Control Inteligente en Sistemas de Transporte Máster Universitario en Ingeniería Industrial Universidad de Alcalá Curso Académico 2017/2018 Curso 2º Cuatrimestre 2º
GUÍA DOCENTE Nombre de la asignatura: Código: 202010 Titulación en la que se imparte: Departamento y Área de Conocimiento: Carácter: Créditos ECTS: 6 Control Inteligente en Sistemas de Transporte Máster Universitario en Ingeniería Industrial Departamento: Electrónica Áreas: Tecnología Electrónica Optativa Curso y cuatrimestre: Curso 2º Cuatrimestre 2º Profesorado Horario de Tutoría: Idioma en el que se imparte: Daniel Pizarro Pérez (responsable) Felipe Espinosa Consultar página web de asignatura (Aula Virtual) Español 1a. PRESENTACIÓN Esta asignatura estudia las técnicas de sistemas de control en red y de control neuronal y borroso y las aplica al diseño de sistemas de control inteligente en el campo de la robótica y del transporte. Consta de una parte de teoría y otra de laboratorio donde se comprueban de forma práctica los conceptos teóricos aprendidos. En el bloque de sistemas de control en red se aborda el problema del control y/o sensado remoto de un vehículo, así como la aplicación de técnicas de diseño de controladores no lineales a sistemas inteligentes de transporte. En el bloque de control neuronal y borroso se estudian 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 el bloque práctico el alumno evaluará el diseño de diferentes técnicas de control aplicado a modelos de unidades de transporte. Debido a su naturaleza de materia de formación optativa de intensificación, se recomienda haber adquirido las competencias correspondientes a las siguientes materias básicas y comunes de formación: Ingeniería de Control e Ingeniería de Transporte. 2
1b. COURSE SUMMARY This course provides and introduction to networked control and intelligent control systems for applications in robotics and intelligent transport systems. The course takes place in form of both theoretical and practical lessons. The course is divided into two main blocks: i) networked control systems and ii) intelligent control systems. The first block introduces linear and non-linear control strategies of a vehicle and the problem of networked control. The second block introduces intelligent control strategies, such as fuzzy control systems and neural control systems, including design and stability analysis for controlling vehicles and transport units. Students evaluate different control strategies using both simulation and real mobile robot platforms. 2. COMPETENCIAS y RESULTADOS DEL APRENDIZAJE Esta asignatura contribuye a adquirir las competencias Básicas, Generales y Transversales que se detallan en el siguiente listado: Competencias Básicas, Generales y Transversales. Por otro lado, los resultados de aprendizaje esperados con esta asignatura son los siguientes: RARP14: Compresión del papel desempeñado por los sistemas sensoriales y de comunicación en el control inteligente de unidades de transporte. Desarrollar sistemas de control inteligente aplicados a robótica y al transporte. Conocer las técnicas de control inteligente. 3
3. CONTENIDOS Se estudiarán los siguientes contenidos sobre control inteligente en el ámbito de los sistemas de transporte y de interés para la especialidad de robótica y percepción: Bloques de contenido (se pueden especificar los temas si se considera necesario) Total horas Bloque 1. Sistemas de control en red Tema 1: Introducción al control inteligente en sistemas de transporte. (4 horas) 20 horas Tema 2: Sistemas de control en red y control no lineal. (16 horas) Bloque 2. Control Neuronal y Borroso Tema 1: Teoría sobre redes neuronales. (6 horas) Tema 2: Control Neuronal. (4 horas) 23 horas Tema 3: Teoría sobre Lógica Borrosa. (6 horas) Tema 4: Control Borroso. (7 horas) Bloque 3. Práctica: Diseño de un sistema de control inteligente en sistemas de transporte 13 horas 4. METODOLOGÍAS DE ENSEÑANZA-APRENDIZAJE.-ACTIVIDADES FORMATIVAS 4.1. Distribución de créditos (especificar en horas) Número de horas presenciales: Número de horas del trabajo propio del estudiante: Total horas 58 h (43h de clases teóricas, 13h de laboratorio/seminarios y 2h de pruebas) 92 h 150 h 4
