Los investigadores de la Universitat Politècnica de València (UPV) Miguel Enrique Iglesias Martínez, José Guerra Carmenate, José Alfonso Antonino Daviu, Larisa Dunai, José Alberto Conejero y Pedro Fernández de Córdoba han desarrollado un "innovador" método que permite detectar "con gran fiabilidad y en fases muy tempranas" fallos en motores eléctricos de máquinas industriales mediante inteligencia artificial (IA), según ha informado la institución académica en un comunicado.
Puede aplicarse también a vehículos eléctricos. Su trabajo, realizado en colaboración con Carlos A. Platero, de la Universidad Politécnica de Madrid (UPM), ha sido distinguido con el premio al mejor artículo publicado en el ámbito de máquinas eléctricas durante 2023 en la revista IEEE Transactions on Industry Applications.
El método desarrollado por el equipo de la UPV y la UPM se centra en los motores síncronos, fundamentales en muchas aplicaciones industriales, especialmente en aquellas que demandan potencias muy altas. Estos motores pueden llegar a alcanzar varias toneladas de peso y suelen ser máquinas críticas en los entornos donde operan; sus fallos inesperados pueden causar pérdidas millonarias para las empresas, debido a las paradas no planificadas del proceso productivo o a los elevados costes de reparación.
"El trabajo propone un nuevo método de diagnóstico basado en el análisis de señales de flujo de dispersión, tanto en régimen transitorio como estacionario, utilizando técnicas avanzadas de procesamiento de señal e inteligencia artificial", ha explicado José Alfonso Antonino, coautor del estudio y catedrático del Instituto de Tecnología Eléctrica de la UPV.
"Una de las principales contribuciones de esta investigación es la utilización del flujo de dispersión como herramienta de diagnóstico, una magnitud que ha despertado gran interés entre investigadores y fabricantes, debido a sus importantes ventajas, tales como su fácil uso y su carácter no invasivo. Además, el método propuesto permite un diagnóstico automático de fallos, es decir, sin necesidad de intervención de usuarios expertos, lo que resulta ideal para su implementación en sistemas autónomos de diagnóstico", ha añadido Antonino.
El trabajo aplica una combinación de modernas técnicas de análisis de señales basadas en el biespectro y de métodos de procesamiento avanzado de imágenes, "lo que hace posible un diagnóstico automático y altamente fiable de fallos", ha señalado Miguel Iglesias Martínez, investigador postdoctoral del programa Margarita Salas.
Por otro lado, como ha apuntado José Alberto Conejero, catedrático del Instituto Universitario de Matemática Pura y Aplicada de la UPV, "esta investigación ha tenido un marcado carácter multidisciplinar y combina la aplicación de conocimientos de distintas áreas, como máquinas eléctricas, procesamiento de señal e inteligencia artificial".
TAMBIÉN PARA VEHÍCULOS ELÉCTRICOS
Además, según ha destacado el equipo de la UPV, la investigación realizada tiene un "gran potencial" ya que "se puede extrapolar a otras áreas en las que los motores eléctricos juegan un papel fundamental, como la propulsión marina, los vehículos eléctricos, los aviones eléctricos o incluso la robótica", ha subrayado Pedro Fernández de Córdoba, también catedrático del Instituto Universitario de Matemática Pura y Aplicada.
La concesión de este reconocimiento se llevará a cabo durante la reunión anual del Comité de Máquinas Eléctricas (EMC) de la IEEE Industry Applications Society, en el marco del IEEE Energy Conversion Congress & Expo (ECCE 2024), que tendrá lugar en Phoenix, EEUU, del 20 al 24 de octubre.