Embedded Files
Duracion:
20 horas
Horario:
11:00–13:00 h, viernes y sábado.
Fecha inicio:
10 Abril 2026
Metodologia:
Clases virtuales en vivo
¡Bienvenidos a la segunda edición de nuestra serie de talleres, "Temas Selectos de Ingeniería de Control"! En esta iteración, Control Multivariable, exploraremos conceptos avanzados que conectan la teoría con aplicaciones prácticas, capacitándolos para abordar problemas de control complejos con confianza y destreza.
La ingeniería de control es el corazón de innumerables tecnologías modernas, desde sistemas aeroespaciales hasta automatización industrial, robótica y más. Al comprender y dominar los principios cubiertos en este taller, estarán preparados para diseñar, analizar y optimizar sistemas de control para una variedad de escenarios del mundo real.
A lo largo de este taller, emprenderemos un viaje a través de las complejidades de la representación en espacio de estados, el análisis de estabilidad, la observabilidad, la controlabilidad, el control por retroalimentación de estados y el regulador cuadrático lineal (LQR). Estos temas constituyen pilares fundamentales de la teoría de control, proporcionando un marco integral para modelar, analizar y controlar sistemas dinámicos.
Además, les presentaremos la teoría y la implementación del control predictivo basado en modelos (MPC), una técnica poderosa que aprovecha modelos predictivos para tomar decisiones de control informadas en tiempo real. Al final de este taller, no solo comprenderán los fundamentos teóricos de estas metodologías de control avanzadas, sino que también obtendrán experiencia práctica en su implementación a través de ejercicios prácticos y demostraciones.
"Prepárense para expandir sus horizontes, profundizar su comprensión y elevar sus habilidades en el dinámico campo de la ingeniería de control. Emprendamos juntos este viaje y descubramos nuevas posibilidades en el ámbito del control y la optimización del sistema."
Adrian Guel
Temario
Temario
Representacion en espacio de estados (6hrs)
Representacion en espacio de estados (6hrs)
Sistemas dinámicos en espacio de estados (tiempo continuo) (diapo 1)
Introducción a los modelos LTI en espacio de estados.
Cuatro formas canónicas para modelos LTI en espacio de estados.
Una forma canónica más, transformaciones.
Respuesta temporal (dinámica).
Ceros de un sistema en espacio de estados.
Sistemas lineales variantes en el tiempo.
¿Qué pasa con los sistemas no lineales?
Sistemas dinámicos en espacio de estados (tiempo discreto) (diapo 2).
Forma en espacio de estados en tiempo discreto.
Más sobre modelos en espacio de estados en tiempo discreto.
Stabilidad de sistemas en espacio de estados (3hrs)
Stabilidad de sistemas en espacio de estados (3hrs)
Estabilidad de Lyapunov.
Demostración del teorema de estabilidad de Lyapunov.
Estabilidad de Lyapunov en tiempo discreto.
Estabilidad de sistemas linealizados localmente.
Estabilidad de entrada-salida, caso LTV.
Estabilidad de entrada-salida, caso LTI.
Observabilidad y controlabilidad (3hrs)
Observabilidad y controlabilidad (3hrs)
Observabilidad en tiempo continuo: ¿Dónde estoy?
Controlabilidad en tiempo continuo: ¿Puedo llegar allí desde aquí?
Controlabilidad y observabilidad en tiempo discreto.
Pruebas de controlabilidad/observabilidad PBH.
Realizaciones mínimas: ¿Por qué no controlable/observable?
State feedback control y el regulador cuadratico lineal
State feedback control y el regulador cuadratico lineal
Control por retroalimentación de estados. (3hrs)
Control por retroalimentación de estados.
Ubicación de polos de Bass-Gura.
Fórmula de Ackermann.
Entrada de referencia.
Ubicación de polos.
Control integral para sistemas en tiempo continuo.
Retroalimentación de estados para sistemas en tiempo discreto.
Diseño de control MIMO.
Regulador cuadrático lineal. (2hrs)
Introducción al control óptimo.
Programación dinámica: Principio de optimalidad de Bellman.
Problema del LQR en tiempo discreto.
LQR en horizonte infinito en tiempo discreto.
Resolución de la ecuación diferencial de Riccati mediante simulación.
Introducción e implementación de un control predictivo basado en modelo simple (3hrs)
Introducción e implementación de un control predictivo basado en modelo simple (3hrs)
Fundamentos matemáticos
Formulación del problema en control predictivo basado en modelo
MPC lineal sin restricciones
Para personas dentro de la República Mexicana, recomendamos realizar el pago mediante transferencia bancaria utilizando la siguiente información.
