Determinação dos parâmetros de motores de indução trifásico através de técnicas de aprendizado de máquina

Abstract

Considerando os desafios associados à estimação de parâmetros internos de motores de indução trifásicos, em especial, as limitações dos métodos tradicionais, pouco abrangentes ou restritos a ensaios laboratoriais, este trabalho propõe uma metodologia alternativa para determinar tais parâmetros utilizando técnicas de aprendizado de máquina e deep learning, a partir de informações obtidas de catálogos dos próprios fabricantes. A abordagem desenvolvida é não invasiva e prática, permitindo obter dados essenciais para a compreensão do comportamento dinâmico das máquinas sem a necessidade de ensaios experimentais complexos. Para viabilizar a metodologia, foram utilizadas ferramentas como MATLAB/Simulink por meio da função power_AsynchronousMachineParams e a linguagem Python em ambientes de desenvolvimento integrado, o que possibilitou a construção de um dataset abrangente e representativo de diferentes categorias de motores. Esse conjunto de dados serviu de base para o treinamento e avaliação de modelos de inteligência artificial com diversas arquiteturas e algoritmos que apresentaram convergência excepcional com o comportamento de um motor avaliado experimentalmente em laboratório.

Considering the challenges associated with estimating internal parameters of threephase induction motors, particularly the limitations of traditional methods which are often limited in scope or restricted to laboratory tests, this work proposes an alternative methodology to determine such parameters using state-of-the-art machine learning and deep learning techniques, based on information obtained from manufacturers’ catalogs. The developed approach is non-invasive and practical, allowing the acquisition of essential data for understanding the dynamic behavior of machines without the need for complex experimental testing. To implement the methodology, tools such as MATLAB/Simulink and its built-in power_AsynchronousMachineParams function and the Python programming language in integrated development environments were used, enabling the construction of a comprehensive and representative dataset of different motor categories. This dataset served as the basis for training and evaluating artificial intelligence models with various architectures and algorithms that presented exceptional convergence with the experimentally assessed motor during laboratory tests.