ASIGNATURA Sistemas de Control Inteligente

Transcripción

1 ASIGNATURA Sistemas de Control Inteligente Máster Universitario en Sistemas Electrónicos Avanzados. Sistemas Inteligentes Universidad de Alcalá Curso Académico 2012/13

2 GUÍA DOCENTE Nombre de la asignatura: Sistemas de Control Inteligente Código: Titulación en la que se imparte: Máster Universitario en Sistemas Electrónicos Avanzados. Sistemas Inteligentes Departamento y Área de Conocimiento: Dpto: Electrónica, Área: Tecnología Electrónica Carácter: Optativo Créditos ECTS: 6 Curso y cuatrimestre: Profesorado: Horario de Tutoría: 1º curso, 1C y 2º curso 1C Luis Miguel Bergasa Pascual Manuel Ocaña Miguel L 17-19, J 17-19, V L 15-17, M 12-14, X Idioma en el que se imparte: Español 1. PRESENTACIÓN La asignatura consta de una parte de teoría (3.5 créditos) y otra de laboratorio (2.5 créditos). En la primera parte se estudian los conceptos teóricos de las redes neuronales y los sistemas borrosos con el objetivo de aplicarlos a la teoría de control inteligente. Asimismo se estudia la estabilidad de este tipo de controladores y algunos criterios apriorísticos de diseño de controladores estables en la práctica. En la parte de laboratorio el alumno realizará la simulación de un controlador neuronal y un controlador borroso para, finalmente, abordar el diseño, prueba y validación de un miniproyecto de carácter teórico-práctico. 2. COMPETENCIAS Competencias genéricas: 1. Conocimiento de materias básicas y tecnologías, que le capacite para el aprendizaje de nuevos métodos y tecnologías, así como que le dote de una gran versatilidad para adaptarse a nuevas situaciones. 2. Capacidad de resolver problemas con iniciativa, toma de decisiones, creatividad, y de comunicar y transmitir conocimientos, habilidades y 2

3 destrezas, comprendiendo la responsabilidad ética y profesional de la actividad del futuro Máster. 3. Conocimientos para la realización de cálculos, valoraciones, estudios, informes, planificación de tareas, programación de algoritmos y otros trabajos análogos en el ámbito específico de los sistemas inteligentes. 4. Facilidad para el manejo de especificaciones, reglamentos y normas de obligado cumplimiento. 5. Capacidad de analizar y valorar el impacto social y medioambiental de las soluciones técnicas. 6. Conocer y aplicar elementos básicos de economía y de gestión de recursos humanos, organización y planificación de proyectos, así como de legislación, regulación y normalización en el diseño de sistemas inteligentes. 7. Capacidad de trabajar en un grupo multidisciplinar y en un entorno multilingüe y de comunicar, tanto por escrito como de forma oral, conocimientos, procedimientos, resultados e ideas relacionadas con los sistemas inteligentes. Competencias específicas: 1. Comprensión y dominio de los fundamentos de la dinámica de sistemas. 2. Comprensión y dominio de conceptos básicos de Redes Neuronales, técnicas de control neuronal y de estudio de estabilidad de las mismas. 3. Capacidad para diseñar un controlador neuronal SISO y MIMO estable. 4. Comprensión y dominio de conceptos básicos sobre Lógica Borrosa, técnicas de control borroso y de estudio de estabilidad de los mismos. 5. Capacidad para realizar un diseño analítico de controladores borrosos estables. 6. Comprensión y dominio de conceptos básicos sobre Algoritmos Evolutivos. 7. Capacidad para evaluar las ventajas e inconvenientes de diferentes alternativas tecnológicas de despliegue o implementación de sistemas de control inteligente. 8. Capacidad de describir, diseñar, programar, validar y optimizar un sistema de control inteligente para el desarrollo de una determinada aplicación. 3. CONTENIDOS Bloques de contenido (se pueden especificar los temas si se considera necesario) Tema 1: Dinámica de Sistemas 1 horas Total de clases, créditos u horas 3

4 Tema 2: Conceptos básicos sobre Redes Neuronales (RRNN) 2 horas Tema 3: Clasificación de redes neuronales 2 horas Tema 4: Control Neuronal 3 horas Tema 5: Conceptos básicos sobre Lógica Borrosa 3 horas Tema 6: Control Borroso 2 horas Tema 7: Diseño analítico de controladores borrosos estables 3 horas Tema 8: Seminario sobre Algoritmos Evolutivos 4 horas Training 1- Identificación y Control Neuronal 4 horas Training 2 - Control Borroso 4 horas Miniproyecto 10 horas Cronograma Semana / Sesión 01ª Presentación asignatura Contenido 02ª Tema 1: Dinámica de Sistemas 03ª Tema 2: Conceptos básicos sobre Redes Neuronales (RRNN) 04ª Tema 3: Clasificación de redes neuronales 05ª Tema 4: Control Neuronal 06ª Tema 4: Control Neuronal 07ª Training 1- Identificación y Control Neuronal 08ª Training 1- Identificación y Control Neuronal 09ª Tema 5: Conceptos básicos sobre Lógica Borrosa 10ª Training 1- Identificación y Control Neuronal 11ª Temas 5 y 6: Introducción al control borroso 12ª Tema 6: Control Borroso 13ª Tema 7: Diseño analítico de controladores borrosos estables 4

