در این نوشتار الگوریتم کنترل پیش بین غیرخطی (nmpc) مبتنی بر مدل شبکه عصبی برای سیستمهای غیرخطی چندمتغیره پیشنهاد شده است. ابتدا یک مدل چند ورودی – چند خروجی (mimo) با استفاده از شبکه عصبی پرسپترون چندلایه (mlp) بدست می آید که با الگوریتم levenberg-marquardt و سیگنالهای آموزش باینری شبه تصادفی دامنه دار (aprbs) همراه با نویز آموزش می بیند. این مدل به عنوان یک مدل کلی برای تمام نقاط کاری مورد نظر می باشد. کنترل پیش بین نیز برای بهینه سازی سیگنال کنترل از الگوریتم levenberg-marquardt استفاده می کند. عملکرد کنترل با استفاده از مدل اغتشاش که هم عدم تطابق مدل و هم اغتشاش خارجی را جبران می کند، بهبود می یابد. نرخ آموزش شبکه تخمینگر اغتشاش به طور تطبیقی تغییر می کند تا با عدم تطابق مدل به طور جداگانه از اغتشاش خارجی برخورد کند. نتایج شبیه سازی و پیاده سازی عملی روی دستگاه چهارتانک مفید بودن این روش کنترلی را نشان می دهد.