Análisis Dinámico y Algoritmos de Optimización para el Control de Sistemas Multivariables

Keywords:
programación Optimización Control Optimo control predictivo

Muchos sistemas modernos de alta tecnología requieren controlar múltiples variables críticas de forma simultánea. Aunque tradicionalmente esto se aborda mediante esquemas de control en cascada, las tendencias actuales apuntan hacia formulaciones de Control Predictivo por Modelo (MPC), las cuales consolidan las tareas de regulación en un único problema de optimización en tiempo real.

En esta IPRE nos enfocaremos en analizar el comportamiento dinámico de este tipo de formulaciones. El modelo matemático del sistema ya se encuentra completamente desarrollado y a disposición, por lo que el trabajo del estudiante consistirá en la caracterización teórica y la simulación del desempeño de los algoritmos.

El proyecto abordará dos objetivos principales:

Análisis de la Dinámica del Sistema: Estudiar las propiedades del modelo multivariable resultante, evaluando los acoplamientos entre estados y acciones de control, así como la linealización del sistema.

Evaluación de Algoritmos (Solvers): Implementar y comparar distintos métodos de optimización numérica para evaluar el compromiso entre precisión matemática, esfuerzo computacional y factibilidad de ejecución en tiempo real.

Aplicación del estudio:
El caso de estudio práctico donde se evaluarán estas herramientas corresponde al balance energético y regulación de corriente en convertidores de potencia avanzados (utilizados en redes inteligentes, almacenamiento de energía y electromovilidad).

Perfil y Prerrequisitos:
Herramientas: MATLAB/Simulink o Python.

Prerrequisitos: Conocimientos sólidos en Sistemas Dinámicos y Control Automático. Nociones básicas de optimización matemática y programación.

Impacto y Aprendizaje:
El estudiante desarrollará competencias avanzadas en el análisis de sistemas multivariables, formulación de algoritmos de optimización y simulación de estrategias de control predictivo, habilidades altamente transferibles tanto a la investigación de postgrado como al desarrollo tecnológico en la industria.

Fecha de Creación 21/07/2026
Vacantes Disponibles 2/2
Créditos 10
Modalidad Nota 1-7
¿Es CMD?
De tener un carácter Interdisciplinario puede ser considerado como OFG
No
Mentores
  • Javier Pereda Torres (Responsable)
¿Es pública?
Las oportunidades públicas son visibles para personas externas a la plataforma
¿Es postulable?
Las oportunidades postulables son visibles para estudiantes y tienen vacantes disponible
¿Tiene fecha límite?
La oportunidad dejará de ser postulable después de la fecha límite
No