Primeros resultados de la integración de modelos neuronales MIMO en la estrategia iMO-NMPC

Abstract

[Resumen] Este trabajo presenta un estudio preliminar donde se analizará y estudiará la eficiencia de las redes neuronales artificiales de topología NARX (Nonlinear Autoregressive eXogenous) en la reproducción del comportamiento de sistemas con dinámicas complejas y su posterior uso en estructuras de control inteligente. Específicamente se valorará el comportamiento de dichas redes NARX, no solo en la estimación de las salidas de los sistemas a una muestra en el futuro, sino que se analizará su comportamiento hasta un horizonte de predicción determinado. Concretamente, debido a las características dinámicas de los sistemas no lineales estudiados este estudio se hará para un horizonte de 10 muestras en configuración closed-loop. El objetivo de este estudio es analizar si existen divergencias en las salidas estimadas por la red NARX al depender su cálculo de los valores anteriores estimados por la propia red. Dichas estructuras NARX se configurarán para reproducir tanto sistemas monovariables, como multivariables. En especial, este estudio se extenderá al caso del control predictivo no lineal basado en modelos iMO-NMPC, el cual constituye una línea de trabajo dentro del grupo de investigación de control inteligente (GICI) de la UPV/EHU.

[Abstract] This work presents a preliminary study where the efficiency of artificial neural networks of NARX (Nonlinear Autoregressive eXogenous) topology in reproducing the behavior of systems with complex dynamics and their subsequent use in intelligent control structures will be analyzed and studied. Specifically, the behavior of these NARX networks will be evaluated, not only in the estimation of the outputs of the systems to a sample in the future, but also their behavior will be analyzed up to a certain prediction horizon. In particular, due to the dynamic characteristics of the nonlinear systems studied, this study will be carried out for a horizon of 10 samples in a close-loop configuration. The objective of this study is to analyze whether there are divergences in the outputs estimated by the NARX network as its calculation depends on the previous values estimated by the network itself. These NARX structures will be configured to reproduce both monovariable and multivariable systems. Especially, this study will be extended to the case of nonlinear predictive control based on models, iMO-NMPC, which constitutes a line of work within the intelligent control research group (GICI) of the UPV/EHU.