El modelo cinemático del robot móvil es un sistema afín no lineal, que está limitado por restricciones de velocidad y aceleración. Por lo tanto, los métodos de control tradicionales pueden no resolver el problema de seguimiento debido a la restricción física. En este artículo, presentamos el algoritmo de control predictivo no lineal (NMPC) para seguir la trayectoria deseada basado en la optimización dinámica neuronal. En el algoritmo propuesto, el esquema NMPC utiliza una nueva red neuronal llamada red neuronal diferencial convergente de parámetros variables (VPCDNN), que es una estructura de red neuronal de Hopfield en relación con la teoría de ecuaciones diferenciales para resolver el problema de programación cuadrática (QP). La nueva estructura de red converge a la solución óptima global y es más eficiente que los métodos numéricos tradicionales. En la simulación, verificamos que el método propuesto es capaz de seguir con éxito trayectorias de referencia con un robot móvil de dos ruedas. La validación experimental se ha llevado a cabo en simulación y los resultados muestran que el método propuesto es capaz de seguir la trayectoria con precisión manteniendo una alta robustez basada en el solucionador VPCDNN.