykuł powinien nam w tym pomóc.
Podstawowe informacje o sieciach neuronowych
Sieci neuronowe starają się naśladować zdolności mózgu czło- wieka i zwierząt. Najważniejszą z tych zdolności jest zdolność do adaptacji. Chociaż nowoczesne komputery mogą przewyż- szać ludzki mózg pod wieloma względami, to wciąż są one urządzeniami „statycznymi” i dlatego nie potra ą wykorzy- stać całego swojego potencjału. Zastosowanie sztucznych sieci neuronowych polega na próbach wprowadzenia do komputera funkcjonalności mózgu poprzez kopiowanie zachowań biolo- gicznych układów nerwowych. Możemy sobie wyobrazić sieć neuronową jako pewną funkcję matematyczną, która odwzo- rowuje dany zbiór wejściowy na pożądany zbiór wyjściowy. W skład sieci neuronowych wchodzą z następujące elementy:
• jednawarstwawejściowa,x;
• jednalubwięcejwarstwukrytych; • jednawarstwawyjściowa,ŷ;
I kwartał 2023
CONTROL ENGINEERING POLSKA – www.controlengineering.pl