PROGRAMA DE CURSO
CONTROL AVANZADO DE SISTEMAS
A. Antecedentes generales del curso:
Departamento Ingeniería Eléctrica (DIE)
Nombre del Control Avanzado de Código Créditos 6
Sistemas EL4105
curso
Nombre del
Advanced Control Systems
curso en inglés
Horas Docencia 3 Auxiliares 1,5 Trabajo 5,5
semanales personal
X
Carácter del
Obligatorio Electivo: Núcleo línea de
curso especialización
Requisitos EL4114: Optimización, EL3204: Análisis de sistemas dinámicos y estimación
B. Propósito del curso:
El curso tiene como propósito que los y las estudiantes diseñen y evalúen estrategias de control
óptimo, control predictivo y control inteligente (control difuso y redes neuronales), utilizando
herramientas analíticas y computacionales. Para ello, identifica y verifica los fundamentos de
la teoría de identificación de sistemas, control óptimo, control predictivo y control inteligente.
El curso tributa a las siguientes competencias específicas (CE) y genéricas (CG):
CE1: Formular, analizar, simular y usar modelos físico-matemáticos que caractericen sistemas
dinámicos y fuentes de incertidumbre.
CE2: Concebir y aplicar conocimientos de ciencias físicas y matemáticas para el desarrollo de
soluciones tecnológicas a problemáticas de la Ingeniería Eléctrica y áreas afines.
CE4: Concebir, diseñar y evaluar, dispositivos, sistemas y desarrollos científico- tecnológicos
para la solución de problemas en el ámbito de la Ingeniería Eléctrica, considerando
especificaciones técnicas, así como requerimientos económicos, ambientales, sociales y
éticos.
CE5: Resolver problemas y optimizar soluciones en el ámbito de la Ingeniería Eléctrica utilizando
conceptos, enfoques y metodologías apropiadas.
CG1: Comunicación académica y profesional
Comunicar en español de forma estratégica, clara y eficaz, tanto en modalidad oral como
escrita, puntos de vista, propuestas de proyectos y resultados de investigación
fundamentados, en situaciones de comunicación compleja, en ambientes sociales,
académicos y profesionales.
CG4: Trabajo en equipo
Trabajar en equipo, de forma estratégica y colaborativa, en diversas actividades
formativas, a partir de la autogestión de sí mismo y de la relación con el otro, interactuando
1
con los demás en diversos roles: de líder, colaborador u otros, según requerimientos u
objetivos del trabajo, sin discriminar por género u otra razón.
C. Resultados de aprendizaje:
Competencias Resultados de aprendizaje
específicas
CE1 RA1: Utiliza herramientas analíticas y computacionales para verificar los
fundamentos de la teoría de identificación de sistemas, control óptimo,
control predictivo y control inteligente (control difuso y redes
neuronales).
CE2, CE4, CE5 RA2: Analiza y diseña estrategias de identificación de sistemas, control
óptimo, control predictivo y control inteligente, aplicables a procesos
multivariables y no-lineales.
CE4, CE5 RA3: Evalúa estrategias de identificación de sistemas, control óptimo,
control predictivo y control inteligente, utilizando para ello
herramientas analíticas y computacionales.
Competencias Resultados de aprendizaje
genéricas
CG1 RA5: Expone, por escrito, argumentos claros y concisos para justificar
adecuadamente las soluciones obtenidas en problemas de
identificación de sistemas dinámicos, control óptimo, control predictivo
y control inteligente.
CG4 RA6: Trabaja con su equipo organizadamente en la ejecución de diversas
actividades formativas, compartiendo conocimientos e ideas que
permitan alcanzar los objetivos comunes.
2
D. Unidades temáticas:
Número RA al que tributa Nombre de la unidad Duración en semanas
1 RA1, RA3, RA4, RA5, RA6 Identificación de sistemas 3 semanas
Contenidos Indicador de logro
1.1. Identificación de modelos El/la estudiante:
estocásticos de entrada-salida.
Casos de perturbación de ruido 1. Comprende los fundamentos de la teoría de
blanco y de ruido coloreado. identificación de sistemas dinámicos.
1.2. Métodos para determinación 2. Diseña modelos matemáticos para sistemas,
de estructuras de modelos. estimando sus parámetros.
1.3. Métodos de estimación de 3. Utiliza y evalúa modelos matemáticos para
parámetros. Estimación sistemas dinámicos, optimizando funcionales
recursiva y no recursiva. del error de predicción.
1.4. Identificación para control de 4. Trabaja en equipo, compartiendo información e
sistemas. ideas para el logro de los objetivos comunes.
5. Justifica por escrito los resultados obtenidos en
la resolución de problemas, considerando con
claridad y concisión en sus ideas.