Cuenta BBVA: 113 592 5711
CLABE: 012 700 011359257111
Titular: Adrian Josue Guel Cortez
Monto a pagar: $2,500 pesos mexicanos (IVA incluido)
Para personas fuera de la República Mexicana, recomendamos realizar el pago mediante PayPal o a través de la plataforma Hotmart.
¡Más detalles próximamente!
Profesores:
Profesores:
Dr. Antonio Flores
Antonio Flores es ingeniero aeronáutico con especialidad en diseño y construcción de aeronaves por el Instituto Politécnico Nacional. Cuenta con una maestría en Ciencias en Sistemas Autónomos de Navegación Aérea y Submarina y actualmente es candidato a doctor en Ciencias del Software.
Se desempeña como profesor asociado en la Universidad Aeronáutica en Querétaro, donde funge como profesor-investigador en el posgrado, enfocándose en sistemas inteligentes orientados a la aeronáutica. Ha participado en múltiples proyectos con la industria aeronáutica en Querétaro —incluyendo colaboraciones con General Electric (GE)—, así como en proyectos con las fuerzas armadas. Además, ha colaborado en el posgrado de Aeronáutica de la UTM Mérida y ha impartido clases en la Universidad Mondragón de Querétaro.
Dr. Adrian Guel
El Dr. Adrian Guel es doctor en Física, con formación en Ingeniería Mecatrónica y una maestría en Ingeniería Eléctrica con especialización en control. Su trabajo se centra en el modelado matemático, la inferencia bayesiana y el desarrollo de algoritmos de estimación y control para sistemas dinámicos complejos.
A lo largo de su carrera ha trabajado en la intersección entre ingeniería de control, estadística e informática científica, desarrollando algoritmos de estimación, métodos de optimización y herramientas computacionales para el análisis de sistemas dinámicos y series temporales. Durante su doctorado en Coventry University investigó el uso de geometría de la información y teoría de la información para el análisis y control de sistemas estocásticos, integrando técnicas como model predictive control y métodos numéricos avanzados.
Su experiencia profesional incluye investigación aplicada en análisis de datos biomédicos en la University of Exeter, así como el desarrollo de algoritmos de estimación y control para sistemas de baterías en la industria energética. Actualmente trabaja como ingeniero de software embebido especializado en algoritmos, donde desarrolla algoritmos de fusión sensorial y estimación para sistemas embebidos en C++.
Sus intereses profesionales incluyen la inferencia bayesiana, la estimación en tiempo real, el modelado de sistemas estocásticos, el control predictivo y el desarrollo de software científico en Python, C++ y MATLAB.
Mtro. Christopher Reyes
Christopher Reyes estudió tanto la licenciatura como la Maestría en ciencia de la ingeniería eléctrica en el Instituto Politécnico Nacional. Cuenta con experiencia en investigación y educación. Específicamente, la experiencia de Christopher se encuentra en los Sistemas Eléctricos de Potencia, Sistemas estocásticos y Programación. Christopher ha realizado: Estudios dinámicos de sistemas de potencia, Análisis de estabilidad de redes con fuentes de energía renovable, implementaciones de Control, identificación y modelado de sistemas para fuentes basadas en inversores. Su trabajo de maestría se enfocó en el modelado de las velocidades de viento a partir de ecuaciones diferenciales estocásticas, además de la implementación de modelos de fuentes basadas en inversores para el análisis de estabilidad de grandes redes interconectadas en software de código abierto.
Referencias
Referencias
Rusu-Anghel, S., Lihaciu, I. C., & Rusu-Anghel, N. (2015). State feedback control of a robotic arm. Annals of the Faculty of Engineering Hunedoara, 13(1), 75.
Asif, H., Nasir, A., Shami, U. T., Rizvi, S. T. H., & Gulzar, M. M. (2017, December). Design and comparison of linear feedback control laws for inverse Kinematics based robotic arm. In 2017 13th International Conference on Emerging Technologies (ICET) (pp. 1-6). IEEE.
Albertos, P., & Antonio, S. (2006). Multivariable control systems: an engineering approach. Springer Science & Business Media.
Wonham, W. M. (1974). Linear multivariable control (Vol. 101). Berlin: Springer-verlag.
Fadali, M. S., & Visioli, A. (2012). Digital control engineering: analysis and design. Academic Press.
Page updated
Google Sites
Report abuse