Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El457-Control y Automatizacion Ii PDF
El457-Control y Automatizacion Ii PDF
DE INGENIERIA ELECTRONICA
IDENTIFICACIÓN
Nombre de la asignatura ELECTIVA DE CONTROL II
Código de la asignatura
Programa Académico Ingeniería Electrónica
Intensidad horaria semanal 4
Créditos académicos 4
Requisitos ELECTIVA CONTROL I, ELECTRÓNICA III
Departamento oferente Ingeniería Electrónica
Tipo Presencial
PRESENTACIÓN
Esta asignatura presenta un tratamiento adicional del análisis y diseño de sistemas de control.
Este es un curso teórico práctico, que capacita al estudiante para realizar sistemas inteligentes e
interfaces hombre máquina, mediante uso y desarrollo de técnicas de aprendizaje de máquinas
JUSTIFICACIÓN
Aprender a emplear los conceptos fundamentales, organización, funcionamiento, entrenamiento y
manejo de las Redes Neuronales Artificiales y Lógica Difusa, para realizar proyectos de
investigación aplicado a los sistemas de control en forma general, contribuyendo al desarrollo
tecnológico de procesos industriales y en otros diversos campos tales como las comunicaciones,
robótica, domótica, reconocimiento de patrones, medicina, señales, finanzas, automóviles, etc
OBJETIVOS GENERALES
Proporcionar al estudiante los conocimientos adecuados sobre la estructura, implementación y
funcionamiento de las Redes Neuronales Artificiales y lógica difusa.
OBJETIVOS ESPECÍFICOS
Diseñar Sistemas Conexionistas para la resolución de problemas tales como el
reconocimiento de formas en imágenes, diagnóstico médico, predicción meteorológica,
predicción bursátil, control e identificación de sistemas físicos, robótica. etc.
Realizar prácticas de implementación mediante programación de varios modelos de redes
neuronales y su aplicación a sistemas simulados y reales
METODOLOGÍA
La asignatura será dirigida por el docente, teniendo en cuenta los temas establecidos por la
dirección del programa , a través de:
Docencia Directa: Esta estrategia corresponde a clases presenciales, dirigidas por el docente, el
cual explicará y profundizará las ideas y conceptos principales de cada tema, fomentando la
investigación, participación e interés del estudiante, mediante el diseño y dirección de proyectos,
talleres, debates, mesas redondas, sustentaciones y socialización de lecturas autorreguladas,
mapas conceptuales y ensayos.
Trabajo independiente: Esta estrategia corresponde al aprendizaje por parte del estudiante. Para
ello, debe documentarse y preparar los diferentes temas de la asignatura con anticipación,
teniendo en cuenta el contenido suministrado por el docente, utilizando las diferentes fuentes
bibliográficas.
Horas de Asesorías: Esta estrategia corresponde a la asesoría que se le brinda al estudiante, sobre
las tareas asignadas en horas estipuladas independientemente de las horas de docencia directa.
COMPETENCIAS GENERALES
Cognitivas. Modelar y caracterizar un sistema o señal, analizar su respuesta y dinámica en los
dominios continuo y discreto, reconocer las propiedades de las señales y los sistemas en los
planos complejos de Laplace y transformada Z; transformar señales de tiempo continuo en señales
de tiempo discreto; comprender y manejar el diseño de filtros y controladores discreto; así como
su implementación en computadores y en sistemas embebidos; diseñar controladores digitales a
partir de controladores continuos, diseñar controladores o compensadores digitales utilizando los
métodos tradicionales o clásicos y los métodos modernos.
Laborales. Reconocer las características específicas de los sistemas, aplicar las herramientas de
análisis para la manipulación y control de los sistemas, aplicar las herramientas matemáticas
estudiadas para la implementación de sistemas de control digital, especificar y diseñar sistemas de
control digital, utilizar de manera asertiva el software LabView con los fines de automatización y
control empleando los conceptos de control estudiados.