Bibliografía de la unidad (1)
Número RA al que tributa Nombre de la unidad Duración en
semanas
2 RA2, RA3, RA4, RA5, RA6 Control Óptimo y Control 6 semanas
Predictivo
Contenidos Indicador de logro
2.1. El control óptimo frente a otras El/la estudiante:
formas de control.
2.2. Control óptimo de sistemas en 1. Comprende los fundamentos de la teoría de
equilibrio. control óptimo.
2.3. Control óptimo dinámico en el 2. Diseña y evalúa controladores para sistemas
caso determinístico. El Principio que optimicen funciones cuadráticas de costo y
del Máximo. Problemas básicos. restricciones.
2.4. Control óptimo de sistemas 3. Comprende los fundamentos de la teoría del
lineales con función de costo control predictivo.
cuadrática en caso determinístico 4. Diseña y evalúa controladores predictivos con
y estocástico (LQR y LQGR). restricciones en la función objetivo.
2.5. Fundamentos del control 5. Justifica por escrito los resultados obtenidos,
predictivo. Control por matriz elaborando argumentos claros y precisos en
dinámica (DMC). Control cuanto a los conceptos estudiados y a la
predictivo generalizado (GPC). justificación de dichos resultados.
Control predictivo con 6. Trabaja en equipo, de manera organizada para
restricciones. resolver tareas y ejercicios.
3
Bibliografía de la unidad (2)
(3)
Número RA al que tributa Nombre de la unidad Duración en semanas
3 RA2, RA3, RA4, RA5, RA6 Control Inteligente 6 semanas
Contenidos Indicador de logro
3.1. Fundamentos de la lógica difusa. El/la estudiante:
3.2. Modelos basados en lógica difusa:
modelos Mamdami y Takagi- 1. Comprende los fundamentos de la teoría de
Sugeno. control inteligente.
3.3. Identificación de modelos difusos. 2. Diseña y evalúa controladores para sistemas
3.4. Estrategias de control difuso. dinámicos, basados en lógica difusa.
3.5. Modelos neuronales. 3. Diseña y evalúa controladores para sistemas
3.6. Identificación de modelos dinámicos, basados en modelos neuronales.
neuronales. 4. Trabaja en equipo, compartiendo
3.7. Estrategias de control neuronal. información en pro de un objetivo común.
5. Expone por escrito argumentos claros con los
que justifica los resultados obtenidos.
Bibliografía de la unidad (4)
E. Estrategias de enseñanza -aprendizaje:
El curso considera el uso de diversas estrategias de enseñanza:
● Clase expositiva.
● Resolución de problemas (en clase y trabajo personal).
● Ejercicios con problemas teórico-prácticos y laboratorios computacionales.
4
F. Estrategias de evaluación:
El curso considera las siguientes instancias de evaluación:
Tipo de evaluación Resultado de aprendizaje asociado a la evaluación
• Ejercicios/laboratorios RA1, RA2, RA3, RA4, RA5, RA6
• Controles. Control 1: RA1, RA2, RA3, RA4
Control 2: RA1, RA2, RA3, RA4
• Examen RA1, RA2, RA3, RA4
Un examen final dará cuenta del resultado del aprendizaje del curso.
La nota final (NF) del curso se calculará de acuerdo a la siguiente fórmula:
NF = 0.7*C+0.3*EJ.
C: Nota controles.
EJ: Nota actividades complementarias (ejercicios, laboratorios).
Es requisito de aprobación poseer EJ ≥ 4.0.
Al inicio de cada semestre, el cuerpo académico informará sobre los tipos de evaluación, la
cantidad y las ponderaciones correspondientes.
5
G. Recursos bibliográficos:
Bibliografía básica:
[1] Ljung, L. (1999). System Identification: Theory for the User. Prentice Hall PTR, 2nd edition.
[2] BRYSON, A.E. (1999). Dynamic Optimization. Addison Wesley.
[3] CAMACHO, E.; BORDONS, C. (2007). Model Predictive Control. Springer-Verlag, 2nd edition.
[4] NGUYEN, H., PRASAD, N., WALKER, C., WALKER, E. (2002). A First Course in Fuzzy and Neural
Control. CRC.
Bibliografía complementaria:
[5] BABUSKA, R. (1998). Fuzzy Modelling for Control. KAP.
[6] MCIEJOWSKI, J. (2002). Predictive Control with Constraints. Prentice Hall.
[7] NORGAARD, P.M., RAVN, O., POULSEN, N.K., HANSEN, L.K. (2000). Neural Networks for
Modelling and Control of Dynamic System. Springer-Verlag.
H. Datos generales sobre elaboración y vigencia del programa de curso:
Vigencia desde: Primavera, 2022
Elaborado por: Doris Sáez, Marcos Orchard
Validado por: Enviado a validación académicos pares: Constanza Ahumada, Jorge Silva,
Roberto Cárdenas, Martin Adams
Validación CTD ampliado de Eléctrica
Revisado por: Área de Gestión Curricular
