Línea de Especialización Control de Sistemas

Transcripción

1 Línea de Especialización Control de Sistemas 1.- Propósito de la línea de especialización. Profesional con sólida formación teórico-práctica y visión global amplia acerca de diferentes métodos de modelación, análisis, simulación, instrumentación y control de procesos. Ingeniero capacitado para establecer puentes fructíferos entre la teoría, la práctica y los aspectos económicos asociados a la implementación de sistemas de control en procesos industriales. 2.- Listado de profesores. Profesores de Jornada Completa: Manuel Duarte M. Marcos Orchard. Doris Sáez H. Profesores de Jornada Parcial: Guillermo González. 3.- Requisitos de la línea de especialización. La línea de especialización requiere que se tomen los cursos EL5105 Control Avanzado de Sistemas y EL5205 Laboratorio de Control Avanzado. Además, se deben tomar al menos cinco cursos de los electivos de Pregrado y Postgrado descritos a continuación. 4.- Descripción general de los cursos. EL4105 Control Avanzado de Sistemas (Núcleo, Pregrado) estudiante sea capaz de diseñar y evaluar estrategias de control óptimo, inteligente y adaptativo, utilizando para este efecto herramientas analíticas y computacionales. i. Fundamentos del control óptimo. ii. Control inteligente. iii. Control adaptativo.

2 EL5205 Laboratorio de Control Avanzado (Laboratorio de núcleo, Pregrado) Resultados de aprendizaje: Al final de este curso, se espera que el estudiante sea capaz de distinguir las características y funcionamiento de diferentes elementos de hardware y software utilizados en el control industrial de procesos, analizar algoritmos para la determinación de estructuras y estimación de parámetros de modelos fenomenológicos, empíricos lineales y no lineales en los parámetros, difusos y neuronales, así como estrategias de control óptimo, inteligente y adaptativo; utilizando para estos efectos herramientas analíticas y computacionales y equipos de laboratorio. i. Estimación experimental de parámetros. ii. Estrategias de control adaptativo y nolineal. iii. Estrategias de control basadas en modelos de lógica difusa y redes neuronales. iv. Sistemas de control secuencial, distribuido y PLC. EL6014 Ingeniería de Control (Electivo de Pregrado) estudiante sea capaz de evaluar arquitecturas de sistemas de control, considerando estándares vigentes, plantear soluciones a problemas de automatización considerando conceptos de control lógico y experto, evaluar sistemas de control y sus componentes (sensores, actuadores), así como también evaluar proyectos de automatización desde el punto de vista técnico-económico. i. Arquitecturas de Sistemas de Control. ii. Instrumentación. iii. Control Lógico y Experto. iv. Documentación de Sistemas de Automatización e Instrumentación. EL7012 Control Inteligente de Sistemas (Electivo de estudiante analice y modele sistemas en base a lógica difusa y redes neuronales para fines de control, y diseñe estrategias de control con lógica difusa, redes neuronales y algoritmos evolutivos. i. Algoritmos evolutivos para control predictivo. ii. Diseño de controladores basados en redes neuronales. iii. Diseño de controladores basados en modelos difusos.

3 EL7013 Inteligencia Computacional (Electivo de Pregrado- Postgrado) estudiante aplique y evalúe técnicas de inteligencia computacional en problemas de reconocimiento de patrones, análisis de datos, optimización y diseño. i. Fundamentos de Inteligencia Computacional. ii. Clasificación. Clasificador Bayesiano. Perceptrón multicapa. SVM. iii. Clustering. K-means. Fuzzy K-means. Mapas de Kohonen. iv. Optimización y Diseño con Algoritmos Evolutivos. v. Algoritmos Genéticos. PSO. EL7014 Diagnóstico y Pronóstico de Fallas (Electivo de Resultados de aprendizaje: El estudiante será capaz, al final del curso, de evaluar distintas alternativas de implementación de sistemas de detección temprana, diagnóstico de fallas y pronóstico de vida útil de equipos, en base a las características que definen los procesos en análisis y considerando aspectos teórico-prácticos de implementación. i. Definiciones básicas: diagnóstico de fallas y pronóstico de eventos catastróficos. Test de hipótesis. ii. Diagnóstico de fallas basado en análisis de residuos: modelos predictivos basados en componentes principales (PCA), proyección a estructuras latentes (PLS), lógica difusa y redes neuronales. iii. Estimación Bayesiana aplicada a detección y aislamiento de fallas. iv. Métodos sequenciales de Monte Carlo aplicados a diagnóstico de fallas. v. Métodos sequenciales de Monte Carlo aplicados al pronóstico de eventos.

4 EL7015 Identificación de Sistemas (Electivo de Pregrado- Postgrado) Resultado de aprendizaje: El estudiante adquirirá una visión general de la identificación de sistemas y su relación con la modelación, incluyendo la modelación, como proyección en espacios de Hilbert de señales de entrada (bases) para el caso de sistemas lineales y no lineales, pero lineales en los parámetros. Estará capacitado para emplear herramientas matemáticas y de software para resolver los problemas de determinación de estructuras y estimación de parámetros de sistemas. i. Importancia de la identificación en la modelación de sistemas. ii. Identificación de sistemas lineales en los parámetros. Proyecciones en espacios de producto interno. iii. Estimación de parámetros y determinación de estructuras. iv. Aplicaciones de la identificación en control y otras disciplinas. v. Empleo de software para la solución de problemas de modelación e identificación. EL7016 Optimización para el Control (Electivo de Resultado de aprendizaje: El alumno dominará y aplicará herramientas matemáticas y de software para resolver problemas que se presentan en control óptimo, tanto en casos dinámicos como estáticos y determinísticos como estocásticos, con y sin restricciones, incluyendo la estimación y predicción óptima de señales y estados para fines del control óptimo de sistemas. i. Control óptimo en relación con otros métodos de control. ii. Principio del máximo y su aplicación. iii. Control LQ y LQR (sistemas lineales, función de costo cuadrática, caso determinístico). iv. Control LQG y LQGR (caso estocástico)- Relación con le Filtro de Kalman. v. Empleo de software para la solución de problemas de control óptimo.

5 EL7017 Control Adaptable de Sistemas (Electivo de Resultado de aprendizaje: El alumno comprenderá y aplicará herramientas matemáticas y de software para resolver problemas que se presentan en el control de plantas de parámetros desconocidos, sujetas a perturbaciones externas y a la existencia de dinámica no modelada. El tratamiento se hará para sistemas lineales y no-lineales, tanto de tiempo continuo como discreto. i. Teoría de estabilidad usada en control adaptable. ii. Sistemas adaptables simples y observadores adaptables. iii. Control adaptable por referencia a modelo (CARM). iv. Reguladores auto-ajustables. v. Control Adaptable Robusto. vi. Aplicaciones del control adaptable y empleo de software para la solución de problemas de control adaptable.