ASIGNATURA: CONTROL ESTÓCASTICO Programa: Maestría en Ciencias en Ingeniería Electrónica Línea de investigación: Control Automático Profesor responsable: Dr. Víctor Manuel Alvarado Martínez Prerrequisitos y correquisitos Correquisito: Identificación de sistemas. Objetivo de la asignatura Proporcionar al alumno una introducción al control estocástico incluyendo modelos estocásticos no lineales. Aportación al perfil del graduado La materia contribuye a los conocimientos avanzados del campo del Control Automático y a la aplicación del conocimiento científico y tecnológico, haciendo énfasis en la construcción de modelos estocásticos y el diseño de controladores. Metodología de desarrollo del curso • Exposiciones Teóricas del profesor. • Solución de problemas: dirigidos y tareas • Simulación de sistemas y control utilizando software como Scilab, Xcos, R, Matlab, Simulink, mathematica. Sugerencias de evaluación • Examen parcial: 30% • Examen Final: 30% • Problemas de simulación y control de procesos, 40%. Revisión y Actualización de Planes y Programas de Estudio de Posgrado 2011–CENIDET Programa de Maestría en Ciencias en Ingeniería Mecatrónica Contenido temático por temas y subtemas Unidad Temas PROBABILIDAD Y PROCESOS ESTÓCASTICOS 1 Tiempo: 10 hrs. SISTEMAS DINÁMICOS LINEALES 2 Tiempo: 8 hrs. FILTRO LINEAL ÓPTIMO 3 Tiempo: 10 hrs. MODELO DE SISTEMAS NO LINEALES. 4 Tiempo: 10 hrs. CONTROL BASADO EN FILTRO LINEAL 5 Tiempo: 10 hrs. 1. 2. 3. 4. Subtenas Sistemas de parámetros distribuidos. Representación de Volterra. Representación no lineal de Wiener. Representación no lineal de Hammerstein. 1. 2. 3. 4. Sistemas lineales y no lineales. Modelos polinomiales. Modelos Ortogonales y no ortogonales. Modelos de sistemas con parámetros distribuidos. 1. 2. 3. 4. Filtros Weiner para estimación lineal óptima. Filtros adaptables basados en mínimos cuadrados. Estimación lineal ótima con mínimos cuadrados. Filtros adaptables basados en mínimos cuadrados recursivos. 1. Modelos Volterra. 2. Modelos Wiener. 3. Modelos Wiener – Hammerstein. 1. 2. 3. 4. 5. 6. Control estocástico con observaciones perfectas. El problema lineal – cuadrático -gaussiano. Ruido multiplicativo Problemas de decisión. Control estocástico con observaciones de ruido. Control estocástico sin observación de ruido Bibliografía y software de apoyo LIBROS DE CONSULTA: Roger Brockett, Stochastic Control, European Embedded Control institute, France, April 2009. Tokumbo Ogunfunmi, Adaptive non linear system identification: The Volterra and Wiener Model Approaches, Springer, September 2007. Han-Xiong Li and Chenkun Qi, Spatio-Temporal Modeling of Nonlinear Distributed parameter Systems, Springer, 2011. Torsten Soderstrom and Petre Stoica, Discrete-time Stochastic Systems, Springer, 2002. SOFTWARE DE APOYO: • MATLAB y SIMULINK, de MathWorks Inc. • SCILAB y XCOS, software de distribución gratuita, INRIA, ENPC – http://scilab.org • ASPEN Basic Engineering V 7.1, simulador de procesos de Aspen Technology, Inc. • Lenguaje R, software de licencia libre, http://www.r-project.org/ • Mathematica, software de lenguaje simbólico, http://www.wolfram.com/mathematica/ Revisión y Actualización de Planes y Programas de Estudio de Posgrado 2011–CENIDET Programa de Maestría en Ciencias en Ingeniería Mecatrónica