Datos Identificativos 2016/17
Asignatura (*) Sistemas de Control Intelixente Código 770G01043
Titulación
Grao en Enxeñaría Electrónica Industrial e Automática
Descriptores Ciclo Período Curso Tipo Créditos
Grao 2º cuadrimestre
Cuarto Optativa 6
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Enxeñaría Industrial
Coordinación
Prieto Guerreiro, Francisco
Correo electrónico
francisco.prieto@udc.es
Profesorado
Prieto Guerreiro, Francisco
Correo electrónico
francisco.prieto@udc.es
Web
Descrición xeral 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.

Competencias do título
Código Competencias do título
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.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
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

Contidos
Temas Subtemas
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.

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral A4 A10 A17 A30 A31 A32 A33 A34 B1 B2 B3 B4 C3 C6 21 30 51
Prácticas de laboratorio A2 A3 A4 A5 A10 A17 A30 A31 A32 A33 A34 B1 B2 B3 B4 B5 B6 C3 C6 21 32 53
Traballos tutelados A2 A3 A4 A5 A10 A17 A30 A31 A32 A33 A34 B1 B2 B3 B4 B5 B6 C3 C6 9 24 33
Proba obxectiva A10 A17 A30 A31 A32 A33 A34 B1 B5 B6 C3 C6 3 0 3
 
Atención personalizada 10 0 10
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Nas sesions maxistrais desenrolaranse os contidos da asignatura tanto a nivel teórico coma práctico.
Prácticas de laboratorio Estudio e utilización dun entorno de traballo / lenguaxe de programación que permita a resolución de diferentes problemas de enxeñería mediante solución informáticas.
Traballos tutelados 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.
Proba obxectiva 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.

Atención personalizada
Metodoloxías
Sesión maxistral
Prácticas de laboratorio
Traballos tutelados
Descrición
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.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Prácticas de laboratorio 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
Proba obxectiva 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
Traballos tutelados 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
 
Observacións avaliación

Fontes de información
Bibliografía básica 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

Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente
Informática/770G01002
Informática Industrial/770G01025
Enxeñaría de Control/770G01028

Materias que se recomenda cursar simultaneamente
Control Avanzado/770G01042

Materias que continúan o temario
Robótica Industrial/770G01041

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías