⚡ ingeniería eléctrica

Experimental Electrical Parameter Identification and Model Validation of an Induction Motor for Digital Twin Applications

Este artículo presenta una metodología experimental para identificar y validar los parámetros eléctricos de un motor de inducción dentro de un marco de gemelo digital, utilizando mediciones sincronizadas y pruebas de estado estacionario para lograr un modelo en el dominio del tiempo altamente preciso con un error de simulación mínimo en diversas condiciones de operación.

Autores originales: Darjon Dhamo, Denis Panxhi, Aida Spahiu

Publicado 2026-09-23

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Darjon Dhamo, Denis Panxhi, Aida Spahiu

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo industrial moderno, la maquinaria pesada depende de los motores eléctricos para girar ruedas, bombear fluidos y accionar cintas transportadoras. Entre estos, el motor de inducción es un caballo de batalla, un dispositivo robusto que convierte la electricidad en movimiento sin necesidad de contacto eléctrico directo con sus partes giratorias. Para mantener estas máquinas funcionando de manera eficiente y predecir cuándo podrían fallar, los ingenieros suelen crear un "gemelo digital". Este es una copia virtual del motor físico que vive dentro de una computadora. Para que esta copia virtual sea útil, debe comportarse exactamente como la máquina real. Si el modelo informático piensa que el motor es más fuerte o más débil de lo que realmente es, las predicciones que haga sobre el mantenimiento o el rendimiento serán erróneas. El desafío radica en determinar los valores eléctricos internos precisos de un motor específico, ya que estos valores pueden cambiar ligeramente dependiendo de cómo se construya el motor y de cómo se utilice. Sin estos números precisos, el gemelo digital es solo un boceto tosco en lugar de una réplica fiable.

Investigadores de la Universidad Politécnica de Tirana se propusieron construir un gemelo digital más confiable para un motor de inducción, midiendo cuidadosamente su comportamiento en el mundo real y traduciendo esas mediciones en un modelo informático. Comenzaron construyendo un banco de pruebas donde un pequeño motor eléctrico se conectó a un generador, el cual actuó como una carga para simular la resistencia que el motor enfrentaría en una fábrica. Para comprender la verdadera naturaleza del motor, no se basaron en las especificaciones generales del fabricante. En su lugar, realizaron una serie de experimentos prácticos. Midieron el voltaje y la corriente que fluían hacia el motor mientras estaba en funcionamiento, mientras estaba detenido con su eje bloqueado en su lugar y mientras giraba libremente sin ninguna carga. Debido a que la fuente de alimentación utilizada en estas pruebas crea una señal irregular de alta frecuencia que puede oscurecer el flujo eléctrico real, los investigadores utilizaron una técnica matemática para filtrar el ruido. Esto les permitió aislar la onda fundamental y suave de la electricidad que realmente impulsa al motor, eliminando la estática eléctrica causada por el convertidor de potencia.

Con estas mediciones limpias en mano, el equipo calculó las propiedades eléctricas específicas del motor, tales como la resistencia de sus cables internos y la inductancia, que es una medida de cómo el motor almacena energía magnética. Determinaron estos valores utilizando pruebas estándar: una prueba de corriente continua para hallar la resistencia de los devanados estacionarios, una prueba de rotor bloqueado para entender cómo se comporta el motor cuando no puede girar, y una prueba sin carga para ver cómo maneja los campos magnéticos cuando funciona libremente. Una vez que obtuvieron estos números, construyeron un modelo informático basado en el tiempo en un entorno de simulación. Este modelo fue diseñado para imitar las reacciones eléctricas del motor segundo a segundo. Para asegurar que el modelo fuera verdaderamente preciso y no simplemente cuestión de suerte, lo probaron contra datos de periodos de tiempo que no habían utilizado para calcular los números. Esta separación fue crucial; significaba que si el modelo coincidía con el motor real, era porque el modelo era fundamentalmente correcto, y no porque los investigadores simplemente hubieran ajustado los números para adaptarse a ese momento específico en el tiempo.

