![]() Ministerio de Cultura y Educación Universidad Nacional de San Luis Facultad de Ingeniería y Ciencias Agropecuarias Departamento: Ingeniería Área: Automatización |
I - Oferta Académica | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|
|
II - Equipo Docente | ||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
|
III - Características del Curso | |||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
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 |
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. |
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 |
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 |
---|
|