Identificacion y control predictivo basado en modelos mediante red neuronal en el espacio

Abstract

Este trabajo de tesis establece un modelo neuronal en el espacio de estados para identificacion de sistemas no lineales. Se desarrollan metodos de analisis sobre dicho modelo que permiten caracterizar su respuesta dinamica y establecer criterios de estabilidad. El modelo es capaz de realizar predicciones a varios pasos con gran precision una vez entrenada la red neuronal con algoritmos especificos. Esta capacidad de prediccion se utiliza en un controlador predictivo basado en modelos con restricciones para dar lugar a un controlador predictivo neuronal. Las ideas desarrolladas se prueban en primer lugar en simulacion para comprobar su correcto funcionamiento, y, posteriormente, con datos reales. Finalmente se realizan unas pruebas preliminares en una planta real del controlador predictivo neuronal implementandolo dentro de un sistema experto conectado al sistema de control distribuido de la planta.