Mestrado em Engenharia Elétrica - CAMPO GRANDE

1. Introdução: média, desvio padrão, variância, mediana, moda, curtose, correlação,
covariância. 2. Variável aleatória: definição, media de variáveis aleatórias, variância de
variáveis aleatórias, processo aleatório, matrizes de auto-variância e auto-correlação,
ergodicidade, características estatísticas do ruído. 3. Estatística Bayesiana. 4. Curvas de
distribuição contínua e discreta. 5. Estimação de parâmetros. 6. Teste de hipótese e
inferência, 7. Regressão linear: Regressão linear simples, regressão linear múltipla. 8.
Estatística não paramétrica: modelos não paramétricos, métodos de inferência não paramétricos

Qualidade de energia elétrica, harmônicas, afundamento de tensão, compensação de potência reativa, estabilidade transitória, estrutura e controle de conversores, conversores multiníveis, filtros ativos de potência, compensadores estáticos série e paralelo, FACTS e HVDC.

Principais fontes alternativas de energia elétrica com ênfase na conversão fotovoltaica.
Geração distribuída de energia elétrica. Algoritmos para extração de máxima potência
(MPPT). Algoritmos de proteção de ilhamento. Algoritmos para conexão à rede de distribuição
de energia elétrica. Sistemas inversores para injeção de energia na rede de distribuição de
energia elétrica. Simulação dinâmica de sistemas fotovoltaicos.

-

-

Atividade avaliada por banca específica após apresentação pelo aluno. Tem por finalidade verificar sua capacidade de comunicação e conhecimento da literatura atual e relevante, com arguição versando sobre o tema de sua dissertação.

Semicondutores atuais de potência. Retificadores não controlados e controlados. Conversores
CC-CC clássicos não isolados. Conversores CC-CA monofásicos e trifásicos. Circuitos de
acionamento.

Realizar estágio com supervisão do Prof. Orientador.

Sistemas de geração eólica, térmica e fotovoltaica; Arranjos para geração distribuída;
Técnicas para conectividade à rede elétrica; Controle de fluxo ativo e reativo em microredes;
Técnicas de cooperação entre inversores. Sistemas de múltiplas fontes; Introdução a
microredes inteligentes.

Fundamentos de máquinas elétricas. Representação vetorial de circuitos e máquinas
elétricas; Modelos dinâmicos de máquinas de indução.
Modelos dinâmicos de máquinas síncronas:Transitórios eletromagnéticos e eletromecanicos
em máquinas C.A. Princípios da dinâmica de conjugado e fluxo de acionamentos elétricos.
Simulação do comportamento de máquinas elétricas C.A.

Modelação de conversores estáticos; Projeto de controladores; Controle em modo corrente e tensão; Correção ativa de fator de potência; Técnicas avançadas de controle. Introdução ao controle de inversores.

-

Conceitos de representação de imagens. Técnicas de convolução. Métodos de filtragem de imagens. Detectores de bordas. Operadores morfológicos. Métodos de segmentação. Métodos de extração de características. Conceitos gerais de reconhecimento de padrões. Construção de sistemas e aplicações em engenharia.

1. Introdução: sinais e sistemas em tempo contínuo e discreto, teoria de amostragem, aliasing.
2. Convolução e correlação em tempo discreto. 3. Séries e Transformadas de Fourier em
tempo discreto. 4. FFT e espectrograma. 5. Transformada Z: descrição de sistemas discretos,
propriedades da transfomada Z, função de transferência discreta, estabilidade de sistemas
discretos, transformação de Euler em avanço, Euler em atraso e Tustin. 6.Filtros digitais: tipos
de filtros, filtros IIR, filtros FIR, projeto de filtros digitais. 7. Modelos AR, MA e ARMA. 8.
Wavelets. 9. Análise de espectro de potência: Métodos paramétricos e não paramétricos. 10.
Filtros adaptativos.

Revisão sobre operações matriciais e Análise de Sistemas no Espaço de Estado; Controle baseado em Modelo Preditivo Discreto (Model Predictive Control - MPC), MPC com Restrições, MPC utilizando Funções de Laguerre, Testes de MPC utilizando Cosimulação.

-

-

-

-

-

-

-

-

-

-

-

-

Elaboração da revisão bibliográfica com apresentação ao Prof. Orientador

Estruturação da dissertação em capítulos com embasamento teórico. Apresentação ao Prof.
Orientador.

Simulação, síntese comportamental e lógica, geração de código e depuração de projeto de hardware. Systems-on-Chip e co-projeto de hardware. Hardware para desenvolvimento de Sistemas Embarcados: microcontrolador, DSP e FPGA. Desenvolvimento de hardware para controle de periféricos. Tratamento de Sinais e Sistemas em sistemas embarcados. Avaliações de Desempenho unsando Software-in-the-Loop e Hardware-in-the-Loop. Inserção de técnicas de controle em hardware; Desenvolvimento de hardware com Processador Embarcado: Programação do Processador utilizando Linguagem C. Inserção de Técnicas de Inteligências Artificial em Hardware; Estudos de Casos: Desenvolvimento de Hardware aplicado à Eletrônica de Potência.

Espacos e vetores lineares, Modelagem matematica de sistemas dinamicos; Estabilidade de sistemas lineares. Realimentacao de estado e estimacao de estado; Observabilidade e controlabilidade; Estabilidade segundo Lyapunov.

Redes neurais artificiais. Lógica fuzzy (nebulosa). Sistemas nebulosos adaptativos. Sistemas neuro-fuzzy. Regras heurísticas. Aplicações em Inteligência Artificial.

Aplicações de redes neurais artificiais: Identificação de sistemas dinâmicos; Modelo dinâmico
inverso; Técnicas de modulação PWM de inversores usando redes neurais; Controladores de
conversores CC-CC; Controle vetorial de máquinas trifásicas; Estimação de parâmetros de
motores com RNA; Aplicações da lógica difusa; Estimação de parâmetros; controladores
difusos para máquinas trifásicas e conversores CC; sintonização de controladores PID usando
lógica difusa; Aplicações de sistemas neuro-difusos; Sistemas Especialistas; Introdução aos
sistemas especialistas; Sintonização de controladores para conversores CC-CC e máquinas
elétricas.

Controladores com Modelo interno; Técnicas Controle de sistemas não-lineares; Controle
Preditivo, Controladores Adaptativo Ótimo; Regulador e Controlador Linear Quadrático;
Incerteza Paramétrica; Identificação de Sistemas; Técnicas de controle robusto.

Princípios de Modelagem Baseada em Dados. Estatística no tempo e frequência. Problemas
mal condicionados e regularização. Modelos Paramétricos lineares e não-lineares; Análise de
Componente Principal (PCA); Modelos Não-Paramétricos; Análise de incerteza dos modelos
baseados em dados e Aplicações de modelagem para diagnóstico e detecção de faltas;
Noções de tolerância à falta. Metodologias para aumento de robustez dos modelos.Aplicações
em máquinas elétricas e conversores eletrônicos de potência.

Princípios de conversores estáticos de potência para acionamentos em CA; Técnicas PWM
para acionamentos em CA; Controle escalar e vetorial de máquinas de CA; Modelagem dos
sistemas de acionamentos CA; Controle de máquinas síncronas;Controle sem sensores de
velocidade. Simulação de sistemas de acionamentos CA;

Circuitos de aplicação em baixa potência e alta impedância. Amplificadores. Filtros passivos e
ativos. Circuitos de sensoriamento e condicionamento de sinais. Condicionamento de sinais
para sistemas digitais. Circuitos para excitação de conversores analógico-digitais.