Ministerio de Cultura y Educación
Universidad Nacional de San Luis
Facultad de Ingeniería y Ciencias Agropecuarias
Departamento: Ingeniería
Área: Automatización

Imprimir

Versión PDF

(Programa del año 2022)

(Programa en trámite de aprobación)

(Programa presentado el 27/04/2022 13:35:08)

I - Oferta Académica

Materia	Carrera	Plan	Año	Periodo
Tecnología Aplicada al Control de Sistemas Mecatrónicos	ING. MECATRÓNICA	Ord 22/12-10/22	2022	1° cuatrimestre

II - Equipo Docente

Docente	Función	Cargo	Dedicación
LARREGAY, GUILLERMO OMAR	Prof. Responsable	P.Adj Exc	40 Hs
TORRES, LUIS RAUL	Responsable de Práctico	A.1ra Exc	40 Hs

III - Características del Curso

Credito Horario Semanal					Tipificación	Duración
Teórico/Práctico	Teóricas	Prácticas de Aula	Práct. de lab/ camp/ Resid/ PIP, etc.	Total	B - Teoria con prácticas de aula y laboratorio	Desde	Hasta	Cantidad de Semanas	Cantidad en Horas
Teórico/Práctico	Teóricas	Prácticas de Aula	Práct. de lab/ camp/ Resid/ PIP, etc.	Total	Periodo	Desde	Hasta	Cantidad de Semanas	Cantidad en Horas
Hs.	Hs.	Hs.	Hs.	5 Hs.	1º Cuatrimestre	14/03/2022	24/06/2022	15	75

IV - Fundamentación
En los últimos años se han producido grandes avances y desarrollos en el área de inteligencia computacional, y muchos de ellos han tenido aplicación en campos relacionados a la mecatrónica y al control de accionamientos. Esto, sumado al vertiginoso desarrollo y miniaturización de componentes electrónicos, y la integración de microprocesadores en la mayoría de los dispositivos de uso común, tiene como consecuencia que muchas tareas de control de máquinas o equipos estén en manos de un sistema electrónico inteligente encargado de tomar decisiones. Por todo lo anterior, es importante formar en estos temas a los profesionales que en un futuro serán los encargados de crear, mantener y operar sistemas mecatrónicos inteligentes.

IV - Fundamentación

En los últimos años se han producido grandes avances y desarrollos en el área de inteligencia computacional, y muchos de ellos han tenido aplicación en campos relacionados a la mecatrónica y al control de accionamientos.
Esto, sumado al vertiginoso desarrollo y miniaturización de componentes electrónicos, y la integración de microprocesadores en la mayoría de los dispositivos de uso común, tiene como consecuencia que muchas tareas de control de máquinas o equipos estén en manos de un sistema electrónico inteligente encargado de tomar decisiones.
Por todo lo anterior, es importante formar en estos temas a los profesionales que en un futuro serán los encargados de crear, mantener y operar sistemas mecatrónicos inteligentes.

V - Objetivos / Resultados de Aprendizaje
Resultados de Aprendizaje: Que el estudiante: - diseñe filtros digitales para el acondicionamiento de señales en dispositivos mecatrónicos. - implemente filtros digitales en un procesador digital de señales para verificar el diseño realizado. - diseñe controladores basado en lógica difusa para el control de accionamientos mecatrónicos - implemente redes neuronales artificiales para aplicaciones de clasificación en problemas de ingeniería mecatrónica

V - Objetivos / Resultados de Aprendizaje

Resultados de Aprendizaje:

Que el estudiante:
- diseñe filtros digitales para el acondicionamiento de señales en dispositivos mecatrónicos.
- implemente filtros digitales en un procesador digital de señales para verificar el diseño realizado.
- diseñe controladores basado en lógica difusa para el control de accionamientos mecatrónicos
- implemente redes neuronales artificiales para aplicaciones de clasificación en problemas de ingeniería mecatrónica

VI - Contenidos
1) Proceso digital de señales Conversión analógica-digital y digital-analógica. Sistemas lineales. Muestreo. Convolución. Propiedades de la convolución. Transformada de Fourier. Implementación de FFT. Proceso de señales contínuas. Filtros digitales. 2) Dispositivos DSP y FPGA Descripción y funcionamiento de un procesador digital de señal (DSP). Configuración y programación. Adaptación de señales. Depuración de programas. Descripción y funcionamiento de un FPGA. Introducción a los lenguajes de descripción de hardware (VHDL). Programación de hardware y verificación. 3) Sistemas de inferencia difusa Lógica difusa. Operaciones sobre conjuntos difusos. Inferencia difusa. Dispositivos de inferencia difusa. Desarrollo de sistemas de control difuso. Implementación en simulación. Implementación en dispositivos DSP/FPGA. 4) Redes neuronales artificiales Introducción y fundamentos. Modelo de neuronas. Arquitecturas de redes neuronales. Modos de operación. Tipos de redes: Supervisadas, Autoorganizadas, otros. Algoritmos de aprendizaje. Entrenamiento de redes neuronales. Aplicaciones. Implementación de redes neuronales en simulación. Implementación en dispositivos DSP/FPGA.

