Controle preditivo de temperatura do motor em cubo de veículo elétrico de duas rodas usando regulação neural sensível a gradiente com monitoramento de degradação e adaptação de torque tolerante a falhas para múltiplas condições

Patinetes elétricos mais inteligentes para as ruas do dia a dia

Os patinetes elétricos estão rapidamente se tornando presença comum em cidades movimentadas, mas os motores compactos escondidos nas rodas podem silenciosamente superaquecer e se desgastar. Este artigo explora uma nova maneira de fazer esses motores em cubo preverem o aquecimento, se protegerem contra danos e ainda oferecerem aceleração suave e potente aos pilotos. Ao combinar física, inteligência artificial e lógica de segurança engenhosa, os autores mostram como os patinetes do futuro podem ser ao mesmo tempo mais divertidos de pilotar e mais confiáveis ao longo de anos de uso diário.

Por que o calor é o inimigo oculto

Em muitos veículos elétricos de duas rodas de baixo custo, o motor é integrado diretamente na roda traseira. Isso economiza peças e melhora a eficiência, mas também aprisiona calor em um espaço reduzido com fluxo de ar precário, especialmente em tráfego de para e anda, subidas íngremes ou verões escaldantes. Se as temperaturas subirem demais, as bobinas de cobre, os ímãs e o isolamento envelhecem mais rápido ou até falham. A maioria dos patinetes atuais se protege com limiares simples de temperatura: quando um sensor indica leitura alta, o controlador corta o torque abruptamente. Isso protege o hardware, mas pode parecer uma perda súbita de potência e frequentemente deixa “margem térmica” inutilizada em dias mais frios ou viagens suaves.

Um “cérebro” em três camadas para o motor em cubo

Os autores propõem um sistema de Regulação Neural Híbrida Sensível a Gradiente (GANR) que funciona como um cérebro em três camadas para o motor em cubo. Primeiro, uma rede neural leve estima e prevê a temperatura do motor usando sinais já disponíveis no patinete — corrente, tensão, velocidade e temperatura externa — para continuar operando mesmo se o sensor de temperatura derivar, ficar ruidoso ou falhar totalmente. Segundo, o sistema monitora quanto dano térmico de longo prazo o motor acumulou por meio de um Índice de Saúde do Motor, um número que cai gradualmente à medida que o motor passa por milhares de ciclos quentes. Terceiro, um controlador de torque para múltiplas condições usa tanto a temperatura atual quanto esse índice de saúde, além do clima ambiente e da intensidade da condução, para decidir quanto torque é seguro fornecer nos próximos segundos. Em vez de reagir somente depois de ultrapassar um limite, ele observa a velocidade de aquecimento do motor e reduz o torque suavemente antes que o problema chegue.

Monitorando saúde, margem térmica e o que vem pela frente

Por baixo do capô, o sistema usa um modelo térmico simplificado, porém bem testado, para estimar como o calor flui das bobinas de cobre para a carcaça do motor e daí para o ar. Sobre isso, calcula uma “margem térmica” e um “tempo até redução de torque”: quão longe o motor está de uma temperatura crítica e quantos segundos restam antes que a limitação seja necessária se nada mudar. Ao mesmo tempo, o Índice de Saúde do Motor acumula dano com base em leis conhecidas de temperatura versus vida útil — aquecer um pouco ocasionalmente é tolerável, mas períodos longos próximos ao limite reduzem claramente a vida restante. O controlador combina esses indicadores com a energia da bateria e o modo de condução selecionado (eco, normal ou sport) para optar por comportamento orientado ao desempenho, equilibrado ou protetivo. Em climas quentes, ele automaticamente aperta os limites seguros; em clima frio permite com segurança mais torque antes de reduzir.

Lidando com falhas e cabendo em hardware barato

Como patinetes de baixo custo usam microcontroladores modestos, os autores projetam cuidadosamente as redes neurais e a lógica de controle para rodarem dentro de orçamentos estritos de ciclos de CPU e memória. Eles podam e quantizam as redes para que toda a inteligência caiba em dezenas de quilobytes e execute em bem menos de um milissegundo por ciclo de controle. Uma máquina de estados de fallback dedicada monitora sensores e o estimador neural: se um sensor de temperatura travar, derivar ou sair da faixa, o sistema muda automaticamente para um modo seguro dirigido pelo estimador com tetos de torque conservadores. Se a carga do processador disparar ou ocorrerem falhas inesperadas, pode cair ainda mais para um controle simples por tabela de consulta. Ao longo de todo o processo, watchdogs e verificações de segurança garantem que qualquer falha leve a uma redução gradual do torque em vez de desligamento súbito ou aquecimento descontrolado.

O que as simulações revelam para os pilotos

Usando simulações detalhadas de trajetos urbanos e subidas agressivas, os autores comparam seu controlador GANR com um esquema proporcional-integral padrão. A nova abordagem mantém as temperaturas máximas do motor vários graus mais baixas, passa muito menos tempo acima de limiares arriscados e quase elimina cenários de “corrida térmica”. Também atrasa a necessidade de redução de torque em até cerca de 14%, melhora a eficiência energética em aproximadamente 7% e mantém erros de previsão de temperatura em torno de apenas 2 °C mesmo quando os sensores se comportam mal. Em ciclos repetidos de uso intenso — especialmente em clima quente — o Índice de Saúde do Motor para o sistema GANR permanece muito mais alto do que para um controlador convencional, sugerindo vida útil mais longa do motor com menos surpresas para os proprietários.

Mobilidade elétrica mais segura e duradoura

Em termos simples, este trabalho mostra como dar a um patinete elétrico uma dose moderada de inteligência preditiva pode torná‑lo mais resistente e mais agradável de pilotar. Em vez de esperar aquecer demais e então cortar a potência de repente, o motor em cubo aprende a perceber como as condições estão mudando, o quanto já está desgastado e quanta margem de segurança resta. Em seguida, modela o torque de forma suave para que os pilotos sintam desempenho consistente enquanto o hardware se protege silenciosamente. Como todo o projeto é dimensionado para rodar em chips embarcados baratos, ele oferece um caminho prático rumo a patinetes elétricos de duas rodas mais inteligentes, seguros e duráveis em cidades lotadas e submetidas ao estresse térmico.

Citação: 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

Palavras-chave: patinetes elétricos, gerenciamento térmico de motor, controle por rede neural, redução preditiva de torque, sistemas EV tolerantes a falhas