Control predictivo de temperatura del motor en cubo para vehículos eléctricos de dos ruedas usando regulación neuronal consciente del gradiente con seguimiento de degradación y adaptación de par tolerante a fallos

Patinetes eléctricos más inteligentes para las calles de todos los días

Los patinetes eléctricos se están convirtiendo rápidamente en una vista habitual en las ciudades concurridas, pero los compactos motores ocultos dentro de sus ruedas pueden sobrecalentarse y desgastarse silenciosamente. Este artículo explora una nueva forma de hacer que esos motores en el cubo piensen por adelantado sobre el calor, se protejan contra daños y sigan ofreciendo a los usuarios una aceleración suave y potente. Combinando física, inteligencia artificial y lógica de seguridad ingeniosa, los autores muestran cómo los patinetes del futuro podrían ser tanto más divertidos de conducir como más fiables tras años de uso diario.

Por qué el calor es el enemigo oculto

En muchos vehículos eléctricos ligeros de bajo coste, el motor está integrado directamente en la rueda trasera. Esto ahorra piezas y mejora la eficiencia, pero también atrapa el calor en un espacio reducido con poco flujo de aire, especialmente en tráfico intermitente, subidas pronunciadas o veranos abrasadores. Si las temperaturas aumentan demasiado, los devanados de cobre, los imanes y el aislamiento envejecen más rápido o incluso fallan. La mayoría de los patinetes actuales se protegen con umbrales de temperatura simples: cuando un sensor registra una lectura alta, el controlador corta el par de forma abrupta. Eso protege el hardware, pero puede sentirse como una pérdida repentina de potencia y a menudo deja “margen térmico” sin usar en días más frescos o trayectos suaves.

Un “cerebro” de tres capas para el motor en cubo

Los autores proponen un sistema híbrido de Regulación Neuronal Consciente del Gradiente (GANR) que actúa como un cerebro de tres capas para el motor en cubo. Primero, una red neuronal ligera estima y predice la temperatura del motor usando señales que el patinete ya posee—corriente, tensión, velocidad y temperatura exterior—para poder seguir funcionando incluso si el sensor de temperatura deriva, se vuelve ruidoso o falla por completo. Segundo, el sistema realiza un seguimiento del daño térmico acumulado a largo plazo mediante un Índice de Salud del Motor, un valor que disminuye gradualmente a medida que el motor soporta miles de ciclos térmicos. Tercero, un controlador de par por múltiples condiciones emplea tanto la temperatura actual como este índice de salud, además del clima ambiente y la intensidad de la conducción, para decidir cuánto par es seguro entregar en los próximos segundos. En lugar de reaccionar solo después de cruzar un límite, observa la velocidad de aumento de la temperatura y reduce el par con suavidad antes de que surja el problema.

Monitorización de la salud, margen térmico y el camino por delante

En su núcleo, el sistema usa un modelo térmico simplificado pero bien probado para estimar cómo fluye el calor desde los devanados de cobre hacia la carcasa del motor y luego al aire. Sobre eso, calcula un “margen térmico” y un “tiempo hasta la reducción de par”: cuán lejos está el motor de una temperatura crítica y cuántos segundos quedan antes de que sea necesario reducir el par si nada cambia. Al mismo tiempo, el Índice de Salud del Motor acumula daño basado en leyes conocidas de relación temperatura‑vida: funcionar algo caliente de vez en cuando está bien, pero periodos prolongados cerca del límite reducen claramente la vida útil restante. El controlador mezcla estos indicadores con la energía de la batería y el modo de conducción seleccionado (eco, normal o sport) para elegir entre un comportamiento orientado al rendimiento, equilibrado o protector. En climas cálidos, ajusta automáticamente límites seguros más estrictos; en clima frío permite de forma segura más par antes de reducirlo.

Manejo de fallos y adaptación a hardware económico

Dado que los patinetes de bajo coste usan microcontroladores modestos, los autores diseñan cuidadosamente las redes neuronales y la lógica de control para ejecutarse dentro de estrictos presupuestos de ciclos de CPU y memoria. Podan y cuantizan las redes para que toda la inteligencia quepa en decenas de kilobytes y se ejecute en mucho menos de un milisegundo por ciclo de control. Una máquina de estados de reserva dedicada supervisa los sensores y el estimador neuronal: si un sensor de temperatura se queda atascado, deriva o sale de rango, el sistema cambia automáticamente a un modo seguro guiado por el estimador con topes de par conservadores. Si la carga del procesador se dispara o ocurren fallos inesperados, puede retroceder aún más a un control simple por tablas de consulta. En todo momento, los watchdogs y las comprobaciones de seguridad garantizan que cualquier fallo conduzca a una reducción gradual del par en lugar de un apagado repentino o un calentamiento descontrolado.

Qué revelan las simulaciones para los usuarios

Usando simulaciones detalladas de recorridos urbanos y subidas exigentes, los autores comparan su controlador GANR con un esquema proporcional‑integral estándar. El nuevo enfoque mantiene las temperaturas máximas del motor varios grados más bajas, pasa mucho menos tiempo por encima de umbrales riesgosos y casi elimina escenarios de “sobrecalentamiento descontrolado”. También retrasa la necesidad de reducir el par hasta en aproximadamente un 14%, mejora la eficiencia energética en torno al 7% y mantiene errores de predicción de temperatura cerca de solo 2 °C incluso cuando los sensores se comportan mal. Tras sucesivas conducciones exigentes—especialmente en clima caliente—el Índice de Salud del Motor para el sistema GANR se mantiene mucho más alto que con un controlador convencional, lo que sugiere una vida útil del motor más larga y menos sorpresas para los propietarios.

Movilidad eléctrica más segura y duradera

En términos sencillos, este trabajo muestra cómo dotar a un patinete eléctrico de una dosis moderada de inteligencia predictiva puede hacerlo más robusto y agradable de conducir. En lugar de esperar a que se caliente demasiado y luego cortar la potencia de forma brusca, el motor en cubo aprende a detectar cómo cambian las condiciones, cuánto esfuerzo ha acumulado ya y cuánto margen de seguridad queda. A continuación, moldea el par suavemente para que los usuarios perciban un rendimiento consistente mientras el hardware se protege discretamente. Dado que todo el diseño está pensado para ejecutarse en chips integrados económicos, ofrece una vía práctica hacia patinetes eléctricos de dos ruedas más inteligentes, seguros y duraderos en ciudades saturadas y sometidas a estrés térmico.

Cita: Deshmukh, S., Lokhande, N. & Yeolekar, S. Predictive temperature control of electric two wheeler hub motor using gradient aware neural regulation with degradation tracking and fault tolerant multi condition torque adaptation. Sci Rep 16, 13436 (2026). https://doi.org/10.1038/s41598-026-37505-y

Palabras clave: patinetes eléctricos, gestión térmica de motores, control con redes neuronales, reducción predictiva de par, sistemas EV tolerantes a fallos