Técnica Inovadora Antecipa Falhas em Motores Elétricos
A confiabilidade dos sistemas de propulsão de veículos elétricos consolida-se como fator determinante para a confiança dos consumidores e a sustentabilidade de longo prazo. Entre as ameaças mais persistentes e complexas a essa confiabilidade encontra-se a degradação do isolamento entre espiras dos enrolamentos do estator em máquinas elétricas alimentadas por inversores – uma falha que, se não detectada, pode evoluir para colapso total do motor em questão de segundos. Surge agora um método de diagnóstico recém-desenvolvido que combina a transformada fracionária de Fourier com um filtro Mel especializado (FrFT-Mel), estabelecendo novo padrão de sensibilidade ao permitir que engenheiros identifiquem a deterioração do isolamento em estágios iniciais, muito antes de métodos convencionais acionarem alertas.
Desenvolvida por pesquisadores da Universidade de Energia Elétrica de Xangai e da Universidade Tongji em colaboração com instituições da State Grid, esta inovação oferece uma solução não invasiva e em tempo real perfeitamente alinhada com as demandas operacionais dos modernos conjuntos motopropulsores. Diferente de abordagens convencionais que exigem surtos de alta tensão externos ou testes offline – métodos excessivamente disruptivos para uso contínuo ou insuficientemente sensíveis para detecção precoce –, a técnica FrFT-Mel aproveita as oscilações de alta frequência inerentes geradas durante as operações normais de comutação de inversores de carbeto de silício (SiC) ou nitreto de gálio (GaN). Essas oscilações, anteriormente consideradas ruído elétrico, foram reinterpretadas como sinais diagnósticos ricos capazes de revelar alterações mínimas na capacitância do isolamento relacionadas ao envelhecimento do material.
No cerne desta descoberta reside uma compreensão refinada de como a degradação do isolamento altera o comportamento eletromagnético dos enrolamentos do motor. Conforme o isolamento de poliéster-imida – material comum em motores de tração de veículos elétricos – envelhece sob estresse térmico e elétrico, suas propriedades dielétricas modificam-se. Essa mudança manifesta-se através de um aumento sutil mas mensurável na capacitância entre espiras, geralmente variando de 20% a 50% antes da falha completa. Contudo, como os valores basais de capacitância são extremamente reduzidos – da ordem de algumas centenas de picofarads –, detectar tais alterações em um ambiente ruidoso de alta potência historicamente representou um desafio formidável.
A análise tradicional baseada na transformada de Fourier, que decompõe sinais em componentes sinusoidais fixos, enfrenta dificuldades para resolver essas características fracas e localizadas no tempo devido às limitações fundamentais descritas pelo princípio da incerteza de Heisenberg: alta precisão temporal obtém-se à custa da resolução em frequência, e vice-versa. Para superar esta barreira, a equipe de pesquisa recorreu à transformada fracionária de Fourier (FrFT), uma ferramenta tempo-frequência generalizada que rotaciona o sinal para um domínio intermediário onde as características de ressonância transitória tornam-se mais pronunciadas. Ao ajustar a ordem fracionária – parâmetro análogo ao ângulo de rotação no plano tempo-frequência –, o método isola as assinaturas espectrais mais sensíveis às alterações do isolamento.
Porém, a transformação de sinal por si só não é suficiente. As saídas brutas da FrFT ainda contêm interferências de alta frequência irrelevantes provenientes de harmônicos de comutação do inversor e acoplamentos eletromagnéticos. Foi aqui que a equipe introduziu um banco de filtros Mel redesenhado, tradicionalmente usado em reconhecimento de voz por sua relevância perceptual para a audição humana. Neste contexto, entretanto, a escala Mel foi reconfigurada não para fidelidade acústica, mas para precisão diagnóstica eletromagnética. A frequência central do filtro foi ancorada ao ponto de ressonância paralela de modo comum da máquina – aproximadamente 400 kHz no motor síncrono de imã permanente (PMSM) de 3 kW testado – e sua largura de banda expandida para abranger a região mais responsiva (Fsen) identificada através de modelagem de impedância. Esta abordagem de “região central” suprime efetivamente ruídos fora da banda enquanto amplifica características diagnosticamente relevantes.
O resultado é um fluxo de processamento de sinal otimizado: correntes de oscilação de alta frequência são capturadas via sensores de corrente não invasivos durante operação normal do inversor; transientes de comutação individuais são segmentados; cada segmento passa por FrFT com ordem fracionária otimizada (p = 0,88 na validação experimental); o sinal transformado é filtrado pelo Mel customizado; e finalmente, um índice de erro absoluto médio (MAE) compara o sinal processado com uma linha de base de referência de isolamento saudável. Conforme o isolamento degrada, o valor do MAE aumenta de forma previsível, fornecendo uma métrica quantitativa de integridade.
