Identifying Data 2015/16
Subject (*) Sistemas de Control Intelixente Code 770G01043
Study programme
Grao en Enxeñaría Electrónica Industrial e Automática
Descriptors Cycle Period Year Type Credits
Graduate 2nd four-month period
Fourth Optativa 6
Language
Spanish
Teaching method Face-to-face
Prerequisites
Department Enxeñaría Industrial
Coordinador
Prieto Guerreiro, Francisco
E-mail
francisco.prieto@udc.es
Lecturers
Prieto Guerreiro, Francisco
E-mail
francisco.prieto@udc.es
Web
General description A asignatura pretende introducir ó alumno nos conceptos básicos necesarios para poder usar técnicas de control intelixente para o modelado e identificación de sistemas asi como para o control dos mesmos.

Aprenderase a utilizar lóxica borrosa e redes neuronais para controlar e identificar sistemas.

Finalmente, estudiaranse diferentes técnicas de optimización de sistemas, con especial interese nos algoritmos xenéticos.

Study programme competencies
Code Study programme competences
A2 Capacidade para planificar, presupostar, organizar, dirixir e controlar tarefas, persoas e recursos.
A3 Capacidade para realizar medicións, cálculos, valoracións, taxacións, peritaxes, estudos e informes.
A4 Capacidade de xestión da información, manexo e aplicación das especificacións técnicas e da lexislación necesarias no exercicio da profesión.
A5 Capacidade para analizar e valorar o impacto social e medioambiental das solucións técnicas actuando con ética, responsabilidade profesional e compromiso social, e buscando sempre a calidade e mellora continua.
A10 Coñecementos básicos sobre o uso e programación dos ordenadores, sistemas operativos, bases de datos e programas informáticos con aplicación en enxeñaría.
A17 Coñecer os fundamentos dos automatismos e métodos de control.
A30 Coñecer e ser capaz de modelar e simular sistemas.
A31 Coñecementos de regulación automática e técnicas de control e a súa aplicación á automatización industrial.
A32 Coñecer os principios e aplicacións dos sistemas robotizados.
A33 Coñecemento aplicado de informática industrial e comunicacións.
A34 Capacidade para deseñar sistemas de control e automatización industrial.
B1 Capacidade de resolver problemas con iniciativa, toma de decisións, creatividade e razoamento crítico.
B2 Capacidade de comunicar e transmitir coñecementos, habilidades e destrezas no campo da enxeñaría industrial.
B3 Capacidade de traballar nun contorno multilingüe e multidisciplinar.
B4 Capacidade de traballar e aprender de forma autónoma e con iniciativa.
B5 Capacidade para empregar as técnicas, habilidades e ferramentas da enxeñaría necesarias para a práctica desta.
B6 Capacidade de usar adecuadamente os recursos de información e aplicar as tecnoloxías da información e as comunicacións na enxeñaría.
C3 Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida.
C6 Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse.

Learning aims
Learning outcomes Study programme competences
Capacidade para investigar, analizar e caracterizar a representación do coñecemento aplicando técnicas e métodos afins á intelixencia artificial (redes neuronais, lóxica borrosa, sistemas expertos, etc..) como algoritmos de aprendizaxe, axuste e supervisión para a sua aplicación en problemas de control e automatización. A2
A3
A4
A5
A10
A17
A30
A31
A32
A33
A34
B1
B2
B3
B4
B5
B6
C3
C6

Contents
Topic Sub-topic
Módulo I: Control Intelixente 1.1.- Fundamentos do control intelixente.
1.2.- Búsqueda Heurística.
1.3.- Planificación.
1.4.- Aplicación a tareas de control.
Módulo II: Sistemas Expertos 2.1.- Fundamentos dos sistemas expertos.
2.2.- Estratexias e modelos de control.
Módulo III: Lóxica e Control Borroso 3.1.- Fundamentos de Lóxica borrosa.
3.2.- Modelado e identificación de sistemas mediante lóxica borrosa.
3.3.- Deseño de controladores borrosos.
Módulo IV: Redes Neuronais. 4.1.- Fundamentos de redes neuronais.
4.2.- Identificación de sistemas con redes neuronais.
4.3.- Modelado de sistemas con redes neuronais.
4.4.- Control de sistemas con redes neuronais.
Modulo V: Algoritmos Xenéticos. 5.1.- Fundamentos de algoritmos xenéticos.
5.2.- Optimización de sistemas mediante algoritmos xenéticos.

