Controle Escalar do Motor de Indução Usando a Técnica Sensorless Neural

Authors

  • Tiago H. dos Santos Instituto Federal do Paraná (IFPR)
  • Alessandro Goedtel Universidade Tecnológica Federal do Paraná (UTFPR-CP)
  • Sérgio A. Oliveira da Silva Universidade Tecnológica Federal do Paraná (UTFPR-CP)
  • Marcelo Suetake Universidade Federal de São Carlos (UFSCAR)

DOI:

https://doi.org/10.18618/REP.2014.1.024035

Keywords:

Controle Escalar, Estimador de Velocidade, Motor de Indução, Redes Neurais Artificiais

Abstract

Os motores de indução têm grande importância nos mais diversos setores industriais por sua robustez e baixo custo. Assim, quando a carga acoplada ao seu eixo necessitar do controle de velocidade, parte das estratégias de controle e acionamento é baseada na estimativa de velocidade. A proposta deste trabalho consiste em apresentar uma metodologia alternativa às tradicionais para a estimativa de velocidade do motor de indução trifásico. Este é acionado por um inversor de tensão utilizando modulação espacial vetorial na estratégia de controle escalar baseada em redes neurais artificiais. Resultados de simulação e experimentais são apresentados para validar o método proposto com o motor submetido a variações de velocidade e torque de carga, os quais demonstraram ser bem promissores.

Downloads

Download data is not yet available.

Author Biographies

Tiago H. dos Santos, Instituto Federal do Paraná (IFPR)

nascido em 16/06/1984 em Cambé-PR, é tecnólogo em automação industrial (2008) pela Universidade Tecnológica Federal do Paraná (UTFPR-CP); mestre engenharia elétrica (2012) pela Universidade Tecnológica Federal do Paraná (UTFPR-CP). Atualmente é professor do Departamento de Controle e Processos Industriais do Instituto Federal do Paraná (IFPR). Suas áreas de interesse são: acionamento de máquinas elétricas, sistemas inteligentes e eletrônica de potência.

Alessandro Goedtel, Universidade Tecnológica Federal do Paraná (UTFPR-CP)

nascido em 12/02/1972 em Arroio do Meio-RS, é engenheiro eletricista (1996) pela Universidade Federal do Rio Grande do Sul (UFRGS-DEE); mestre em engenharia industrial (2003) pela Universidade Estadual Paulista (UNESP-FEB) e doutor em engenharia elétrica (2007) pela Escola de Engenharia de São Carlos (EESC) da Universidade de São Paulo (USP). Atualmente é professor do Departamento de Engenharia Elétrica da Universidade Tecnológica Federal do Paraná (UTFPR-CP). Suas áreas de interesse são: acionamento de máquinas, sistemas inteligentes e ensino de Engenharia Elétrica. É membro da SBA e do IEEE.

Sérgio A. Oliveira da Silva, Universidade Tecnológica Federal do Paraná (UTFPR-CP)

nascido em 07/07/1964 em Joaquim Távora-PR, é engenheiro eletricista (1987) e mestre em engenharia elétrica (1989) pela Universidade Federal de Santa Catarina (UFSC); e doutor em engenharia elétrica (2001) pela Universidade Federal de Minas Gerais. Atualmente é professor do Departamento de Engenharia Elétrica da Universidade Tecnológica Federal do Paraná, Campus Cornélio Procópio (UTFPR-CP). Suas áreas de interesse são: filtros ativos de potência, sistemas de energia ininterrupta (UPS), sistemas de controle empregando DSP, qualidade da energia elétrica e ensino de Engenharia Elétrica. É membro da SOBRAEP e do IEEE.

Marcelo Suetake, Universidade Federal de São Carlos (UFSCAR)

nascido em 22/12/1981 em Rinópolis-SP, é engenheiro eletricista (2005) pela Universidade Estadual Paulista (UNESP-BAURU); mestre (2008) e doutor (2012) em engenharia elétrica pela Escola de Engenharia de São Carlos (EESC) da Universidade de São Paulo (USP). Atualmente é professor do curso de Engenharia Elétrica da Universidade Federal de São Carlos (UFSCar). Suas áreas de interesse são: acionamento e controle de máquinas elétricas, sistemas inteligentes e conversão da energia elétrica.

Published

2014-03-31

How to Cite

[1]
T. H. dos Santos, A. Goedtel, S. A. O. da Silva, and M. Suetake, “Controle Escalar do Motor de Indução Usando a Técnica Sensorless Neural”, Eletrônica de Potência, vol. 19, no. 1, pp. 24–35, Mar. 2014.

Issue

Section

Original Papers