-
Kaíque G. Machado
Laboratório de Instrumentação Inteligente Departamento de Engenharia de Computação e Automação Universidade Federal do Rio Grande do Norte Campus Universitário Lagoa Nova CEP 59078-970 Natal, Rio Grande do Norte
-
Welington S. Santos
Laboratório de Instrumentação Inteligente Departamento de Engenharia de Computação e Automação Universidade Federal do Rio Grande do Norte Campus Universitário Lagoa Nova CEP 59078-970 Natal, Rio Grande do Norte
-
Daniel L. Martins
Laboratório de Instrumentação Inteligente Departamento de Engenharia de Computação e Automação Universidade Federal do Rio Grande do Norte Campus Universitário Lagoa Nova CEP 59078-970 Natal, Rio Grande do Norte
-
Adrião D. D. Neto
Laboratório de Instrumentação Inteligente Departamento de Engenharia de Computação e Automação Universidade Federal do Rio Grande do Norte Campus Universitário Lagoa Nova CEP 59078-970 Natal, Rio Grande do Norte
Keywords:
Wireless Industrial Sensor Networks, Artificial neural networks, LSTM, Identified Systems, Dynamic Models, Coupled Tank System
Abstract
Dynamic systems models are essential to perform tests and determine behavior of real systems in different situations, but their determination is often complex. The present work presents the use of an LSTM neural network (Long-Short Term Memory) to identify a tank system. The results of the training of two models are presented, one with a single neural network and the other with a split neural network and the results demonstrate that for the problem addressed, the use of the model with a split neural network can meet the purpose of simulating the system of tanks with a low error (on the order of a few millimeters) between the real value and the one estimated by the model, both for the prediction and simulation approaches.
