Resumen

Los controladores predictivos de modelos basados en redes neuronales han demostrado un alto potencial en la rama no convencional del control no lineal. Sin embargo, la cuestión principal en el control de procesos de sistemas no lineales es la sensibilidad de las variaciones de los parámetros y las incertidumbres. En efecto, cuando se controla el proceso mediante control predictivo de modelos basado en redes neuronales (neural network model predictive control, NNMPC) y está sujeto a tales variaciones e incertidumbre, se obtienen desempeńos insatisfactorios.

Para solucionar este problema, en este artículo se propone control predictivo adaptativo de modelos basado en redes neuronales (adaptive neural network model predictive control, ANNMPC) donde se incorpora un bloque neuronal de identificación de modelo en el esquema y se proporciona una actualización en línea de los pesos cuando el proceso está sujeto a variaciones de parámetros e incertidumbres. Se llevaron a cabo simulaciones para mostrar el carácter robusto de este algoritmo de control.

• Materias:Control automático Procesos industriales Redes neuronales (Computadores)
• Subjects:Automatic control Industrial processes Neural networks (Computer science)
• Palabras claves:Simulación, Control de procesos, Control predictivo basado en modelos, Control predictivo adaptativo de modelos basado en redes neuronales, Sistema adaptativo, Variaciones de parámetros, Incertidumbres
• Keywords:Simulation, Process control, Predictive control based on models, Adaptive predictive control of models based on neural networks, Adaptive system, Variations of parameters, Uncertainties