5 14ª Tema 7: Diseño analítico de controladores borrosos estables 15ª Training 2 - Control Borroso 16ª Training 2 - Control Borroso 17ª Miniproyecto 18ª Tema 8: Seminario sobre Algoritmos Evolutivos 19ª Tema 8: Seminario sobre Algoritmos Evolutivos 20ª a 26ª Miniproyecto 4. METODOLOGÍAS DE ENSEÑANZA-APRENDIZAJE.-ACTIVIDADES FORMATIVAS 4.1. Distribución de créditos (especificar en horas) Número de horas presenciales: 42 Número de horas del trabajo propio del estudiante: 108 Total horas Estrategias metodológicas, materiales y recursos didácticos La impartición de esta asignatura se plantea como una combinación de varios elementos, orientada al Learning by doing : Explicaciones teóricas en aula utilizando pizarra, transparencias y material multimedia. Las lecciones teóricas incluyen el desarrollo de ejemplos que ilustran el contenido de los diferentes temas de forma práctica y aplicada. Training en laboratorio. Se proporcionan una serie de prácticas de laboratorio ya resueltas que sirven para que el alumno desarrolle y consolide el conocimiento de las herramientas más habituales para el diseño, simulación y validación de Sistemas de Control Inteligente. Asimismo, durante la fase de training, el profesor propondrá la realización de modificaciones de diseño sobre la base proporcionada en los ejemplos resueltos, de forma que el alumno pueda desarrollar habilidades de diseño y evaluación de sistemas inteligentes mediante la utilización de ejemplos prácticos. Herramienta de desarrollo: como herramienta básica se propone Matlab Simulink junto a las Toolboxes de Control Neuronal y Borroso. El alumno podrá hacer uso de esta herramienta tanto en el laboratorio como en su propio ordenador personal, haciendo uso de una versión de evaluación. 5

6 Miniproyecto. Se propondrá la realización de varios trabajos prácticos en los cuales el alumno debe abordar las fases de diseño, simulación, evaluación y validación del sistema inteligente desarrollado. El miniproyecto podrá realizarse en grupos de 2 personas. La valoración del trabajo se llevará a cabo mediante la entrega de una memoria escrita en la que se proporcionen de forma clara y detallada el método científico utilizado para diseñar la solución propuesta, los resultados alcanzados y las conclusiones finales. La memoria escrita tendrá el formato de un artículo científico siguiendo la plantilla que el profesor de la asignatura proporcionará a través de la página Web de la misma. Dicha plantilla contendrá los siguientes apartados: Título, Resumen (Abstract), Introducción, Descripción del método, Implementación y Resultados, Conclusiones y Trabajo Futuro, Referencias. La redacción en inglés de la memoria final se valorará con un máximo de 10 ptos adicionales. Página Web. La página Web de la asignatura puede encontrarse en el apartado de docencia en: La página Web dispone de la siguiente información: o Información académica sobre la asignatura y el profesor. o Temario. o Objetivos del programa formativo. o Metodología de enseñanza. o Método de Evaluación. o Documentación sobre temas teóricos y prácticas de laboratorio. o Enunciados de los miniproyectos propuestos. o Bibliografía básica y complementaria recomendada. o Enlaces a otras páginas de interés en relación con la asignatura. Examen escrito tipo test. El examen escrito constará de 20 preguntas tipo test. Cada respuesta acertada puntuará 1 punto. Cada respuesta fallida restará 0.25 puntos. Las respuestas en blanco no serán penalizadas. 5. EVALUACIÓN: Procedimientos, criterios de evaluación y de calificación Método de Evaluación: Examen escrito tipo Test: 30 puntos Miniproyecto: 50 puntos o Calidad de la memoria 5 puntos o Método científico 20 puntos o Calidad resultados 20 puntos o Presentación 5 puntos Participación en clase: 20 puntos o Asistencia: 5 puntos o Training: 15 puntos 6

7 6. BIBLIOGRAFÍA Bibliografía Básica Redes Neuronales y Sistemas Borrosos. Bonifacio Martín del Brío y Alfredo Sanz Molina. Ed. RAMA Controladores en lógica borrosa. Javier Holgado Corrales. Servicio de Publicaciones de la Universidad de Cadiz Control neuronal. Luciano Boquete y Rafael Barea. Servicio de Publicaciones de la Universidad de Alcalá Fuzzy Control and Fuzzy systems. second, extended edition. Witold Pedrycz. Research Studies Press Ltd. Ng, Application of Neural Networks to Adaptive Control of Nonlinear Systems. G. W. Ng. Research Studies Press Ltd. England Bibliografía Complementaria An Introduction to Fuzzy Control. D. Driankov, H. Hellendoorn and M. Reinfrank. Springer-Verlag. Adaptive Fuzzy Systems and Control Design and Stability Analysis. Li-Xin Wang. University of California at Berkeley. PTR Prentice Hall. Brown. H & Harris. C, Neurofuzzy Adaptive Modelling and Control. Prentice Hall. Gómez, Redes Neuronales Multicapa: Modelos de Aprendizaje y Aplicaciones. Tesis doctoral. Departamento de la Estructura y la Constitución de la Materia. Universidad de Barcelona, Apuntes asignatura de doctorado: Control Inteligente Mediante Técnicas Borrosas. Luis Magdalena. Dpto. Matemática Aplicada a las Tecnologías de la Información. Universidad Politécnica de Madrid. 7