Taller Temas Selectos de Ingeniería de Control
Costo total del curso 80 USD (Fecha límite de inscripción 2 de Marzo)
Fecha Viernes y Sábados de Marzo 2024 de 12 a 2 pm tiempo de Mexico. Inicio 8 de Marzo 2024. Fin 23 de Marzo 2024.
Pagos por Paypal. Pide tu invoice envíando tu email a https://www.facebook.com/adrianjguelcortez/
Información y dudas generales: https://chat.whatsapp.com/GzqY0C5hP5C6yJGz8FzHQw
Cada clase es en vivo de manera remota y se generá una grabación de la sesión.
Lenguajes: MATLAB y Python
La automatización es una de las áreas de la ingeniería moderna que más impacto ha tenido en nuestras vidas y cuyo avance no parece detenerse. Quizá automatizar procesos puede parecer muy complejo, pero a lo largo de este curso mostraremos los conceptos e ideas necesarias para que puedas llevar a cabo un proyecto completo de ingeniería de control. Analizaremos algunas de las ideas más utilizadas en la automatización de proyectos. También, estudiaremos conceptos básicos como la función de transferencia, controlador PID o sistema en lazo cerrado hasta conceptos más avanzados como la identificación de sistemas o el control neuronal. Todas las ideas que verás en este curso pueden ser aplicadas en múltiples áreas de la ingeniería. Las sesiones son en vivo para que puedas contestar tus dudas en tiempo real, algo que difícilmente podrás hacer al ver algún curso grabado. Finalmente, se proveen códigos y múltiples ejemplos.
Temario:
Introducción al control automático (Ver video)
Se discuten los temas de importancia en la ingeniería de control (automatización) y se mencionan los problemas y áreas de importancia en el contexto actual.
Ver Video
Webinar: Sistemas lineales y la función de transferencia
A pesar de que las técnicas de modelado que aprendemos en este curso cubren un largo tipo de procesos, entre los cuales se encuentran los sistemas no lineales. En este curso analizaremos sistemas lineales descritos por funciones de transferencia con y sin retardo. Veremos como encontrar dicha función de transferencia y los efectos de la existencia del retardo en el análisis de la respuesta en el dominio del tiempo del proceso a través de la transformada de Laplace.
Fundamentos matemáticos de sistemas discretos
En la implementación todo es en tiempo discreto. Uno de los temas que más caracteriza a los sistemas discretos, corresponde a la manera en la que estos son expresados de manera matemática. Por ello, en esta parte del curso se discutirán los siguientes temas:
Transformada Z unilateral
Transformada Z inversa
Ecuaciones en diferencias causales
Webinar: programación de controladores PID y comparación con otro tipo de controladores de bajo orden
En esta sesión aprenderemos a:
Programar desde cero el controlador.
Analizar sus ventajas y desventajas.
Su aplicación al sistema carro con péndulo invertido.
Finalmente, compararemos el controlador PID con el popular control por retroalimentación de estados.
Webinar: modelado matemático y simulación de sistemas dinámicos
Uno de los paradigmas más vigentes en el diseño de algorítmos de control es el diseño basado en el modelo matemático del proceso a controlar. De hecho, este paradigma es fundamental en la teoría de control clásico. En esta parte del curso se analizará el modelo dinámico de sistemas mecánicos holonómicos, a partir de la ecuación de Euler Lagrange [1,3,4]. Además, en las sesiones detallaremos los origenes de la ecuación de Euler-Lagrange [3].
Diseño y control de un sistema carro con péndulo invertido
El sistema consiste en un péndulo invertido montado en un carro. El péndulo invertido es un ejemplo comunmente encontrado en la literatura de ingeniería de control. Su popularidad deriva de que es un sistema inestable cuando no es controlado, y además la dinámica del sistema es no lineal. El objetivo del sistema de control es balancear el péndulo invertido aplicando una fuerza alcarro. En el video hago una muestra del experimento a alumnos de hace unos años.