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
Guest lecture / keynote speech A4 A10 A17 A30 A31 A32 A33 A34 B1 B2 B3 B4 C3 C6 21 30 51
Laboratory practice A2 A3 A4 A5 A10 A17 A30 A31 A32 A33 A34 B1 B2 B3 B4 B5 B6 C3 C6 21 32 53
Supervised projects A2 A3 A4 A5 A10 A17 A30 A31 A32 A33 A34 B1 B2 B3 B4 B5 B6 C3 C6 9 24 33
Objective test A10 A17 A30 A31 A32 A33 A34 B1 B5 B6 C3 C6 3 0 3
 
Personalized attention 10 0 10
 
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies Description
Guest lecture / keynote speech Nas sesions maxistrais desenrolaranse os contidos da asignatura tanto a nivel teórico coma práctico.
Laboratory practice Estudio e utilización dun entorno de traballo / lenguaxe de programación que permita a resolución de diferentes problemas de enxeñería mediante solución informáticas.
Supervised projects Nas sesions maxistrais e nas prácticas de laboratorio plantexaranse diferentes problemas practicos de maior complexidade para a sua resolución como traballo independente polo alumno, tanto de forma individual uns coma colectiva outros. Nesta resolución vaise fomentar a participación do alumno como ferramenta de autoaprendizaxe valorando o seu esforzo e os seus resultados cara á valoración final da asignatura.
Objective test Proba escrita/práctica mediante ordenador utilizada para a evaluación da aprendizaxe e a comprensión dos conceptos e metodoloxías aprendidas na asignatura aplicadas á resolución dun conxunto de preguntas e supostos técnicos.

Personalized attention
Methodologies
Guest lecture / keynote speech
Laboratory practice
Supervised projects
Description
Titorías para solucionar as dudas sobre os temas expostos nas clases maxistrais, sobre o plantexamento ou a resolución dos exercicios de practicas de laboratorio e os traballos tutelados, ou sobre calquer ámbito relacionado coa materia.

Assessment
Methodologies Competencies Description Qualification
Laboratory practice A2 A3 A4 A5 A10 A17 A30 A31 A32 A33 A34 B1 B2 B3 B4 B5 B6 C3 C6 Estudo e utilización dun entorno de traballo / linguaxe de programación que permita a resolución de diferentes problemas de enxeñaría mediante solucións informáticas. A sua realización e presentación diante do profesor será obligatoria para poder aprobar a asignatura, sendo evaluable ata un máximo dun 20% da nota final. 20
Objective test A10 A17 A30 A31 A32 A33 A34 B1 B5 B6 C3 C6 A proba obxetiva dividirase en duas partes, unha teórica e outra practica, que tratará de comprobar si o alumno adquiriu as competencias fixadas como obxectivo da asignatura. Será necesario obter a lo menos unha nota mínima de 1.5 puntos en cada parte (ata un máximo de 3 puntos en cada parte) e ter presentado todalas prácticas e traballos para poder aprobar a asignatura. 60
Supervised projects A2 A3 A4 A5 A10 A17 A30 A31 A32 A33 A34 B1 B2 B3 B4 B5 B6 C3 C6 Nas sesions maxistrais e nas prácticas de laboratorio plantearanse diferentes problemas prácticos de maior complexidade para a sua resolución como traballo independente polo alumno, tanto de forma individual uns coma colectiva outros. Nesta resolucion vaise fomentar a participación do alumno como ferramenta de autoaprendizaxe valorando o seu esforzo e os seus resultados cara á valoración final da asignatura. A sua realización e presentación diante do profesor será obligatoria para poder aprobar a asignatura, sendo evaluable ata un máximo dun 20% da nota final. 20
 
Assessment comments

Sources of information
Basic Shin, Yung C. (2009). Intelligent systems : modeling, optimization, and control. CRC Press
F. Prieto (). Apuntes / Presentaciones Asignatura.
Fausett, Laurene V. (1994). Fundamentals of neural networks: architectures, algorithms and applications. Englewood cliffs: Prentice Hall
Pinto Bermúdez, Enrique (2010). Fundamentos de control con MATLAB. Pearson Educacion
Nils J. Nilsson (2000). Inteligencia Artificial. Una nueva sintesis. McGrawHill
Ponce-Cruz, Pedro (2010). Intelligent control systems with LabVIEW. Springer
Martin del Brío, B (2001). Redes Neuronales y Sistemas Borrosos. Ra-Ma

Complementary


Recommendations
Subjects that it is recommended to have taken before
Informática/770G01002
Informática Industrial/770G01025
Enxeñaría de Control/770G01028

Subjects that are recommended to be taken simultaneously
Control Avanzado/770G01042

Subjects that continue the syllabus
Robótica Industrial/770G01041

Other comments


(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.