Controlo e Inteligência Computacional

Conhecimentos de Base Recomendados

Matemática avançada para a engenharia; Teoria do controlo.

Métodos de Ensino

Será usada uma combinação dos seguintes métodos: aulas de orientação tutorial; aulas de seminário; orientação de trabalho prático de simulação e/ou de implementação real. Avaliação: trabalho prático com elaboração de relatório e apresentação final (100%).

Resultados de Aprendizagem

Após a frequência desta disciplina, os alunos deverão ter adquirido conhecimentos teóricos e práticos necessários para análise e projeto de sistemas de controlo por computador e de inteligência computacional aplicada em controlo.

Aquisição de competências, em ambiente de investigação, tais como de análise e síntese, aprendizagem autónoma, adaptabilidade a novos contextos, aplicar na prática os conhecimentos teóricos.

Estágio(s)

Não

Programa

- Modulo I: Controlo por computador em espaço de estados com observadores de estado (e.g. observador de Kalman). Controlo ótimo em tempo discreto em espaço de estados.

- Modulo II: Introdução ao controlo não linear: 1) conceitos; 2) simulação e controlo de sistemas não lineares; 3) análise de estabilidade.

- Modulo III: Metodologias de inteligência computacional e aprendizagem máquina aplicadas em controlo.

- Aplicações em sistemas robóticos e mecatrónicos.

Docente(s) responsável(eis)

Rui Alexandre de Matos Araújo

Métodos de Avaliação

Avaliação
Trabalho de investigação: 100.0%

Bibliografia

- Astrom, K., Wittenmark, B. (1997), Computer Controlled Systems: Theory and Design, Prentice-Hall.

- Hassibi, B., Sayed, A.H., Kailath, T. (1999), Indefinite-Quadratic Estimation and Control - A Unified Approach to H2 and H∞ Theories, SIAM.

- Simon, D. (2006), Optimal State Estimation: Kalman, H∞ and Nonlinear Approaches, Wiley.

- Khalil, H. (2015), Nonlinear Control, Pearson.

- Khalil, H. (2002), Nonlinear Systems, 3rd Edition, Pearson.

- Haddad W.M., Chellaboina V. (2008), Nonlinear Dynamical Systems and Control: A Lyapunov-Based Approach, Princeton University Press.

- Wang, L.-X. (1997), A Course in Fuzzy Systems and Control, Prentice-Hall.

- Haykin, S. (2009), Neural Networks and Learning Machines, 3rd Edition, Pearson.

- Babuska, R. (1998), Fuzzy Modeling for Control, Kluwer.

- Shin, Y.C., Xu C. (2009), Intelligent Systems, Modeling, Optimization, and Control, CRC Press.

- Feng, G. (2010), Analysis and Synthesis of Fuzzy Control Systems: a Model-Based Approach. CRC press.

- Golden, R. (2020), Statistical Machine Learning - A Unified Framework, CRC Press.

By Richard Golden

- Sharma, K.D., Chatterjee, A., Rakshit, A. (2018), Intelligent Control - A Stochastic Optimization Based Adaptive Fuzzy Approach, Springer.