Este taller está diseñado para profundizar en técnicas modernas de control y estimación, enfocadas en el tratamiento de incertidumbre, ruido y perturbaciones en sistemas dinámicos reales.
Este curso tiene una duración total de 24 horas, distribuidas en 12 clases que se impartirán dos veces por semana, con una duración de 2 horas por sesión.
Exploraremos herramientas fundamentales como:
Modelado y análisis de procesos aleatorios vectoriales
Diseño de controladores LQR y LQG
Técnicas de estimación por mínimos cuadrados, tanto deterministas como estocásticas
Uso introductorio de filtros de Kalman
Fundamentos y aplicaciones del control robusto H∞
Todo esto desde una perspectiva aplicada, con ejemplos prácticos, simulaciones y estudios de caso que te permitirán comprender no solo el “cómo”, sino también el “por qué” detrás de cada técnica.
🛠️ ¿A quién va dirigido?
A estudiantes, investigadores y profesionales de ingeniería que busquen dominar herramientas avanzadas para diseñar sistemas de control confiables y eficientes, incluso bajo condiciones desafiantes. Este taller es especialmente relevante para quienes trabajan en campos como la robótica, la aeronáutica, los sistemas de energía, la ingeniería biomédica o el control de procesos industriales.
🎯 Metodología
No nos enfocamos en demostraciones formales exhaustivas. Partimos de la validez de los resultados teóricos y nos concentramos en su interpretación práctica mediante herramientas computacionales, ejercicios aplicados y análisis de desempeño en escenarios realistas.
💡 Dato extra
Cada instructor comparte una aplicación especial relacionada con su área de experiencia: desde sistemas biomédicos hasta control de baterías o navegación robótica, ampliando así el panorama de aplicación de los conceptos aprendidos.
"Si te apasiona la automatización y deseas diseñar sistemas de control con un enfoque moderno y sólido frente a la incertidumbre, este taller es para ti."
¡Espero verte pronto!
Variables aleatorias escalares.
Variables aleatorias vectoriales.
Funciones de variables aleatorias.
Procesos aleatorios (estocásticos) vectoriales.
Sistemas de tiempo discreto con entradas aleatorias.
Sistemas de tiempo continuo con entradas aleatorias.
Funciones de costo; problema LQR determinista.
LQR estocástico.
Solución LQR mediante programación dinámica.
LQR en horizonte infinito para tiempo discreto.
Mínimos cuadrados deterministas.
Mínimos cuadrados estocásticos.
Estimación recursiva.
Control LQG en estado estacionario y el compensador.
Seguimiento de referencia.
Modelado de incertidumbre.
Estabilidad robusta.
Control de información completa.
La ecuación Hamiltoniana.
Ecuación de Riccati para encontrar retroalimentación de estado.
Julio Alberto García-Rodríguez obtuvo su título de Ingeniero Electrónico en el Instituto Tecnológico de Ciudad Guzmán, perteneciente al Tecnológico Nacional de México, en 2010. Posteriormente, obtuvo los grados de Maestría y Doctorado en Ciencias en Electrónica y Computación por el Centro Universitario de Ciencias Exactas e Ingenierías (CUCEI) de la Universidad de Guadalajara, en 2012 y 2021, respectivamente. Desde 2022, es miembro del Sistema Nacional de Investigadoras e Investigadores (SNII) de la Secretaría de Ciencia, Humanidades, Tecnología e Innovación (SECIHTI). Sus intereses de investigación incluyen el modelado matemático de sistemas fisiológicos, técnicas de control robusto H∞ y μ-síntesis, particularmente con aplicaciones al control de glucosa en sangre en pacientes con diabetes mellitus.
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 es 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.
Adrian Guel
El Dr. Adrian Guel posee tanto una licenciatura como una maestría en Ingeniería, con experiencia en investigación, diseño y educación. Específicamente, la experiencia de Adrian Guel se encuentra en Sistemas Dinámicos Complejos, Ingeniería de Control, Estadística y Programación. Adrian Guel ha desarrollado: Algoritmos de Control, Implementaciones de Control, Identificación y Modelado de Sistemas, Métodos de Pronóstico y Algoritmos de Optimización. Durante su doctorado, se enfocó en el análisis de modelos y control para Sistemas Complejos utilizando métodos estocásticos y teoría de la información. Actualmente, trabaja en una empresa ubicada en el Reino Unido, donde implementa y desarrolla diversos algoritmos de estimación para sistemas de gestión de baterías.