Diseño de controladores PID por algorítmos Evolutivos
Programar el controlador PID es simple, pero elegir correctamente los valores de las constantes del controlador puede ser complicado. En general, la elección de las ganancias de control (kp, kd , ki) que permitan el cumplimiento de criterios de desempeño (por ejemplo la falta de oscilaciones o cierto valor de sobreimpulso) es imposible por medios analíticos. La manera de calcular los valores (kp, kd , ki) que nos permitan obtener un mejor desempeño es usualmente a través de la solución de un problema de optimización. Para evitar problemas matemáticos podemos utilizar una solución algorítmica. Los llamados algoritmos evolutivos. En esta parte del curso aprenderemos a programar un algoritmo evolutivo desde cero para resolver este problema.
Diseño de controladores PID por el método D-composition
A pesar de que un algorítmo evolutivo nos permitiría calcular las mejores ganancias de control para cierto objetivo J(t), aún tenemos que encontrar una región S que por ejemplo contenga sólo las ganancias que estabilicen el proceso. Esto nos ahorraría mucho tiempo de computo. Una técnica popular es el método de D-partición (ver [9, 10]) con el cual podemos encontrar la región en el plano de los parámetros de control en el que el sistema en lazo cerrado permanece estable.
Identificación paramétrica de sistemas lineales y no lineales
Supongamos que tienes un proceso para el cual no es posible encontrar un modelo matemático. En dicho caso no podrás encontrar su función de transferencia y por lo tanto no podrás diseñar un control para el mismo. Afortunadamente, aún existe una solución para este problema: utilizar técnicas de identificación de sistemas. En esta parte del curso veremos y programaremos desde cero la famosa técnica de los mínimos cuadrados lineales y no lineales [11]. Este algoritmo hace uso de mediciones del proceso para encontrar el valor de sus parámetros.
Introducción al Deep Learning
¿Qué son las redes neuronales? ¿Qué aplicaciones tienen?
¿Cómo programarlas? ¿Cómo entrenarlas?
Neural network based control
Introduciremos el concepto de redes neuronales como algoritmos de control. Detallaremos su programación e implementación.
Referencias
D. Nieto-Hernández, J. Escareno, C.-F. Méndez-Barrios, I. Boussaada, and D. Langarica-Córdoba. Modeling and control of an interactive tilt-rotor mav. In 2017 Workshop on Research, Education and Development of Unmanned Aerial Systems (RED-UAS), pages 270–275, 2017.
Wen Yu and Floriberto Ortiz. Stability analysis of pd regulation for ball and beam system. In Proceedings of 2005 IEEE Conference on Control Applications, 2005. CCA 2005., pages 517–522. IEEE, 2005.
Herbert Goldstein, Charles Poole, and John Safko. Classical mechanics, 2002.
Norman S Nise. Control systems engineering. John Wiley & Sons, 2020.
Karl Johan Åström and Tore Hägglund. The future of pid control. Control engineering practice, 9(11):1163–1175, 2001.
Sarit K Das and Kaustav K Paul. Robust compensation of a cart–inverted pendulum system using a periodic controller: Experimental results. Automatica, 47(11):2543–2547, 2011.
Dong Yue, Qing-Long Han, and Chen Peng. State feedback controller design of networked control systems. In Proceedings of the 2004 IEEE International Conference on Control Applications, 2004., volume 1, pages 242–247. IEEE, 2004.
Peter J Fleming and Robin C Purshouse. Evolutionary algorithms in control systems engineering: a survey. Control engineering practice, 10(11):1223–1241, 2002.
J-E Hernández-Díez, C-F Méndez-Barrios, Sabine Mondié, S-I Niculescu, and Emilio J González-Galván. Proportional-delayed controllers design for lti-systems: a geometric approach. International Journal of Control, 91(4):907–925, 2018.
Adrián Josué Guel-Cortez, César-Fernando Méndez-Barrios, Emilio Jorge González-Galván, Gilberto Mejía-Rodríguez, and Liliana Félix. Geometrical design of fractional PDμ controllers for linear time-invariant fractional-order systems with time delay. Proceedings of the Institution of Mechanical Engineers, Part I: Journal of Systems and Control Engineering, 2019.
Michael L Johnson and Lindsay M Faunt. [1] parameter estimation by least-squares methods. Methods in enzymology, 210:1–37, 1992.
Karl J Åström and Björn Wittenmark. Adaptive control. Courier Corporation, 2013.
Greg Welch, Gary Bishop, et al. An introduction to the kalman filter. 1995.