Sumário

I - Estimação e filtragem

1. Introdução à identificação de sistemas dinâmicos
1.1. Objetivos de identificação de processos
1.2. Modelos para sistemas dinâmicos
1.3. Estimação de parâmetros
1.4. Identificação determinística
1.5. Excitação persistente
1.6. Conclusões

2 - Métodos não-paramétricos
2.1. Uma visão global de métodos de identificação
2.2. Métodos de identificação temporais
2.3. Métodos de identificação freqüencias
2.4. Estudo de Caso
2.5. Comentários gerais

3 - Algoritmos para estimação paramétrica de sistemas lineares
3.1. Descrição de sistemas lineares discretos
3.2. Métodos de identificação paramétrica
3.3. Outros algoritmos recursivos de estimação
3.4. Estudo de caso em um sistema trocador de calor
3.5. Conclusão

4 - Modelos não-lineares
4.1. Estruturas dinâmicas não-lineares
4.2. Realizações não-lineares
4.3. Conclusões

5 - Aspectos práticos de identificação de sistemas
5.1. Pré-processamento dos dados
5.2. Escolha do sinal de excitação
5.3. Implementação numericamente robusta dos algoritmos de estimação
5.4. Determinação da estrutura do modelo
5.5. Identificação em malha fechada
5.6. Estimação de sistemas variantes no tempo
5.7. Métodos de validação do modelo
5.8. Estudo de caso

6 - Observadores de Estado e Filtro de Kalman
6.1. Observadores de Estado
6.2. Estimação de estado: Filtro de Kalman

7 - Filtragem - conceitos e aplicações
7.1. Representação
7.2. Processamento de sinais
7.3. Filtros digitais
7.4. Processamento digital de sinais
7.5. Processamento de sinais aleatórios
7.6. Tópicos complementares
7.7. Conclusão

II Sistemas inteligentes

8 - Sistemas inteligentes na automática
8.1. O que é Inteligência Artificial?
8.2. Por que IA é importante na área de Automática?
8.3. Que ferramentas de IA são disponíveis atualmente?
8.4. Que tópicos correlatos são importantes no desenvolvimento de Sistemas Inteligentes?
8.5. Há exemplos reais de Sistemas Inteligentes?
8.6. Como está a realidade brasileira?

9 - Computação Bioinspirada em Controle de Processos
9.1. Introdução
9.2. Computação digital e computação bioinspirada
9.3. Bioinspiração e estratégias avançadas de controle de processos
9.4. Histórico da computação bioinspirada
9.5. Descrição das técnicas
9.6. Aplicações em controle autônomo de robôs móveis
9.7. Outros trabalhos na área e a realidade brasileira
9.8. Considerações finais

10 - Modelagem e controle nebuloso
10.1. Introdução
10.2. Conjuntos nebulosos
10.3. Relações nebulosas
10.4. Variáveis lingüísticas
10.5. Inferência
10.6. Sistemas baseados em regras e inferência nebulosa
10.7. Controle nebuloso com modelo lingüístico
10.8. Modelos funcionais
10.9. Conclusões

11 - Redes neurais em modelagem de sistemas
11.1. Redes neurais e modelagem
11.2. Modelos e submodelos híbridos neural-fenomenológicos
11.3. Sistemas dinâmicos
11.4. Outros trabalhos na área

III Robótica

12 - Robôs manipuladores
12.1. Manipulador mecânico
12.2. Cinemática
12.3. Cinemática diferencial
12.4. Controle cinemático
12.5. Dinâmica
12.6. Controle de movimento de robôs
12.7. Controle de força
12.8. Tópicos especiais

13 - Robôs móveis
13.1. Locomoção
13.2. Programação
13.3. Planejamento de caminhos
13.4. Cooperação entre múltiplos robôs
13.5. Conclusão

14 - Percepção Robótica
14.1. Sensores comumente usados em robótica
14.2. Representação de incertezas
14.3. Integração sensorial
14.4. Tópicos especiais

15 - Visão robótica
15.1. Formação da imagem
15.2. Processamento de imagens
15.3. Recuperação tridimensional empregando visão
15.4. Controle baseado em visão
15.5. Visão ativa
15.6. Rastreamento visual
15.7. Visão de máquina