Los resultados mostraron que el modelo calibrado era notablemente preciso. Cuando los investigadores simularon el motor con su eje bloqueado, la predicción de la corriente eléctrica de la computadora coincidió casi perfectamente con la medición real, con una diferencia tan pequeña que era apenas medible. En las pruebas donde el motor giraba libremente a varias velocidades, el modelo continuó siguiendo el comportamiento del motor real con alta fidelidad, capturando los matices del flujo de corriente a través de un rango de frecuencias. Los investigadores señalaron que, aunque su modelo no incluía un componente específico para la energía perdida como calor en el núcleo del motor, el acuerdo entre la simulación y la realidad se mantuvo sólido, con la corriente simulada siguiendo de cerca la corriente medida. Este éxito demuestra que el método que desarrollaron puede producir un gemelo digital que sea físicamente consistente y fiable. Al demostrar que un modelo construido a partir de mediciones fuera de línea puede predecir con precisión el rendimiento en el mundo real, el estudio proporciona una base sólida para futuros sistemas que monitorearán motores en tiempo real, ajustando sus cálculos internos a medida que las condiciones cambien para prevenir fallos antes de que ocurran.

Resumen Técnico: Identificación Experimental de Parámetros Eléctricos y Validación de Modelo de un Motor de Inducción para Aplicaciones de Gemelo Digital

Planteamiento del Problema
El desarrollo de Gemelos Digitales (DT, por sus siglas en inglés) de alta fidelidad para accionamientos eléctricos requiere valores de parámetros que sean tanto físicamente consistentes como predictivos a través de diversos regímenes operativos. Si bien existen numerosos métodos de optimización y observadores para la estimación de parámetros, existe la necesidad de flujos de trabajo experimentales offline robustos que puedan desacoplar el ajuste de parámetros de la validación del modelo. Específicamente, distinguir si las discrepancias entre la simulación y la medición surgen de desajustes estructurales del modelo o de la variación de los parámetros con el punto de operación sigue siendo un desafío crítico para la creación de bases de referencia fiables de Gemelos Digitales para motores de inducción (IM).

Metodología
Los autores proponen un flujo de trabajo experimental offline para estimar los parámetros eléctricos y validar un modelo de componentes cuadraturas directa-directa (dq) en el dominio del tiempo dentro de un entorno MATLAB/Simulink. La metodología procede a través de cuatro etapas distintas:

Configuración Experimental y Adquisición de Datos:
Un motor de inducción de jaula de escorpión de 130 W, conectado en configuración delta y controlado por un variador de frecuencia (VFD) Mitsubishi FR-AC, sirve como sujeto de prueba. El motor está acoplado mecánicamente a un alternador que actúa como una carga eléctrica ajustable. Se adquieren mediciones sincronizadas de la tensión terminal y la corriente del estator utilizando un DAQ National Instruments USB-6009 con una tasa de muestreo de 20 kS/s. Para garantizar la integridad de la señal, las corrientes de línea se miden mediante resistencias shunt (evitando errores de transformador/sensor de efecto Hall), y las tensiones se escalan mediante divisores resistivos, con ambas señales aisladas mediante amplificadores AMC1300.
Procesamiento de Señales:
Para mitigar la influencia de los armónicos de Modulación por Ancho de Pulso (PWM) y el ruido, las formas de onda de tensión y corriente adquiridas se someten a un ajuste sinusoidal de mínimos cuadrados. Este proceso extrae los componentes fasoriales fundamentales a la frecuencia operativa comandada, proporcionando fasores complejos limpios y formas de onda reconstruidas para el análisis posterior.
Estimación de Parámetros:
Los parámetros eléctricos se derivan mediante pruebas de laboratorio estándar, con todas las cantidades evaluadas a la frecuencia fundamental:

Prueba de Corriente Continua (DC): Se aplica una baja tensión de corriente continua inmediatamente después de un régimen con carga para estimar la resistencia del estator ( $R_s$ ) minimizando los transitorios inductivos.
Prueba de Rotor Bloqueado: Realizada a tensiones reducidas (30–50 V) y bajas frecuencias (10–15 Hz) para estimar la resistencia del rotor referida ( $R'_r$ ) y la inductancia de dispersión ( $L_\sigma$ ).
Prueba de Vacío: Realizada a frecuencias que oscilan entre 30 y 50 Hz para estimar la inductancia de magnetización ( $L_m$ ).

