# Inicializa vetor de erros error = np.zeros((1,2)) # Inicializa MLP MLPcontroller = MLPRegressor(hidden_layer_sizes=(6), random_state=1, max_iter=200) for n in range(2,600000): # Calcula corrente i[1,n] = a1*i[1,n-1] + a2*i[1,n-2] + a3*V[1,n-1] + a4*V[1,n-2] + a5*Cl[1,n-1] + a6*Cl[1,n-2] # Calcula velocidade w[1,n] = b1*w[1,n-1] + b2*w[1,n-2] + b3*V[1,n-1] + b4*V[1,n-2] + b5*Cl[1,n-1] + b6*Cl[1,n-2] # Gera vetor de entrada para rede X = [i[1,n], i[1,n-1] w[1,n] w[1,n-1] Ref[1,n] Ref[1,n-1] V[1,n] V[1,n-1]] # Prediz Valor V[1,n] = MLPcontroller.predict(X) # Calcula erro de predição error[1,n] = ref[1,n] - w[1,n] # Atualiza pesos MLPcontroller.update(X,ref[1,n]) end