ESTRATEGIAS METODOLÓGICAS
Metodología Pedagógica y Didáctica:
Las fechas de inicio y de finalización de cada tema serán indicadas por el docente responsable y se
requiere una dedicación de 12 horas semanales por parte del estudiante en casa.
CONTENIDO
UNIDAD 1: INTRODUCCIÓN
Tiempo de desarrollo: 2 semanas
EVALUACIÓN
Contemplará tres (3) cortes: 30%, 30% y 40%, cada uno de los cuales será la sumatoria de los
logros alcanzados en cada actividad, en concordancia con la metodología planteada y con las
fechas estipuladas por la universidad para la entrega de notas (atendiendo las normas internas de
la universidad).
En este proceso primarán los criterios de compromiso, responsabilidad y puntualidad, sin perjuicio
que al interior de cada corte se pueda implementar un criterio evaluativo propio del área,
asignatura o temática específica.
Procedimiento para evaluar: Los procedimientos para evaluar son de responsabilidad
profesional del docente que oriente la asignatura, teniendo en cuenta los ejes temáticos y las
estrategias metodológicas presentadas y desarrolladas en ella, con el fin de contrastar las
competencias y los logros obtenidos con los indicadores derivados de los objetivos.
ELEMENTOS DE EVALUACIÓN
Los productos de las diferentes actividades serán corregidos y devueltos a los estudiantes con las
pertinentes notas y comentarios de manera personalizada y grupal (Feedback).
REFERENCIAS BIBLIOGRÁFICAS
LECTURAS OBLIGATORIAS
1. Ogata, K., Ingenieria de Control Moderna. Segunda Edición. Prentice Hall. 1996
2. Ogata, K. Sistemas De Control En Tiempo Discreto. Segunda Edición. Prentice - Hall Inc,
México, 1996.
3. Kuo, B., Sistemas de Control automático, séptima edición. Prentice - Hall Inc, México DF,
1995
4. Haykin Simon. Neural Networks. A comprehensive foundation. Prentice Hall 2nd. edition,
1999 [RL] (Todo, del lado teórico)
5. Swingler Kevin. Applying Neural Networks. A Practical Guide. Academic Press, 1996 [RL]
(Metodología de diseño de MLP, muy centrado en lo práctico)
6. Hilera José R. y Martínez Víctor J. Redes Neuronales Artificiales. Fundamentos, modelos y
aplicaciones Addison-Wesley Iberoamericana (Serie Paradigma) 1995 [RL, Gonvill] (Fund.,
perspectiva gral., aplic.)
LECTURAS SUGERIDAS
1. Fine Terrence L.. Feedforward Neural Network Methodology. Springer Verlag, 1999 [RL]
(Metodología, del lado teórico)
2. Bishop Christopher M. Neural Networks For Pattern Recognition. Oxford University Press,
1995 [RL] (Probabilistic NN, MLP, RBFN)
3. Anderson James y Rosenfeld E. Neurocomputing: foundations of research. MIT Press,
1988. [006. 3 AND] (Serie de artículos pilares)
4. Baughman D. R. y Liu Y. A. Neural Networks in Bioprocessing and Chemical Engineering.
Academic Press, 1995 [RL] (fundamentos y aplicaciones en procesos bioquímicos)
5. The Mathworks, Inc. The Neural Network Toolbox Manual, 1994 [LAB] (Casi todo,
fundamental para el curso)
6. Masters T. Practical Neural Network Recipes in C++, Academic Press, 1993 [RL] (Aspectos
prácticos sobre diseño -Cap 5-)
7. Lecturas Sugeridas.
8. Johnson J. y Picton P. Concepts in Artificial Intelligence, Butterworth & Heinemann, 1994
[RL] (Fund., MLP, aplic. MLP).
9. Freeman J., Skapura D. Redes Neuronales, algoritmos, aplicaciones y técnicas de
programación, Addison-Wesley, 1993. [006. 3 FRE] (Casi todo con algoritmos en pascal)
10. Sanchez Camperos, Nelson Edgar, Alanis Garcia Alma Yolanda redes neuronales:
conceptos fundamentales y aplicaciones a control automático. Prentice-Hall 2006.