4.2. Estrategias metodológicas, materiales y recursos didácticos En el proceso de enseñanza-aprendizaje se realizarán las siguientes actividades formativas: Clases teóricas y resolución de ejemplos. Clases prácticas: laboratorio y resolución de ejercicios y problemas. Tutorías: individuales y/o grupales. Además se podrán utilizar, entre otros, los siguientes recursos complementarios: Trabajos individuales o en grupo: conllevando además de su realización, la correspondiente exposición pública ante el resto de compañeros para propiciar el debate. Asistencia a conferencias, reuniones o discusiones científicas relacionadas con la materia. A lo largo del curso al alumno se le irán proponiendo actividades y tareas tanto teóricas como prácticas. Se realizarán distintas prácticas coordinadamente con la impartición de los conceptos teóricos, de manera que el alumno pueda experimentar tanto individualmente como en grupo, consolidando así los conceptos adquiridos. Para la realización de las prácticas, el alumno dispondrá en el laboratorio de un puesto con un ordenador y los elementos necesarios para la experimentación de técnicas de control inteligente. Durante todo el proceso de aprendizaje de la asignatura, el alumno deberá hacer uso de distintas fuentes y recursos bibliográficos o electrónicos, de manera que se familiarice con los entornos de documentación que utilizará profesionalmente. 5. EVALUACIÓN: Procedimientos, criterios de evaluación y de calificación Preferentemente se ofrecerá a los alumnos un sistema de evaluación continua que tenga características de evaluación formativa, de manera que sirva de realimentación en el proceso de enseñanza-aprendizaje por parte del alumno. Para ello se establecen los siguientes: 5.1 Procedimientos de Evaluación El proceso de evaluación propuesto está inspirado en la evaluación continua, si bien, respetando la normativa de la Universidad de Alcalá, el alumno podrá acogerse a la 5
evaluación final 1. La evaluación del proceso de aprendizaje de todos los alumnos que no cursen solicitud al respecto o vean denegada la misma se realizará, por defecto, de acuerdo al modelo de evaluación continua descrito a continuación. 5.2. Criterios de Evaluación Los Criterios de Evaluación deben atender al grado de adquisición de las competencias por parte del estudiante. Para ello se definen los siguientes. CE1: Que el alumno sea capaz de resolver correctamente problemas relacionados con el diseño de sistemas de control inteligente. CE2: El alumno integra los conocimientos explicados en los distintos temas de teoría para poder resolver de manera creativa y original los problemas que se le planteen. CE3: Que el alumno implemente en la práctica sistemas de control inteligente que den solución a los problemas planteados integrando los conocimientos adquiridos sobre el funcionamiento de los sistemas de control, haciendo uso de los recursos bibliográficos y herramientas informáticas a su alcance. CE4: El alumno es capaz de generar documentación correctamente redactada, clara y precisa sobre el trabajo realizado en el laboratorio. CE5: El alumno expone y defiende de manera clara y razonada sus propuestas para la resolución de los problemas planteados. 5.3. Instrumentos de calificación Esta sección expone los instrumentos de evaluación que serán aplicados a cada uno de los criterios de Evaluación. 1. Test de conocimientos básicos (PEF). Se realizará un test de conocimientos básicos al final del curso que consistirán en una serie preguntas de respuesta múltiple que abordarán los aspectos teóricos básicos de los temas impartidos. 2. Entrega de un ejercicio o estudio de un artículo (E). Consiste en la resolución de un problema práctico relativo al bloque 1 o bloque 2 de la asignatura. 3. Práctica final (PL). Consiste en el diseño de una aplicación práctica de control inteligente orientada a la robótica o a los sistemas de transporte, en la que el alumno debe aplicar e interrelacionar los conocimientos teórico-prácticos adquiridos en la asignatura. Se presentará una memoria del trabajo y se realizará una presentación oral del mismo. 1 Los alumnos tendrán un plazo de 15 días para solicitar por escrito al Director de la EPS su intención de acogerse al modelo de evaluación final aduciendo las razones que estimen convenientes según lo indicado en la normativa reguladora de los procesos de evaluación de los aprendizajes (aprobada en Consejo de Gobierno de 5 de mayo de 2016. 6
