Este documento desarrolla un controlador predictivo de modelo (MPC) para sistemas MIMO no lineales sujetos a perturbaciones limitadas. Un modelo lineal de parámetro variable (LPV) ayuda al MPC a tratar con dinámicas no lineales. En este estudio, el proceso no lineal se representa mediante un LPV utilizando información de entrada-salida pasada (LPV-IO). Dos objetivos principales de este estudio son reducir la carga computacional en línea en comparación con la literatura existente de MPC con un modelo LPV-IO y confirmar la robustez del controlador en presencia de perturbaciones. Para el primer objetivo, se emplea una red neuronal recurrente (RNN) para resolver problemas de optimización en tiempo real con una menor computación en línea. En cuanto a la robustez, se desarrolla una nueva ley de control, que comprende una ganancia de control fija () y una perturbación libre (. El método propuesto disfruta de un conservadurismo reducido debido al descubrimiento de una región terminal posible más grande y al uso de movimientos de control libres. La estrategia se examina en un proceso de alquilación de benceno y muestra un rendimiento excepcional tanto en el seguimiento de consignas como en problemas de rechazo de perturbaciones. Además, se destaca la superioridad de RNN sobre tres algoritmos de optimización convencionales en términos de MSE, el tiempo promedio para resolver el problema de optimización y el valor de la función de costo.