APLICAÇÃO DE REDES NEURAIS PARA ESTIMADORES DE VELOCIDADE SENSORLESS EM MOTORES CC NA INDÚSTRIA 4.0

Danilo Ferreira Fontoura, Wesley Candido da Silva, Renato Miyamoto

Resumo


O controle em malha fechada em motores de corrente contínua (CC) pode ser aplicado a sistemas industriais que necessitem de precisão e estabilidade da velocidade e da posição. Nessa metodologia de controle geralmente emprega-se sensores físicos dedicados, como encoders ou tacômetros. Assim, a proposta deste trabalho consiste na implementação de um estimador sensorless de velocidade em motores CC. Ao invés de utilizar sensores fisicos dedicados, a proposta é empregar medições de corrente e tensão no motor para estimativa da velocidade, utilizando Redes Neurais Artificiais. Essa abordagem pode contribuir para a redução de custos e simplificar o projeto de controle do sistema. Para isso, foi desenvolvido o modelo matemático de um motor CC em ambiente computacional, para ser utilizado na coleta de dados e na validação cruzada. Os resultados obtidos demonstram uma precisão de 99,97% para operação em regime permanente, oferecendo um desempenho comparável aos sistemas que utilizam sensores tradicionais.


Palavras-chave


Estimador velocidade; MCC, Perceptron Multicamadas.

Texto completo:

Sem título

Referências


CHAPMAN, S. J. Fundamentos de Máquinas Elétricas - 5ed. [s.l.] AMGH Editora, 2013.

FERREIRA, J. C. et al. Construção de um sistema didático para o ensino de lógica aplicada a processos de automação - BANCADA DIDÁTICA ELEVADORES. 2015.

FREITAS JUNIOR. L. C.; SILVA, R. S. Máquinas elétricas. Londrina: Editora e Distribuidora Educacional S.A., 2018.

MOHAN, N. Máquinas elétricas e acionamentos: curso introdutório. 1.ed. Rio de Janeiro: LTC, 2018.

OGATA. Engenharia de controle moderno 5a ed. São Paulo: Person, 2011.

HAGAN, M.T., DEMUTH, H.B., BEALE, M.H. Neural Network Design. PWS Publishing, 1996.

SRIVASTAVA, N. et al. Dropout: A Simple Way to Prevent Neural Networks from Overfitting. Journal of Machine Learning Research, v. 15, p. 1929-1958, 2014.

HASTIE, T., TIBSHIRANI, R., FRIEDMAN, J. The Elements of Statistical Learning. 2ª edição. Springer, 2009.

CARVALHO, Geraldo. Máquinas elétrica teoria e ensaios. 4. ed. São Paulo: Erica, 2011. 260 p

HAYKIN, Simon. Redes neurais. 2. ed. Porto Alegre: Bookman, 2001. 900 p

MIYAMOTO, R. K. Notas de aula: Inteligência Artificial Aplicada em Automação. Londrina: 2024.

MIYAMOTO, R. K. Notas de aula: Modelagem de sistemas mecânicos rotacionais. Londrina: 2023.

TAVARES, M. F. Modelagem de sistemas dinâmicos. 1.ed. Londrina: Editora e Distribuidora Educacional S.A., 2017.

SILVA, Iyan Nunes; SPATTI, Danilo Hernane; FLAUZINO, Rogerio Andrade. Redes neurais artificiais. 1. ed. São Paulo: Artliber, 2010. 399 p