VI - Contenidos

1) Proceso digital de señales
Conversión analógica-digital y digital-analógica. Sistemas lineales. Muestreo. Convolución. Propiedades de la convolución. Transformada de Fourier. Implementación de FFT. Proceso de señales contínuas. Filtros digitales.

2) Dispositivos DSP y FPGA
Descripción y funcionamiento de un procesador digital de señal (DSP). Configuración y programación. Adaptación de señales. Depuración de programas. Descripción y funcionamiento de un FPGA. Introducción a los lenguajes de descripción de hardware (VHDL). Programación de hardware y verificación.

3) Sistemas de inferencia difusa
Lógica difusa. Operaciones sobre conjuntos difusos. Inferencia difusa. Dispositivos de inferencia difusa. Desarrollo de sistemas de control difuso. Implementación en simulación. Implementación en dispositivos DSP/FPGA.

4) Redes neuronales artificiales
Introducción y fundamentos. Modelo de neuronas. Arquitecturas de redes neuronales. Modos de operación. Tipos de redes: Supervisadas, Autoorganizadas, otros. Algoritmos de aprendizaje. Entrenamiento de redes neuronales. Aplicaciones. Implementación de redes neuronales en simulación. Implementación en dispositivos DSP/FPGA.

VII - Plan de Trabajos Prácticos
1) Proceso digital de señales - Implementación en simulación y en hardware de filtros digitales y FFT 2) Sistemas de inferencia difusa - Diseño e implementación (simulación y hardware) de sistemas de control difuso aplicados a sistemas mecatrónicos 3) Redes neuronales artificiales - Diseño y simulación de redes clasificadoras y redes aplicadas al control de sistemas mecatrónicos. 4) Trabajo final de implementación - Implementación de un control completo en hardware utilizando redes neuronales para una aplicación en robótica.

VII - Plan de Trabajos Prácticos

1) Proceso digital de señales - Implementación en simulación y en hardware de filtros digitales y FFT

2) Sistemas de inferencia difusa - Diseño e implementación (simulación y hardware) de sistemas de control difuso aplicados a sistemas mecatrónicos

3) Redes neuronales artificiales - Diseño y simulación de redes clasificadoras y redes aplicadas al control de sistemas mecatrónicos.

4) Trabajo final de implementación - Implementación de un control completo en hardware utilizando redes neuronales para una aplicación en robótica.

VIII - Regimen de Aprobación
A - METODOLOGÍA DE DICTADO DEL CURSO: El dictado del curso podrá ser presencial, semi-presencial, o virtual. En todos los casos, se prevé una clase teórica y una clase práctica semanal, donde esta última podrá ser de práctica de aula o laboratorio dependiendo de los contenidos del programa a dictarse en esa semana en particular. Los contenidos teóricos y prácticos serán puestos a disposición de los estudiantes a través de la plataforma Google Classroom provista por la UNSL. B - CONDICIONES PARA REGULARIZAR EL CURSO Para acceder a la condición de regular, los estudiantes deberán cumplir con los siguientes requisitos: • Entregar y aprobar con al menos 70 puntos, el 100 % de las actividades prácticas propuestas por el equipo docente. • Aprobar con al menos 50 puntos el 100% de las evaluaciones parciales prácticas definidas, de acuerdo a la normativa vigente en la UNSL • Asistir al menos al 75 % de las clases prácticas de aula y al 100% de las clases prácticas de laboratorio C – RÉGIMEN DE APROBACIÓN CON EXÁMEN FINAL El examen final para los estudiantes que se encuentren en condición regular consistirá en una evaluación oral y/o escrita sobre los contenidos teóricos de la asignatura. Los temas se sortearán al azar el día del examen. D – RÉGIMEN DE PROMOCIÓN SIN EXAMEN FINAL Para acceder a la condición de regular, los estudiantes deberán cumplir con los requisitos del inciso B, con las siguientes consideraciones: • Las evaluaciones parciales se deberán aprobar con al menos 75 puntos, que además incluirán contenidos teóricos. E – RÉGIMEN DE APROBACIÓN PARA ESTUDIANTES LIBRES El curso no contempla régimen de aprobación para estudiantes libres.

