Serge Zakharian Patricia Ladewig-Riebler Stefan Thoer. Neuronale Netze für Ingenieure

Transkript

1 Serge Zakharian Patricia Ladewig-Riebler Stefan Thoer Neuronale Netze für Ingenieure

2 Die Bücher der Reihe "Ausbildung und Studium" bieten praxisorientier je Einführungen für die Aus- und Weiterbildung sowie Bausteine für ein erfolgreiches berufsqualifizierendes Studium. Unter anderem sind erschienen: Stud.. nlührer Wirl>cho/tsinfonnot;k von Peter Mertens el cl. Studien- und Forschungsführer Inionnotik an Fachhochschulen von Rainer Bischoff (Hrsg.) Exeel für Techniker und Ingenieure von Hans-Jürgen Holland und Frank Brocke Turbo Pascal Wegweiser für Ausbildung und Studium von Ekkehord Kaier Delphi Essentials von Ekkehard Koier Programmieren mit Fortran 90 von Hons-Peter Säumer Wir1s<:haftsinformatik mit dem Computer von Hans Benker Einführung in UNIX von Werner Brecht Datenbank-Engineering von Alfred Moos und Gerhard Doues Visual Basic Essentials von Ekkehord Kaier Excel fü, Betriebswi... von Rober! Horvet und Kambiz Koochaki Grundkun Wirl>cho/tsinlonnotik von Dietmar Abts und Wilhelm Mülder Praktische Systemprogrammierung von Helmut Weber Wissenschaftliches Publizieren mit It\1};;X2( von Torsten Mocherl Neuronale Netze für Ingenieure von Serge Zekhorian, Patricia ladewig-riebler und Stefen Thoer

3 Serge Zakharian Patricia ladewig-riebler Stefan Thoer Neuronale Netze für Ingenieure Arbeits- und Übungsbuch für regelungstechnische Anwendungen IJ VI.weg

4 Die deutsche Bibliothek - CIP-Einheitsaufnahme Zakharian, Serge: Neuronale Netze für Ingenieure: Arbeits- und Übungsbuch für regelungstechnische Anwendungen / Serge Zakharian; Patricia Ladewig-Riebler; Stefan Thoer. - Braunschweig; Wiesbaden: Vieweg, 1998 (Vieweg Ausbildung und Studium) ISBN ISBN (ebook) DOI / Alle Rechte vorbehalten Springer Fachmedien Wiesbaden 1998 Ursprünglich erschienen bei Friedr. Vieweg & Sohn Verlagsgesellschaft Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Höchste inhaltliche und technische Qualität unserer Produkte ist unser Ziel. Bei der.produktion und Auslieferung unserer Bücher wollen wir die Umwelt schonen: Dieses Buch ist auf säurefreiem und chlorfrei gebleichtem Papier gedruckt. Die Einschweißfolie besteht aus Polyäthylen und damit aus organischen Grundstoffen, die weder bei der Herstellung noch bei der Verbrennung Schadstoffe freisetzen.

5 Vorwort Immer mehr Probleme der Industrie, Wirtschaft und des täglichen Lebens können mit Hilfe von künstlichen neuronalen Netzen gelöst werden. Sie stellen deshalb nicht länger eine Domäne der Informatikspezialisten dar. Jedoch gibt es zwischen diesem Gebiet und den Fächern der Ingenieurstudienrichtungen eine Diskrepanz. Unser Bestreben ist es, die neuronalen Netze durch die Begriffe der Regelungstechnik, ein Pflichtfach für Studenten der Elektrotechnik, Maschinenbau, Verfahrenstechnik, einheitlich und strukturiert zu beschreiben und dabei mit möglichst geringen mathematischen Voraussetzungen auszukommen. Das Buch wendet sich an Studenten der praktisch orientierten Studiengänge an Fachhochschulen sowie an die in der Praxis tätigen Ingenieure. Im Vordergrund stehen keine komfortablen Neuro-Tools wie DataEngine oder Neuromodel, aber auch keine detaillierten Analogien zum menschlichen Gehirn. Es werden sowohl Grundlagen als auch die Vielzahl der Netztypen mit ihren spezifischen Eigenschaften behandelt und an Hand der zahlreichen Beispiele anschaulich erklärt. Mit den vorliegenden Algorithmen kann man selbst Programme schreiben, experimentieren und schrittweise alle Variablen und Netzteile Stück für Stück verfolgen. Diese Kenntnisse sollen später einen Zugang zu einem komplexen Anwendungsprogramm erleichtern. Das Buch gliedert sich in sechs Abschnitte. Im 1. Abschnitt wird der funktionale Aufbau und die Funktionsweise eines einfachen künstlichen Neurons beschrieben. Für einen leichteren Zugang zu den einzelnen Netzen befaßt sich der 2. Abschnitt mit der Einteilung von neuronalen Netzen nach technischen Kriterien. Auf einen kurzen historischen Rückblick konnten wir in diesem Abschnitt nicht verzichten, um