5.4. Criterios de calificación 5.4.1. Modelo de Evaluación Continua: a) Convocatoria Ordinaria. Los estudiantes serán evaluados de forma continuada mediante pruebas distribuidas a lo largo del periodo lectivo. El tipo de pruebas a realizar en esta convocatoria, los porcentajes de peso de tales pruebas sobre la calificación final así como la relación entre los criterios, instrumentos de evaluación y los resultados de aprendizaje de la asignatura es el siguiente: Resultado de Aprendizaje RARP14 Criterio de Evaluación Instrumento de Evaluación CE1, CE2 PEF 40% CE1-CE3 E 20% CE1-CE5 PL 40% Peso en la calificación Se considerará que un alumno ha participado en el proceso enseñanzaaprendizaje y por tanto se ha presentado en la convocatoria ordinaria si se presenta al PEF. Se considerará que los alumnos han superado la asignatura si logran una calificación global ponderada igual o superior a 5 (sobre 10) entre todos los instrumentos de evaluación. b) Convocatoria Extraordinaria. Aquellos alumnos que no superen la convocatoria ordinaria tendrán derecho a una Convocatoria Extraordinaria. El tipo de pruebas a realizar en esta convocatoria, los porcentajes de peso de tales pruebas sobre la calificación final así como la relación entre los criterios, instrumentos de evaluación y los resultados de aprendizaje de la asignatura es el siguiente: Resultado de Aprendizaje RARP14 Criterio de Evaluación Instrumento de Evaluación CE1, CE2 PEF 50% CE1-CE5 PL 50% Peso en la calificación Se considerará que los alumnos han superado la asignatura si logran una calificación global ponderada igual o superior a 5 (sobre 10) entre todos los instrumentos de evaluación. 5.4.2. Modelo de Evaluación Final: 7
a) Convocatoria Ordinaria. El tipo de pruebas a realizar en esta convocatoria, los porcentajes de peso de tales pruebas sobre la calificación final así como la relación entre los criterios, instrumentos de evaluación y los resultados de aprendizaje de la asignatura es el siguiente: Resultado de Aprendizaje RARP14 Criterio de Evaluación Instrumento de Evaluación CE1, CE2 PEF 50% CE1-CE5 PL 50% Peso en la calificación Se considerará que los alumnos han superado la asignatura si logran una calificación global ponderada igual o superior a 5 (sobre 10) entre todos los instrumentos de evaluación. b) Convocatoria Extraordinaria. Aquellos alumnos que no superen la convocatoria ordinaria tendrán derecho a una Convocatoria Extraordinaria. El tipo de pruebas a realizar en esta convocatoria, los porcentajes de peso de tales pruebas sobre la calificación final así como la relación entre los criterios, instrumentos de evaluación y los resultados de aprendizaje de la asignatura es el siguiente: Resultado de Aprendizaje RARP14 Criterio de Evaluación Instrumento de Evaluación CE1, CE2 PEF 50% CE1-CE5 PL 50% Peso en la calificación Se considerará que los alumnos han superado la asignatura si logran una calificación global ponderada igual o superior a 5 (sobre 10) entre todos los instrumentos de evaluación. 6. BIBLIOGRAFÍA 6.1 Bibliografía Básica A survey of recent results in networked control systems. Jo.ao P. Hespanha Payam Naghshtabrizi Yonggang Xu. http://www.ece.ucsb.edu/~hespanha/published/ncs_v15p.pdf A First Course in Fuzzy and Neural Control. Hung T. Nguyen, Nadipuram R. Prasad, Carol L. Walker, Elbert A. Walker. Chapman and Hall/CRC. 2002 8
6.2 Bibliografía Complementaria Model-Based Control of Networked Systems. Eloy Garcia, Panos J. Antsaklis, Luis A. Montestruque. 2014. DOI 10.1007/978-3-319-07803-8 Optimal state estimation. Dan Simon. ISBN-13 978-0-471-70858-2. 2006 Neural Network Design. Martin T. Hagan, Howard. B. Demuth, Mark Beale. PWS Publishing Company, Thomson Learning. 2002 Application of Neural Networks to Adaptive Control of Nonlinear Systems. G. W. Ng. Research Studies Press Ltd. England. 2003 Neural Control Engineering: The Emerging Intersection between Control Theory and Neuroscience. Steven J. Schiff. The MIT Press. Firts edition 2012 Redes Neuronales y Sistemas Borrosos. Bonifacio Martín del Brío y Alfredo Sanz Molina. Ed. RAMA. 2001 Fuzzy Control. Kevin M. Passino, Stephen Yurkovich. Addison Wesley Publishing Company. First edition 1997 An Introduction to Fuzzy Control. D. Driankov, H. Hellendoorn and M. Reinfrank. Springer-Verlag. 1996 Adaptive Fuzzy Systems and Control Design and Stability Analysis. Li-Xin Wang. University of California at Berkeley. PTR Prentice Hall. 1994 Controladores en lógica borrosa. Javier Holgado Corrales. Servicio de Publicaciones de la Universidad de Cádiz. 1995 9