Arquitectura de un CNN. Crédito: transacciones CES en máquinas y sistemas eléctricos (2025). Doi: 10.30941/cestems.2025.00019
Un estudio, dirigido por el Dr. Wentao Huang, superó una brecha crítica en el diagnóstico de motor sincrónico de magnet permanente de cinco fases (PMSM): los métodos convencionales no pueden evaluar la gravedad de cortocircuito interno (ITSC). El método integra dos tecnologías: un rastreador en tiempo real que diagnostica fallas y un analizador de inteligencia artificial que procesa las señales para cuantificar el daño al tiempo que estima los parámetros de cortocircuito.
Durante años, el desafío de cuantificar la gravedad de cortocircuito interno en los motores operativos ha perturbado a los ingenieros, ya que los métodos tradicionales lucharon para desacoplar los parámetros de fallas complejas. Los enfoques de diagnóstico convencionales se quedaron cortos en la evaluación en tiempo real, dejando riesgos críticos como la desmagnetización irreversible sin detectar.
El método, basado en el observador estatal extendido (ESO) y la red neuronal convolucional (CNN), se desarrolló en la Universidad de Jiangnan y representa un salto fundamental adelante. Críticamente, su capacidad para aislar la relación de giro de cortocircuito de la resistencia a las fallas elimina un obstáculo clave en el diagnóstico de fallas, lo que permite una clasificación precisa de gravedad en tiempo real que dicta respuestas de protección específicas.
La investigación es publicado En la revista CES Transactions en máquinas y sistemas eléctricos.
Este método ofrece protección crítica del mundo real: al habilitar la localización precisa de fallas y la evaluación de gravedad en tiempo real, proporciona información suficiente para implementar medidas efectivas tolerantes a fallas. Además, los costos potenciales de mantenimiento pueden reducirse sustancialmente. Para los vehículos eléctricos específicamente, la tecnología sirve como una salvaguardia crucial, evitando que los cortocircuitos del motor no detectados se intensifiquen en incendios eléctricos potencialmente mortales.
El procesamiento de datos utiliza la transformación rápida de Fourier (FFT) para extraer y normalizar las amplitudes del indicador de fallas, formando datos de muestra de las relaciones a valores normales de estado estacionario. Luego se capacita a un CNN en estos datos para entregar una estimación de relación de giro de cortocircuito en línea. Crédito: Yijia Huang
Mirando hacia el futuro: motores más inteligentes y autoprotectores
El desarrollo de la próxima fase equipará los motores con capacidades de autoprotección: reducir automáticamente la potencia durante la detección de fallas para evitar daños, mientras se integrará sin problemas con las redes de fábricas para el monitoreo de la salud de la flota en vivo.
Más allá del uso industrial, esta tecnología podría adaptarse para una infraestructura crítica, endureciendo potencialmente las turbinas eólicas contra las fallas de los generadores en entornos hostiles e incorporando sistemas de protección en la propulsión eléctrica aeroespacial para mitigar los peligros en la luz.
Esta evolución aprovecha nuestro avance central en el desacoplamiento de fallas en tiempo real, lo que permite a las máquinas responder de forma autónoma a las fallas eléctricas antes de que se intensifiquen. Imagine a los parques eólicos que informan de manera autónoma los problemas durante las tormentas, o aviones eléctricos que contienen de manera proactiva el sobrecalentamiento de componentes en el vuelo, todos habilitados por inteligencia de diagnóstico avanzada.
Más información: Yijia Huang et al, diagnóstico de fallas de cortocircuito interviro y estimación de gravedad para PMSM de cinco fases, transacciones CES en máquinas y sistemas eléctricos (2025). Dos: 10.30941/cestems.2025.00019
Proporcionado por las transacciones CES en máquinas y sistemas eléctricos
Cita: Seguridad del motor: el sistema de advertencia con IA aumenta la capacidad para descubrir fallas ocultas (2025, 3 de julio) Recuperado el 3 de julio de 2025 de https://techxplore.com/news/2025-07-motor-safety-ai-powered-capability.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