Validación del Modelo:
Los parámetros identificados se implementan en un modelo dq en el dominio del tiempo. Crucialmente, la validación se realiza en intervalos de tiempo distintos a los utilizados para la estimación. Esta separación asegura que cualquier error residual se atribuya a un desajuste del modelo y no al ajuste de parámetros en el mismo punto de operación. El modelo se prueba bajo condiciones de rotor bloqueado y vacío, comparando la corriente simulada con la corriente medida mediante análisis de residuos y métricas de rendimiento (RMSE, NRMSE, $R^2$ ).

Contribuciones Clave
El artículo describe cuatro contribuciones principales:

Un flujo de trabajo experimental para la extracción de componentes fundamentales de tensión y corriente de mediciones de accionamiento de IM de velocidad variable mediante ajuste de mínimos cuadrados.
La estimación de parámetros eléctricos ( $R_s$ , $R'_r$ , $L_\sigma$ , $L_m$ ) derivados de pruebas de DC, rotor bloqueado y vacío.
La integración de estos parámetros identificados en un modelo de motor de inducción en el dominio del tiempo específicamente para aplicaciones de Gemelo Digital.
La validación del modelo calibrado bajo regímenes de rotor bloqueado y vacío utilizando indicadores de rendimiento basados en residuos, demostrando la eficacia de la separación entre los marcos temporales de estimación y validación.

Resultados
Los resultados de la validación demuestran un alto grado de concordancia entre los datos simulados y medidos:

Régimen de Rotor Bloqueado: El modelo reproduce la dinámica de cortocircuito con extrema precisión. El error cuadrático medio normalizado (NRMSE) es aproximadamente de 0,05%, con un valor de $R^2$ de 1,0.
Régimen de Vacío: El modelo mantiene una alta precisión de seguimiento en el rango de 40–50 Hz. El NRMSE oscila aproximadamente entre el 3,93% y el 4,19%, con valores de $R^2$ cercanos a 0,998.
Selección de Parámetros: El estudio seleccionó valores de parámetros específicos (por ejemplo, $R_s = 60,5 \, \Omega$ , $R'_r = 42,205 \, \Omega$ , $L_\sigma = 0,6679 \, \text{H}$ , $L_m = 1,729 \, \text{H}$ ) basados en estimaciones estables de baja frecuencia (10 Hz para rotor bloqueado) y la región de operación V/f prevista (30–50 Hz para vacío).
Nota de Modelado: La validación excluyó intencionadamente la resistencia de pérdidas en el núcleo ( $R_c$ ), ya que el modelo dq estándar utilizado en Simulink omite la resistencia de pérdidas en el hierro, una elección realizada para alinearse con objetivos futuros de estimación online.

Significancia y Reivindicaciones
Los autores afirman que este trabajo proporciona una base físicamente consistente para el subsistema eléctrico de un motor de inducción dentro de un marco de Gemelo Digital. Al desacoplar la estimación de parámetros de la validación del modelo, el estudio establece una base fiable para aplicaciones posteriores. El artículo establece explícitamente que estos resultados respaldan el uso del modelo calibrado para futuras adaptaciones online y monitorización de condiciones. Los autores no reclaman la implementación inmediata de mantenimiento predictivo, sino que posicionan este modelo offline calibrado como el precursor necesario para el desarrollo de estimadores de parámetros online (como un Filtro de Kalman Extendido) que puedan gestionar efectos térmicos y variaciones de carga en tiempo real.

Más como este