Ementas das disciplinas
APLICAÇÕES DA ENGENHARIA DE CONTROLE E AUTOMAÇÃO
Ementa: Ciência, técnica e tecnologia – Engenharia: conceituação e histórico. A atuação profissional e social do engenheiro. Decisões ligadas ao exercício da função. Conhecimento científico. Pesquisa científica e Inovação. Desenvolvimento de uma pesquisa.
CONTROLE PREDITIVO
Ementa: Conceitos preliminares, Modelos de previsão usando estrutura ARMAX e BFO, Critérios de custo baseados em norma 2 e infinito, Casos clássicos DMC, GPC e CRHPC, Análise de estabilidade do sistema em malha fechada, Tratamento de restrições nos sinais de controle/saída, Controle preditivo robusto (caso com LMI), Controle preditivo não- linear com modelos Volterra, Controle preditivo híbrido, Controle preditivo multivariável.
DISSERTAÇÃO DE MESTRADO
Ementa: Esta disciplina visa acompanhar o desenvolvimento do projeto de mestrado, a preparação dos estudos para o exame de qualificação e a preparação da
dissertação, por meio de encontros com o professor orientador e o grupo de pesquisa. Será trabalhada a construção de artigos científicos e tecnológicos, assim produtos tecnológicos gerados pelos estudos. O aluno poderá se inscrever nesta disciplina mais de uma vez, no entanto os créditos apenas serão obtidos quando a defesa pública da Dissertação de Mestrado for realizada e aprovada.
IMPLEMENTAÇÃO DE ALGORITMOS PARA OTIMIZAÇÃO
Ementa: Estruturas e manipulação de dados; Princípios de linguagem C; Manipulação de funções: relações e recursividade; Complexidade de Algoritmos; Algoritmos de ordenação; Representação de sistemas em redes por grafos; Técnicas para a Implementação de Algoritmos usado em Problemas Clássicos: Problema da árvore de peso mínimo, Problema de caminho de custo mínimo, Problema de fluxo de custo mínimo, Estudos de Heurísticas e Meta-Heurísticas.
INSTRUMENTAÇÃO ELETRÔNICA
Ementa: Estrutura geral de um sistema de medição e seus elementos típicos: elementos sensores, transdutores, elementos de condicionamento analógico de sinais, e elementos de condicionamento digital de sinais. Condicionamento analógico de sinais. Condicionamento digital de sinais. Técnicas de medição de tensão, corrente, resistência, frequência. Transmissão analógica de sinais. Transmissão digital de sinais.
INTELIGÊNCIA ARTIFICIAL
Ementa: Resolução de problemas. Representação do conhecimento. Sistema especialista. Aprendizagem de máquina. Representação da incerteza. Redes neurais artificiais. Lógica Fuzzy e Neuro Fuzzy. Computação evolucionária. Mineração de dados.
PROCESSOS ESTOCÁSTICOS
Ementa: Probabilidade Básica. Probabilidade Condicional. Variáveis Aleatórias Discretas. Valores Esperados. Múltiplas Variáveis Discretas Aleatórias. Conceitos Básicos de Processos Estocásticos: Sistemas Lineares e Processos Estacionários Aleatórios, Processos Aleatórios Gaussianos, Processos Aleatórios de Poisson. Cadeias de Markov. Métodos MCMC.
PROCESSAMENTO DIGITAL DE IMAGENS
Ementa: Fundamentos de Processamento de Imagens. Áreas de Aplicação. Formação de Imagens, imagens digitais e seus atributos. Filtros 2D. Amostragem e Quantização. Técnicas de Melhoramento de Imagens. Segmentação de Imagens. Representação e Descrição. Operações lógicas e aritméticas entre imagens. Transformada de Fourier. Filtragem no domínio espacial e no domínio da frequência.
PROCESSAMENTO DIGITAL DE SINAIS
Ementa: Sinais e sistemas no tempo discreto. Transformada z. Teoria da Amostragem. Filtros digitais tipo FIR e tipo IIR. Representação Matricial de Filtros Digitais. Transformada Discreta de Fourier. Transformada Rápida de Fourier. Implementação de Filtros Digitais e Algoritmos Diversos. Análise Wavelet.
