Identifying Data 2020/21
Subject (*) Advanced Control Code 770G01058
Study programme
Grao en Enxeñaría Electrónica Industrial e Automática
Descriptors Cycle Period Year Type Credits
Graduate 2nd four-month period
Fourth Optional 4.5
Language
Spanish
Teaching method Face-to-face
Prerequisites
Department Enxeñaría Industrial
Coordinador
Velo Sabin, Jose Maria
E-mail
jose.velo@udc.es
Lecturers
Velo Sabin, Jose Maria
E-mail
jose.velo@udc.es
Web http://https://moodle.udc.es
General description Se tratará o estudo de:
- Deseño do controlador por síntese directa
- Algoritmos avanzados de deseño de reguladores
- Simulación e implementación de controladores avanzados
Contingency plan No caso da suspensión de toda a actividade presencial, o proceso a seguir será:
1. Cambios de contido
Non se realizan cambios

2. Metodoloxías
* Metodoloxías de ensino que se manteñen
Resta:
- Sesión maxistral mediante ensinanzas asíncronas empregando as ferramentas dos equipos PowerPoint + Stream, ScreamCast e MicroSoft para a gravación de vídeo e Moodle para a súa publicación.
- Resolución de problemas: solución de problemas a través de vídeos explicativos



* Metodoloxías de ensino que se modifican
Elimínanse os seguintes:
- Prácticas de laboratorio


3. Mecanismos de atención personalizada aos estudantes
Moodle, equipos, correo electrónico con frecuencia de realización semanal.


4. Modificacións na avaliación
- Tarefas propostas (50%): Resolución das tarefas propostas mediante Moodle
- Proba obxectiva (50%): presentación do informe final


* Observacións de avaliación:

5. Modificacións da bibliografía ou webgrafía

Study programme competencies
Code Study programme competences
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.
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.
C2 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.

Learning aims
Learning outcomes Study programme competences
Coñece as técnicas de deseño e é capaz de deseñar controladores avanzados A30
A31
A34
B1
B2
B3
B4
B5
B6
C2
Interconecta os diferentes controladores con plantas industriais, identificando as variables necesarias para un bo funcionamento A30
A31
A34
B1
B2
B3
B4
B5
B6
C2
Implementar controladores avanzados en plataformas de deseño A30
A31
A34
B1
B2
B3
B4
B5
B6
C2

Contents
Topic Sub-topic

Deseño do controlador por síntese directa
Reguladores de cancelación: Truxal
Asignación do polo
Tempo finito
Algoritmos de deseño de controladores avanzados Deseño de reguladores no espazo de estados. Colocación de polos mediante realimentación do vector de estados.
Identificación de sistemas
Algoritmos para control predictivo
Métodos de estimación
Técnicas de interface con el controlador Interface con proceso
Filtrado de perturbacións
Influencia do actuador
Saida de resultados
Simulación e implementación de controladores avanzados Simulación con Matlab e Simulink
Filtro de Kalman con Matlab
Toolbox de Identificación e control Predictivo

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
Guest lecture / keynote speech A31 A34 B2 12 12 24
Problem solving A34 A30 B1 B3 B4 B5 8.5 17 25.5
Laboratory practice B1 B2 B3 B4 B5 11 32 43
Objective test B1 B2 B4 B6 C2 3 15 18
 
Personalized attention 2 0 2
 
(*)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 Exposición oral complementada co uso de medios audivisuais e a introducion de algunhas preguntas dirixidas aos estudantes coa a finalidade de transmitir coñecementos e facilitar a aprendizaxe
Problem solving Resolución de exercicios e problemas concretos individualmente e/ou en grupo, a partir dos coñocementos que se traballaron
Laboratory practice
Metodoloxía que permite aos estudantes aprender de xeito eficaz a través de actividades prácticas, como demostracións, exercicios, experimentos e investigación
Objective test Consiste na realización dunha proba obxectiva, na que se avaliarán os coñecementos adquiridos.

Personalized attention
Methodologies
Problem solving
Laboratory practice
Description
Os estudantes terán as correspondentes sesións de titoría personalizada, para a resolución de dúbidas.

A realización de prácticas de laboratorio será guiada polo profesor.

Assessment
Methodologies Competencies Description Qualification
Problem solving A34 A30 B1 B3 B4 B5 Realización de traballos, y/oy resoluciós de execicios e problemas 20
Laboratory practice B1 B2 B3 B4 B5 Serán de asistencia obrigatoria. Valorarase a memoria final delas, e a actitude amosada polo alumno durante a realización das mesmas 30
Objective test B1 B2 B4 B6 C2 Proba de evaluación final 50
 
Assessment comments

Sources of information
Basic (). .
Carlos Bordons y otro (2005). Apuntes Ingeniería de Control. Universidad de Sevilla
Alberto Aguado Behar, Miguel Martinez Iranzo (2003). Identificación y Control Adaptativo. Prentice Hall
Katsuhiko Ogata (2010). Ingeniería de Control Moderna. Pearson
Alberto Bemporad y otros (2020). Model Predictive Control Toolbox. Mathworks
Angel Valera Fernández (2016). Modelado y Control en el espacio de estados. Universidad Politécnica de Valencia
Lennart Ljung (2020). System Identification Toolbox. Mathworks

Complementary JUan M. Martin Sanchez (2012). Control Adaptativo Predictivo Experto. UNED
Eduardo F. Camacho, Carlos Bordons (2007). Model Predictive Control. Springer


Recommendations
Subjects that it is recommended to have taken before
Automatic Control Systems/770G01017
Fundamentals of Electronic Circuits/770G01018
Control Engineering/770G01028

Subjects that are recommended to be taken simultaneously
Electronic Instrumentation II/770G01039
Robotics/770G01056

Subjects that continue the syllabus
Graduation Proyect /Bachelor Thesis/770G01045

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.