CREAREA UNEI BIBLIOTECI SIMULINK PENTRU EXPLOATAREA REŢELELOR NEURONALE ÎN IDENTIFICARE Marius KLOETZER Dan ARDELEAN Octavian PĂSTRĂVANU Facultatea de Automatică şi Calculatoare Iaşi Email: mkloetzer@ac.tuiasi.ro, adan@mail.dntis.ro, opastrav@ac.tuiasi.ro Rezumat: Este prezentată o bibliotecă de instrumente software performante care extind utilizarea mediului Simulink în domeniul identificării bazate pe modele de tip reţea neuronală. Facilităţile nou create permit realizarea antrenării prin simpla operare cu blocuri şi selectarea unui număr de opţiuni afişate în cutiile de dialog asociate acestora, după principiul “pre-designed modules”. Aceast ă strategie este curent utilizat ă în software-ul tehnico-ştiinţ ific pentru a asigura simplitatea modului de definire a aplicaţ iilor şi flexibilitatea organizării experimentelor, prin reducerea substanţ ial ă a efortului de programare în maniera clasică a scrierii de cod. Eficienţa ridicată în exploatare rezultă, pe de o parte, din uşurinţa cu care se manipulează datele (pentru identificare off- şi on-line), iar, pe de altă parte, din posibilitatea antrenării prin mai mulţi algoritmi numerici. Dezvoltată pentru a veni în sprijinul activităţii de cercetare orientată pe aplicarea reţelelor neuronale în automatică, biblioteca permite atât construirea unor modele dinamice bazate pe arhitecturi de tip ADALINE, MLP şi RBF, cât şi utilizarea acestora în simulare, oferind, totodată, un valoros material didactic pentru diverse forme de instruire practică în cadrul învăţământului universitar şi post-universitar din profilul ştiinţei sistemelor şi calculatoarelor. Lucrarea include un număr de studii de caz ce ilustrează totala compatibilitate cu mediul Simulink a noilor instrumente, manevrarea comodă a bibliotecii, precum şi calitatea modelelor rezultate din identificare. Cuvinte cheie: reţele neuronale, identificare, simulare, instrumente Simulink. 1. Introducere Identificarea bazată pe modele neuronale s-a conturat ca direcţie de cercetare la începutul anilor ’90, drept urmare a investigaţiilor matematice asupra proprietăţilor de aproximare ale reţelelor neuronale de tip MLP (Multilayer Perceptron) [5], [10] şi de tip RBF (Radial-Basis Function) [11]. Evoluţia noului domeniu a fost impulsionată de contribuţiile remarcabile, din aceeaşi perioadă, ale unor nume de prestigiu în automatică, ca de exemplu [9], [13], [18], care au deschis drumul utilizării reţelelor MLP în identificarea neliniară şi [3], care s-au orientat pe arhitecturi de tip RBF. În acest context, merită subliniat faptul că aplicarea în automatică a tehnicilor specifice reţelelor neuronale a fost dominată, pe întreaga durată a anilor ‘90, de exploatarea topologiilor MLP cu noduri sigmoidale în stratul (straturile) ascuns(e). Totuşi, un număr de cercetători au continuat studierea aplicabilităţii reţelelor de tip RBF în identificarea şi conducerea sistemelor, cum este cazul lucrărilor de referinţă [13], [14], [15]. Pe de altă parte, firmele producătoare de software tehnico-ştiinţific au demarat dezvoltarea de facilităţi specifice reţelelor neuronale, astfel încât apariţia în 1992 a primei versiuni a Neuronal Network Toolbox (NNT) încorporată în mediul MATLAB 4.2 a avut un impact major asupra interesului acordat de către automatişti acestei direcţii de cercetare. Întrucât NNT, de la prima versiune până la cea mai recentă [21], a fost conceput să acopere o arie cât mai largă de aplicaţii ale reţelelor neuronale, proiectanţii săi nu şi-au propus dezvoltarea concomitentă a unor blocuri Simulink, dedicate construcţiei modelelor dinamice. O iniţiativă valoroasă în această direcţie trebuie semnalată în studiile practice din monografia [7], care prezintă realizarea unui bloc Simulink destinat antrenării on-line, prin metoda propagării inverse, a unei configuraţii dinamice bazată pe topologie MLP, destinată identificării neliniare. Spre deosebire de abordarea restrânsă din [7], instrumentele soft discutate în lucrarea de faţă vizează un cadru mult mai larg de exploatare a reţelelor neuronale în Simulink, versiunea 4.0.1 [20], în scopul construirii modelelor dinamice, permiţând utilizarea topologiilor ADALINE, MLP şi RBF, selectarea a diverse strategii de organizare a datelor pentru identificare, precum şi utilizarea mai multor tehnici de antrenare în conformitate cu topologia reţelei. Prin crearea unor atare instrumente, se realizează un progres notabil în ceea ce priveşte simplitatea manevrării modelelor neuronale în experimente de identificare, care, astfel, pot fi conduse direct în mediul Simulink (considerând inclusiv situaţia aplicaţiilor de timp real pentru care se poate face apel la serviciile Real-Time Workshop). Merită de amintit faptul că preocupările noastre în direcţia dezvoltării de facilităţi Matlab-Simulink pentru utilizarea reţelelor neuronale în automatică au avut în vedere, în mod constant, şi aspectul educaţional, după cum reiese din [6], [12], experienţa acumulată permiţând crearea bibliotecii prezentate în lucrarea curentă. Validitatea acestor preocupări a primit, indirect, o confirmare importantă chiar din partea firmei producătoare, The MathWorks, care, începând cu versiunea Simulink comercializată în 2001, a inclus un bloc pentru identificare neuronală bazată pe arhitectura MLP. În raport cu facilităţile oferite de 1