VIII - Regimen de Aprobación

A - METODOLOGÍA DE DICTADO DEL CURSO:
El dictado del curso podrá ser presencial, semi-presencial, o virtual.
En todos los casos, se prevé una clase teórica y una clase práctica semanal, donde esta última podrá ser de práctica de aula o laboratorio dependiendo de los contenidos del programa a dictarse en esa semana en particular.
Los contenidos teóricos y prácticos serán puestos a disposición de los estudiantes a través de la plataforma Google Classroom provista por la UNSL.

B - CONDICIONES PARA REGULARIZAR EL CURSO
Para acceder a la condición de regular, los estudiantes deberán cumplir con los siguientes requisitos:
• Entregar y aprobar con al menos 70 puntos, el 100 % de las actividades prácticas propuestas por el equipo docente.
• Aprobar con al menos 50 puntos el 100% de las evaluaciones parciales prácticas definidas, de acuerdo a la normativa vigente en la UNSL
• Asistir al menos al 75 % de las clases prácticas de aula y al 100% de las clases prácticas de laboratorio

C – RÉGIMEN DE APROBACIÓN CON EXÁMEN FINAL
El examen final para los estudiantes que se encuentren en condición regular consistirá en una evaluación oral y/o escrita sobre los contenidos teóricos de la asignatura. Los temas se sortearán al azar el día del examen.

D – RÉGIMEN DE PROMOCIÓN SIN EXAMEN FINAL
Para acceder a la condición de regular, los estudiantes deberán cumplir con los requisitos del inciso B, con las siguientes consideraciones:
• Las evaluaciones parciales se deberán aprobar con al menos 75 puntos, que además incluirán contenidos teóricos.

E – RÉGIMEN DE APROBACIÓN PARA ESTUDIANTES LIBRES
El curso no contempla régimen de aprobación para estudiantes libres.

IX - Bibliografía Básica
[1] Signals and systems 2nd edition, A. Oppenheim, A. Willsky, S. Hamid. Pearson, 1996. [2] Tipo: Libro [3] Formato: Impreso [4] Disponibilidad: Biblioteca UNSL Campus Villa Mercedes [5] The Scientist and Engineer's Guide to DSP. Smith, S. W. California Technical Pub, 1997. [6] Tipo: Libro [7] Formato: Digital [8] Disponibilidad: dspguide.com [9] Redes neuronales y sistemas difusos 2da edición, B. Martín del Brío, A. Sanz Molina. Editorial Alfaomega, 2005. [10] Tipo: Libro [11] Formato: Impreso [12] Disponibilidad: Biblioteca UNSL Campus Villa Mercedes [13] Neural Networks and Deep Learning, M. A. Nielsen. Determination Press, 2015. [14] Tipo: Libro [15] Formato: Digital [16] Disponibilidad: neuralnetworksanddeeplearning.com

IX - Bibliografía Básica

[1] Signals and systems 2nd edition, A. Oppenheim, A. Willsky, S. Hamid. Pearson, 1996.
[2] Tipo: Libro
[3] Formato: Impreso
[4] Disponibilidad: Biblioteca UNSL Campus Villa Mercedes
[5] The Scientist and Engineer's Guide to DSP. Smith, S. W. California Technical Pub, 1997.
[6] Tipo: Libro
[7] Formato: Digital
[8] Disponibilidad: dspguide.com
[9] Redes neuronales y sistemas difusos 2da edición, B. Martín del Brío, A. Sanz Molina. Editorial Alfaomega, 2005.
[10] Tipo: Libro
[11] Formato: Impreso
[12] Disponibilidad: Biblioteca UNSL Campus Villa Mercedes
[13] Neural Networks and Deep Learning, M. A. Nielsen. Determination Press, 2015.
[14] Tipo: Libro
[15] Formato: Digital
[16] Disponibilidad: neuralnetworksanddeeplearning.com

X - Bibliografia Complementaria
[1] Neural networks and learning machines 3rd edition, S. Haykin. Pearson/Prentice Hall, 2008. [2] Tipo: Libro [3] Formato: Impreso [4] Redes neuronales & deep learning. F. Berzal. Edición Independiente, 2018. [5] Tipo: Libro [6] Formato: Digital

XI - Resumen de Objetivos
- diseñar filtros digitales. - implementar filtros digitales en un procesador digital de señales. - diseñar controladores basados en lógica difusa - implementar redes neuronales artificiales

XII - Resumen del Programa
1) Proceso digital de señales 2) Dispositivos DSP y FPGA 3) Sistemas de inferencia difusa 4) Redes neuronales artificiales

XIII - Imprevistos
El régimen de promoción puede verse afectado en el caso de no poder llevar a cabo el 100% de las clases prácticas de aula y de laboratorio.

XIV - Otros