A validação experimental em configuração laboratorial de PMSM confirmou a superioridade do método. Ao simular degradação inicial do isolamento através da adição de capacitores externos (de 100 pF a 1.000 pF) nos terminais do enrolamento do estator, a abordagem FrFT-Mel demonstrou melhoria de sensibilidade de até sete vezes sobre a análise convencional com transformada rápida de Fourier (FFT). Com apenas 220 pF de capacitância adicionada – representando mero aumento de 5,5% na capacitância efetiva entre espiras – o método FrFT-Mel registrou variação de 3,16% no índice MAE, enquanto a FFT detectou apenas 0,41%. Mesmo comparado a outras técnicas avançadas como FrFT isolado ou filtragem passa-baixa, o FrFT-Mel consistently ofereceu maior resolução em todos os níveis de degradação, com ganhos de performance mais pronunciados na fase inicial onde a intervenção é mais eficaz e menos custosa.
Este avanço carrega implicações profundas para a indústria de veículos elétricos. A eletrônica de potência em veículos modernos opera em frequências de comutação crescentemente mais elevadas – frequentemente excedendo 100 kHz – para melhorar eficiência e reduzir tamanho de componentes. Ainda que benéficas para performance, estas condições impõem estresse severo no isolamento do motor, acelerando o envelhecimento através de descargas parciais e ciclagens térmicas. Os diagnósticos embarcados atuais geralmente dependem de sensores térmicos ou detecção de desbalanceamento de corrente, que apenas reagem após danos significativos terem ocorrido. O método FrFT-Mel, em contraste, oferece uma janela para a saúde do sistema de isolamento em si, permitindo manutenção preditiva, extensão da vida útil do motor e segurança aprimorada.
Adicionalmente, a compatibilidade da técnica com hardware existente constitui grande vantagem prática. Não requer fontes de excitação adicionais, sondas de alta tensão ou modificações intrusivas – apenas sensores de corrente de alta largura de banda padrão já presentes em muitos sistemas de controle de inversores para outras finalidades (ex: monitoramento de corrente de falha). Esta adaptabilidade plug-and-play reduz as barreiras de integração tanto em novas plataformas veiculares quanto em aplicações de retrofit para acionamentos de motores industriais, como os utilizados em ferrovias de alta velocidade ou sistemas de energia renovável.
Do ponto de vista regulatório e de segurança, a capacidade de monitorar a saúde do isolamento em tempo real aborda uma preocupação crescente entre organismos de segurança automotiva. Normas como a ISO 26262 enfatizam segurança funcional throughout todo o ciclo de vida do veículo, e a detecção precoce de falhas latentes é cada vez mais vista como essencial. O método FrFT-Mel fornece um caminho tecnicamente sólido e empiricamente validado para atender these requisitos em evolução sem comprometer a eficiência do sistema ou adicionar custos significativos.
Perspectivando avanços futuros, a equipe de pesquisa prevê refinamentos adicionais, particularmente na automação da seleção da ordem ótima da FrFT. Embora o processo atual envolva ajuste empírico baseado em características de ressonância, iterações futuras podem incorporar algoritmos de aprendizado de máquina para adaptar dinamicamente a variados tipos de motores, condições operacionais e trajetórias de envelhecimento. Tais aprimoramentos não apenas melhorariam a precisão, mas também reduziriam a sobrecarga computacional – crítico para implementação em tempo real em unidades de controle automotivo embarcadas com capacidade de processamento limitada.
Crucialmente, este trabalho exemplifica a convergência entre inovação em processamento de sinal e conhecimento de engenharia específico de domínio. Ao invés de aplicar um modelo genérico de inteligência artificial a dados brutos de sensores – abordagem comum mas frequentemente opaca – os pesquisadores construíram uma estrutura diagnóstica baseada em física fundamentada no comportamento eletromagnético de máquinas alimentadas por inversores. Esta aderência a princípios fundamentais amplia a interpretabilidade, confiabilidade e credibilidade – pilares das diretrizes EEAT (Expertise, Experience, Authoritativeness, Trustworthiness) do Google para conteúdo técnico de alta qualidade.
Para montadoras e fornecedores de primeira linha em busca de entregar sistemas de propulsão elétrica cada vez mais eficientes, duráveis e seguros, o método FrFT-Mel representa mais que uma melhoria diagnóstica; é um habilitador estratégico. Ao transformar um subproduto anteriormente negligenciado da operação do inversor em um indicador de integridade poderoso, desbloqueia uma nova dimensão de inteligência preditiva dentro do conjunto motopropulsor. Ao fazê-lo, não apenas mitiga um modo crítico de falha, mas também reforça a transição mais ampla da indústria em direção à manutenção baseada em condição e gestão inteligente de ativos – fundamentos da próxima geração de mobilidade sustentável.
Ruitian Fan¹, Xing Lei², Tao Jia³, Menglong Qin¹, Hao Li¹, Dawei Xiang⁴
¹Faculdade de Engenharia de Energia Elétrica, Universidade de Energia Elétrica de Xangai, Xangai 200090, China
²State Grid Shanghai Municipal Electric Power Company, Xangai 200437, China
³State Grid Technology College, Shandong 250002, China
⁴Faculdade de Engenharia de Eletrônica e Informação, Universidade Tongji, Xangai 201804, China
Global Energy Interconnection, Volume 7, Edição 2, Abril 2024, Páginas 155–165
DOI: 10.1016/j.gloei.2024.04.004