Logotipo do Site Inovação Tecnológica





Mecânica

Motor elétrico preferido da indústria é otimizado por inteligência artificial

Redação do Site Inovação Tecnológica - 26/10/2021

Inteligência artificial otimiza motor elétrico de indução
Um algoritmo genético elevou o fator de potência dos motores de indução gaiola de esquilo.
[Imagem: Therese van Wyk/Mbika Muteba]

Motor de indução gaiola de esquilo

Um tipo de motor elétrico, chamado motor de indução gaiola de esquilo, é o preferido da indústria pela sua versatilidade, alta eficiência e baixo ruído.

Não é por acaso que eles estão por todos os lados.

Robusta e confiável, a versão trifásica desse tipo de motor de indução é o preferido da indústria porque, por não produzir faísca, eles se adaptam muito bem a ambientes perigosos, como refinarias de petróleo, minas, operações de moagem, bombeamento etc.

Em casa, a geladeira, a máquina de lavar, a secadora e a bomba da piscina são movidos por motores de gaiola de esquilo monofásicos.

O problema é que as distribuidoras de energia não gostam nada deles porque seus fatores de potência podem tornar a rede instável.

A boa notícia é que, usando inteligência artificial, um engenheiro descobriu como projetar um motor de gaiola que se comporte bem na rede elétrica, sem perder sua potência, eficiência e confiabilidade.

Inteligência artificial otimiza motor elétrico de indução
Estrutura geral do motor otimizado.
[Imagem: Mbika Muteba et al. - 10.3390/en14154407]

Motor otimizado com inteligência artificial

Os motores de indução trifásico tipo gaiola de esquilo têm o que os engenheiros chamam de rotor curto-circuitado: o rotor, a parte giratória do motor, é composto de barras metálicas em volta de um conjunto de chapas, curto-circuitadas por anéis metálicos nas extremidades.

Eles são especialmente adequados para aplicações de alta velocidade, acima de 3000 rpm. Esses motores têm partida automática e não precisam de muita manutenção, mesmo quando têm centenas de cavalos de potência.

O problema é que, ao ligá-los, eles geram picos que podem desestabilizar toda a rede elétrica - eles têm um fator de potência ruim, com grandes potências reativas.

Quem decidiu enfrentar esse problema foi o professor Mbika Muteba, da Universidade de Joanesburgo, na África do Sul. Ele treinou um programa de inteligência artificial para que ele otimizasse o projeto do motor para que ele comece a trabalhar sem importunar ninguém, e ainda mantenha todas as suas vantagens.

Inteligência artificial otimiza motor elétrico de indução
Rotor otimizado (esquerda) em comparação com o rotor tradicional dos motores de indução de gaiola (direita).
[Imagem: Therese van Wyk/University of Johannesburg]

Motor de gaiola com alto fator de potência

A solução gerada pelo programa envolve o desenho preciso das barras metálicas e chapas do rotor, e a construção de uma bobina auxiliar sobre o estator, além de um distanciamento entre o rotor e o estator que é maior do que nos motores atuais.

Muteba modelou e projetou rotores e bobinas capacitivas auxiliares para um motor de gaiola de esquilo de 5,5 kW (7,37 cavalos de potência métrica). O motor apresentou excelente fator de potência, variando de 0,93, medido a 0% de carga, a 0,99 de 60% até 120% de carga. O torque do motor otimizado por ampere é 22% maior com carga de 20%, 16% maior com carga de 60% e 13% melhor com carga de 120%, em comparação com a versão não otimizada.

"Com estes resultados, vemos que é possível operar motores de indução de gaiola sem gastar milhões em compensadores reativos [bancos de capacitor] para evitar penalidades das concessionárias. Também é desnecessário adotar bobinas auxiliares de forma a reduzir a eficiência ou o torque por ampere," disse Muteba.

Usar a inteligência artificial para otimizar o projeto do rotor e da bobina capacitiva auxiliar economizaram muito tempo, em comparação com construir e testar modelos: O algoritmo genético levou 27 minutos para otimizar o design do rotor e da bobina, exigindo apenas 8 execuções e 60 gerações de cromossomos processados.

Bibliografia:

Artigo: Optimization of Air Gap Length and Capacitive Auxiliary Winding in Three-Phase Induction Motors Based on a Genetic Algorithm
Autores: Mbika Muteba
Revista: Energies
DOI: 10.3390/en14154407
Seguir Site Inovação Tecnológica no Google Notícias





Outras notícias sobre:
  • Motores
  • Inteligência Artificial
  • Geração de Energia
  • Fontes Alternativas de Energia

Mais tópicos