Aplicação de modelos de aprendizado de máquina para a predição da temperatura do rotor em motores PMSM

• Main Author: Fioreto, Vinícius da Lessandro
• Publication Date: 2024
• Other Authors: Freitas, Claudia Regina de, Luche, José Roberto Dale
• Format: Article
• Language: por
• Source: GeSec
• Download full: https://ojs.revistagesec.org.br/secretariado/article/view/3981
• topic: Aprendizado de Máquina; Motores PMSM; Predição de Temperatura; Regressão Polinomial; Manutenção Preditiva

A crescente globalização e competitividade têm impulsionado empresas a buscar otimização de processos através do uso de tecnologias avançadas, como o aprendizado de máquina (machine learning). Este estudo investiga a aplicação de modelos de aprendizado de máquina para a predição da temperatura do rotor de motores síncronos de ímã permanente (PMSM), utilizando uma base de dados real coletada pela Universidade de Paderborn. Foram avaliados cinco modelos: regressão linear, regressão polinomial (ordem 2 e 3), árvore de decisão e aprendizado profundo. Os resultados indicaram que a regressão polinomial de terceira ordem apresentou a melhor performance, com uma variância explicada de 93%, MSE de 22.54 e RMSE de 4.74. A capacidade de prever a temperatura do rotor com precisão pode melhorar significativamente a manutenção preditiva, a eficiência operacional e a segurança dos motores PMSM. O estudo também destaca a importância do tratamento de dados e ajuste de hiperparâmetros para a melhoria da performance dos modelos.