The design of experiments, training and implementation of nonlinear controllers based on neural networks

Abstract In the area of nonlinear predictive control, several control schemes using artificial neural networks have been proposed. In this work, the issues relating to the information contents of the data used to train the neural network components of these nonlinear predictive control schemes are considered. This raises questions about the design of experiments. A class of feedback‐feedforward nonlinear controller based on the model predictive structure (also known as Internal Model Control, IMC, structure) is investigated. The implementation and performance of these neural network based controllers, together with comparisons to other nonlinear and linear controllers, are illustrated on two nonlinear continuous‐stirred‐tank‐reactor simulations. Dans le domaine du contrôle prédictif non linéaire, plusieurs schémas de contrôle utilisant des réseaux neuronaux artificiels ont été proposés. Dans ce travail, on considère les problèmes reliés au contenu informationnel des données utilisées pour entraîner les composantes de réseaux neuronaux de ces schémas de contrôle prédictifs nbon linéaires. Des questions se posent alors sur la conception des expériences. On a étudié une catégorie de contrôleur non linéaire à rétroaction‐anticipation, qui est basé sur la structure prédictive des modèles (connue également comme la structure de «contrôle interne des modèles» ou IMC). On illustre par deux simulations non linéaires de réacteur agité continu l'application et la performance de ces réseaux neuronaux basés sur des contrôleurs et on fait des comparaisons avec d'autres contrôleurs linéaires et non linéaires.