6 VI Vorwort damit eine Übersicht über die fast dramatische Entwicklung dieses Gebietes zu vermitteln. Mit zunehmendem Schwierigkeitsgrad sind im 3. Abschnitt verschiedene Netztypen beschrieben. Im Mittelpunkt des 4. Abschnitts stehen die ingenieurtechnischen Interpretationen der neuronalen Netze, die für die Anwendung der Netztheorien in der Regelungstechnik wichtig sind. Das Buch wurde speziell für das Selbststudium konzipiert und ist als Begleitbuch zu den vorhandenen Literaturquellen gedacht. Zur Vertiefung der Thematik sind viele bekannte Netzbeschreibungen in Form von Übungsaufgaben im Abschnitt 5 aufgeführt. Die entsprechende Liste der Literaturquellen mit vollständigen Informationen ist im 6. Abschnitt zusammengefaßt. Inhaltlich entspricht das Buch einer einsemestrigen Einführung in die Anwendung der neuronalen Netze in der Automatisierungstechnik, die an der FH Wiesbaden im Rahmen eines Wahlfaches angeboten wird. Es ist außerdem mit neuen, teilweise noch nicht veröffentlichten Entwicklungsergebnissen ergänzt, wie Neuronale Netze mit Antineuronen oder der Entwurf eines Neurons mit regelungstechnischen Grundelementen. Unser Dank gilt allen, die einen Beitrag zum Zustandekommen dieses Buches geleistet haben. Dem Verlag danken wir für die gute Zusammenarbeit. Rüsselsheim, im Februar 1998 Serge Zakharian Patricia Ladewig-Riebler Stefan Thoer

7 VII Inhaltsverzeichnis 1. Aufbau eines künstlichen Neurons Grundmodell eines Neurons Grundbegriffe der KNN Das Lernen als Gewichtsänderung Optimierungs- und Suchverfahren Realisierung eines künstlichen Neurons Das Lernen als Mitkopplung Einteilung von künstlichen Neuronalen Netzen Netzfunktionen und Anwendungen Statische Kennlinien von Neuronen Lernmechanismen Einteilung Fehlerkorrektur Rückgekoppeltes Lernen Wahrscheinlichkeitslernen Konkurrenzlernen Hebb'sche Lernregel Nichtiteratives Lernen Historischer Rückblick Vor- und Nachteile von KNN Grundtypen von künstlichen Neuronalen Netzen Übersicht Einzelschicht Perzeptron Mehrschicht Perzeptron Adaline / Madaline - Netze Cognitron und Neocognitron Comparator-Netz Backpropagation Counterpropagation Querpropagation Hopfield-Netz Hamming-Netz Kohonen-Netz... 86

8 VIII Inhaltsverzeichnis 3.13 Carpenter / Grossberg-Netz Cooper's RCE-Netz Kosko's BAM IAC-Netz Regelungstechnische Anwendungen von KNN Einführung Identifikation Einführung Identifikation mit dem Hopfield-Netz Identifikation mit dem RT -Neuron Identifikation mit dem Backpropagation Stabilitätsuntersuchung Einführung Stabilitätsanalyse mit Backpropagation Beispiel: PD-Regler eines Roboterarmes Regelung und Steuerung mit KNN Grundtypen Drehwinkelregelung eines Servomotors Stabilisierung eines Pendels Positionsregelung eines Manipulators Steuerung von Fahrzeugbewegungen Entwurf u. Realisierung eines Reglers mit KNN Übersicht Stabilitätsuntersuchung RegiereinsteIlung Konfigurierung des N-Reglers Realisierung Übungsaufgaben mit Lösungen Übungsaufgaben Lösungen Literaturverzeichnis Sachwortverzeichnis