Control predictivo reformulado de par y flujo con un observador adaptativo de orden completo y modelos discretos precisos para accionamientos de máquina de inducción sin sensores

Motores más inteligentes sin sensores frágiles

Los motores eléctricos están por todas partes —desde las cintas transportadoras de las fábricas hasta los aerogeneradores— convirtiendo silenciosamente electricidad en movimiento. Mantenerlos funcionando con eficiencia suele requerir sensores delicados para seguir su velocidad interna y sus campos magnéticos, pero esos sensores pueden fallar en entornos industriales adversos. Este artículo explora una forma de operar motores industriales potentes con precisión sin tales sensores, utilizando únicamente medidas eléctricas y matemáticas ingeniosas integradas en el software de control.

¿Por qué prescindir de los sensores de hardware?

Los motores de inducción industriales son populares porque son robustos, económicos y pueden funcionar en un amplio rango de velocidades. Tradicionalmente, los ingenieros dependen de sensores de hardware acoplados al eje del motor o al circuito magnético para medir la velocidad y el flujo magnético. Sin embargo, estos dispositivos son vulnerables al polvo, las vibraciones, el calor y las interferencias electromagnéticas, además de aumentar el coste y el mantenimiento. Por ello, una tendencia creciente es desarrollar accionamientos “sin sensor”, donde el sistema de control estima el estado interno del motor a partir de las corrientes eléctricas medidas con facilidad en sus bornes. Lograr esto de forma fiable es un desafío: si el modelo interno del motor es incluso ligeramente inexacto, el rendimiento puede verse afectado, provocando pérdidas adicionales, ondulación de par o comportamientos inestables.

Convertir ecuaciones en un gemelo digital

Los autores se centran en una clase de técnicas llamadas control predictivo por modelo, que utilizan un “gemelo” digital del motor para prever qué ocurrirá si se aplican distintas consignas de tensión. A partir de esas previsiones, el controlador elige la opción que debería proporcionar el par y el flujo magnético deseados en el siguiente instante. Para seguir las cantidades internas no medidas, emplean un observador adaptativo de orden completo, una estructura matemática que perfecciona continuamente sus estimaciones de corriente, flujo magnético y velocidad en función de la discrepancia entre predicción y medida. La innovación central es reescribir el modelo del motor usando sólo la corriente del estator y el flujo magnético del estator como variables de estado, eliminando el flujo del rotor de las ecuaciones. Esto reduce el número de magnitudes que deben seguirse, simplifica el observador y estrecha el vínculo entre lo que se modela y lo que realmente importa para el control del par.

Modelos en tiempo discreto más precisos para control digital

Dado que los controladores reales operan en pasos de tiempo discretos, las ecuaciones continuas del motor deben aproximarse como reglas de actualización por pasos. La mayoría de los accionamientos se apoyan en el método de Euler, fácil de calcular pero que puede volverse inexacto si la tasa de muestreo no es extremadamente alta. Los autores investigan alternativas más precisas basadas en series de Taylor y métodos de Runge–Kutta, que representan cómo evoluciona el estado del motor durante un intervalo de muestreo usando información de orden superior. Derivan versiones de segundo y mayor orden de estos modelos en tiempo discreto de forma coherente para el observador y para el controlador predictivo. Aunque estos métodos requieren más cálculos por paso, prometen una precisión numérica muy superior a tasas de muestreo prácticas, lo que puede mejorar tanto la estimación de variables ocultas como la calidad de las decisiones de control.

Poner los algoritmos a prueba en tiempo real

Para ver cómo rinden estas ideas en la práctica, los investigadores construyeron un entorno hardware-in-the-loop. Un simulador en tiempo real emuló un motor de inducción de 4 kilovatios y su electrónica de potencia, mientras los algoritmos de control sin sensor se ejecutaban en un núcleo de procesador separado, tal como lo harían en un accionamiento industrial real. Esto permitió experimentos rápidos y repetibles con diferentes variantes de modelo. Compararon el observador y el controlador tradicionales con sus versiones reformuladas, y también enfrentaron entre sí las discretizaciones de Euler, Taylor y Runge–Kutta. Evaluaron no solo cuán fielmente el par, la velocidad y el flujo seguían sus objetivos, sino también la rapidez con la que el sistema se estabilizaba tras cambios de velocidad, la magnitud de la ondulación de par y el tiempo de procesador que consumía cada método.

Qué significan los resultados para máquinas reales

Las pruebas mostraron que mejorar simplemente la precisión del observador —sin cambiar la estrategia básica de control predictivo— ya ofrece un rendimiento sin sensor notablemente mejor. El marco reformulado, que evita la estimación explícita del flujo del rotor, igualó o superó al esquema convencional en comportamiento en régimen permanente y alcanzó la velocidad deseada más rápido, a pesar de basarse en menos variables de estado. Entre los métodos en tiempo discreto, la aproximación basada en Taylor destacó: proporcionó los errores más pequeños en velocidad y flujo y la respuesta dinámica más rápida, con un aumento moderado del coste computacional y solo un ligero incremento de la ondulación de par. Los métodos de Runge–Kutta de mayor orden, aunque teóricamente más refinados, ofrecieron poco beneficio práctico porque no pueden explotar completamente la información futura de entrada en este entorno de control. En conjunto, el estudio sugiere que modelos digitales cuidadosamente diseñados y de mayor precisión pueden hacer que los accionamientos de inducción sin sensor sean a la vez más sencillos y más precisos —una combinación atractiva para aplicaciones industriales exigentes.

Cita: Herrera-Hernández, R., Reusser, C., Carvajal, R. et al. Reformulated predictive torque and flux control with a full-order adaptive observer and accurate discrete-time models for sensorless induction machine drives. Sci Rep 16, 12757 (2026). https://doi.org/10.1038/s41598-026-41944-y

Palabras clave: control de motores sin sensor, accionamientos de máquinas de inducción, control predictivo por modelo, observadores adaptativos, modelado en tiempo discreto