RECONHECIMENTO DE PADRÕES
Ementa: Introdução ao reconhecimento de padrões. Percepção. Diferentes abordagens de reconhecimento de padrões. Extração de características: estruturais e estatísticas. Características estatísticas. Análise de componentes principais (PCA). Métodos não paramétricos: k-vizinhos mais próximos (kNN). Estimação de probabilidade. Funções discriminantes lineares (LDA). Perceptron. Support Vector Machine (SVM). Seleção de características e redução de dimensionalidade: PCA. Espaço e curvas: Receiver Operating Characteristics (ROC). Rejeição. Combinação de classificadores: Diversidade, Bias/variância, Boosting, Bagging.
REDES
Ementa: Princípios de comunicação digital: topologias, multiplexação e modulação, comutação. Arquiteturas e padrões. O modelo de referência OSI da ISO. A arquitetura Internet: conceitos gerais, extensões (IP multicast, IPv6, IP QoS). Controle de fluxo: controle de congestionamento e gerência de fila de roteadores. Protocolos para comunicação multimídia. Redes na hierarquia fabril. Características desejáveis de redes industriais: comportamento temporal, confiabilidade, adequação ao meio, conectividade e interoperabilidade, padronização. Projetos de padronização: IEEE 802, MAP/TOP, Fieldbus (PROFIBUS, FIP, Foundation Fieldbus). Redes sem fio (IEEE 802.11). Visão geral de produtos e suas aplicações.
ROBÓTICA
Ementa: Aspectos macroscópicos da Robótica. Robôs industriais. Robôs de serviço. Características, arquiteturas, modelagem e controle de robôs industriais. Atuação e programação de robôs industriais. Robôs móveis. Características, arquiteturas, modelagem e controle de robôs móveis.
SISTEMAS EMBARCADOS
Ementa: Características e aplicações dos sistemas embarcados. Estudo do hardware: dispositivos de entradas e saídas digitais; dispositivos de entradas e saídas analógicas (conversores AD/DA); unidades de armazenamento; e unidades de processamento. Linguagem de programação para sistemas embarcados. Protocolos de comunicação para sistemas embarcados. Controle de dispositivos externos. Desenvolvimento de projeto de sistema embarcado.
SISTEMAS DE CONTROLE
Ementa: Conceitos fundamentais sobre a teoria de controle clássico e moderno. Análise da Resposta Transitória. Análise de Estabilidade de Sistemas Dinâmicos. Análise e projeto de sistemas de controle pelo Método do Lugar Geométrico das Raízes e através da Resposta em Frequência. Estudo sobre o Controle PID. Projeto de sistemas de controle no espaço de estados. Estudo sobre técnicas de controle digital aplicadas a diversos sistemas dinâmicos.
TÓPICOS ESPECIAIS EM MACHINE LEARNING
Aprofundamento em tópicos avançados de Machine Learning aplicada à Engenharia de Controle e Automação, tais como: • Redes Neurais Convolutivas; • Faster-RCNN; • Instance e Semantic Segmentation; • Long Short Term Memory; • Generative Adversarial Network; • Combinação de Técnicas de Aprendizado Profundo; • Entre outros tópicos de acordo com a demanda dos trabalhos de dissertação em andamento.
TÓPICOS ESPECIAIS EM MODELAGEM DE DADOS
Análise Exploratória de Dados. Pré-processamento de dados para fins de modelagem. Seleção de Amostras. Seleção de variáveis. Técnicas de Modelagem. Critérios e métricas para avaliação de desempenho de modelos. Validação de Modelos.
TÓPICOS ESPECIAIS EM EFICIÊNCIA ENERGÉTICA E FONTES RENOVÁVEIS
Estudos avançados e do estado da arte aplicados à Engenharia de Controle e Automação, dos seguintes tópicos: ● Conceitos de EE e FR aplicados a Engª de Controle e Automação; ● Projeto de sistemas fotovoltaicos conectados à rede elétrica (on-grid); ● Armazenadores e Baterias em sistemas embarcados e isolados da rede elétrica (off-grid); ● Softwares de auxílio a projeto e simulação de operação de EE e FR; ● Combinação dos conceitos e aplicações de Smart Cities, Smart Grids, Eletromobilidade, Energia 4.0 e Indústria 4.0; ● E tópicos correlatos de acordo com a demanda dos trabalhos de dissertação em andamento.
TÓPICOS ESPECIAIS EM VISÃO COMPUTACIONAL CLÁSSICA
Fundamentos das imagens digitais; Técnicas de filtragem; Segmentação; Identificação de objetos geométricos básicos. Medição e edição de objetos; Medições de velocidade; Pontos de interesse (features) e suas aplicações (SIRF, SURF). Fluxo óptico e aplicações. Visão stereo.