Control de un sistema multivariable no lineal y en fase no mínima empleando un controlador predictivo neuronal

Abstract

En este artículo se propone un Controlador Predictivo Neuronal (ANN-MPC) para controlar un sistema no lineal de tanque cuádruple, el cual es complejo de controlar debido a la no linealidad de sus válvulas y a la interacción entre sus variables controladas. Además, el problema se agrava ya que el proceso presenta una respuesta transitoria con dinámica inversa por estar en fase no mínima. El ANN-MPC emplea una estructura modular de red neuronal artificial y el algoritmo de entrenamiento Levenberg-Marquardt para estimar con mayor precisión y rapidez las salidas del proceso no lineal y evitar el sobreajuste del modelo. Se generaron datos operativos a partir de la planta para entrenar la red neuronal empleando Matlab. Se probó el rendimiento del ANN-MPC ante cambios de referencia y se comparó con un MPC lineal y un MPC no lineal. Los resultados de simulación mostraron que el ANN-MPC produjo un menor tiempo de establecimiento que el MPC lineal y generó valores RMSE de las salidas similares a los del NMPC. Además, se redujo el tiempo de cómputo requerido para calcular la variable de control óptima comparado con el NMPC.