Estudio del comportamiento de modelos neuronales de sistemas MIMO acoplados

Abstract

[Resumen] En la actualidad, son muchos los trabajos donde se utilizan modelos neuronales para reproducir las dinámicas de complejos sistemas no lineales. Existe un amplio estudio para propuestas que contemplan sistemas monovariables. Pero cuando se trata de lograr un modelo integral de un sistema multivariable (MIMO) son muchas las incógnitas que se presentan, además de las clásicas relacionadas con la capacidad de la red neuronal de reproducir la salida del sistema en predicciones a una muestra o con la robustez de dicho modelo neuronal a determinadas perturbaciones o incertidumbres aparecidas en el sistema. Cuando se trata de trabajar con sistemas MIMO surgen nuevos retos como son la predicción a futuro realizada por dicho modelo y los acoplamientos inherentes en el mismo. Por ello, este trabajo propone introducir en la validación de modelos neuronales un análisis metodológico donde se consideren todas estas variantes. Como caso de uso, este trabajo presentará el modelo neuronal de un sistema de refrigeración de una pila de combustible tipo PEM.

[Abstract] At present, there are many works where neural models are used to reproduce the dynamics of complex non-linear systems. There is an extensive study for proposals that contemplate monovariable systems. But when it comes to achieving an integral model of a multivariable system (MIMO), many issues arise, in addition to the classic ones related to the capacity of the neural network to reproduce the output of the system in one-sample predictions or with the robustness of the neural model to certain perturbations or uncertainties appearing in the system. When it comes to working with MIMO systems, new challenges arise, such as the forward prediction performed by the model and the couplings inherent in it. Therefore, this work proposes to introduce in the validation of neural models a methodological analysis where all these variants are considered. As a use case, this work will present the neural model of a PEM fuel cell cooling system.