# 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
