En un principio, los coches eléctricos se estropean mucho menos que los tradicionales de combustión y apenas necesitan mantenimiento. Sin embargo, no están libres de averías. Ahora, un sistema de inteligencia artificial permite detectarlas a tiempo y evitar que generen un problema mayor. Este sistema, que también puede aplicarse a maquinaria industrial, ofrece unos niveles de fiabilidad muy elevados.
Esta herramienta ha sido fruto del trabajo de investigadores de la Universidad Politécnica de Valencia (UPV), Miguel Enrique Iglesias Martínez, José Guerra Carmenate, José Alfonso Antonino Daviu, Larisa Dunai, José Alberto Conejero y Pedro Fernández de Córdoba, en el que también ha colaborado Carlos A. Platero, de la Universidad Politécnica de Madrid (UPM). Y ha sido distinguida con el premio al mejor artículo publicado en el ámbito de máquinas eléctricas durante 2023 en la revista IEEE Transactions on Industry Applications.
Cómo funciona el sistema de IA para detectar averías en coches eléctricos y maquinaria industrial
“El trabajo propone un nuevo método de diagnóstico basado en el análisis de señales de flujo de dispersión, tanto en régimen transitorio como estacionario, utilizando técnicas avanzadas de procesamiento de señal e inteligencia artificial”, explica José Alfonso Antonino, coautor del estudio y catedrático del Instituto de Tecnología Eléctrica de la UPV.
El método desarrollado por el equipo de la UPV y la UPM se centra en los motores síncronos, fundamentales en muchas aplicaciones industriales, especialmente en aquellas que demandan potencias muy altas. Estos motores pueden llegar a alcanzar varias toneladas de peso y suelen ser máquinas críticas en los entornos donde operan; sus fallos inesperados pueden causar pérdidas millonarias para las empresas, debido a las paradas no planificadas del proceso productivo o a los elevados costes de reparación.
Fácil uso, no invasivo y gran fiabilidad
“Una de las principales contribuciones de esta investigación es la utilización del flujo de dispersión como herramienta de diagnóstico, una magnitud que ha despertado gran interés entre investigadores y fabricantes, debido a sus importantes ventajas, tales como su fácil uso y su carácter no invasivo. Además, el método propuesto permite un diagnóstico automático de fallos, es decir, sin necesidad de intervención de usuarios expertos, lo que resulta ideal para su implementación en sistemas autónomos de diagnóstico”, añade Antonino.
El trabajo aplica una combinación de modernas técnicas de análisis de señales basadas en el biespectro y de métodos de procesamiento avanzado de imágenes, “lo que hace posible un diagnóstico automático y altamente fiable de fallos”, señala Miguel Iglesias Martínez, investigador postdoctoral del programa Margarita Salas.
Por otro lado, como apunta José Alberto Conejero, catedrático del Instituto Universitario de Matemática Pura y Aplicada de la UPV, “esta investigación ha tenido un marcado carácter multidisciplinar y combina la aplicación de conocimientos de distintas áreas, como máquinas eléctricas, procesamiento de señal e inteligencia artificial”.
También para vehículos eléctricos
Además, según destaca el equipo de la UPV, la investigación realizada tiene un gran potencial “ya que se puede extrapolar a otras áreas en las que los motores eléctricos juegan un papel fundamental, como la propulsión marina, los vehículos eléctricos, los aviones eléctricos o incluso la robótica”, destaca Pedro Fernández de Córdoba, también catedrático del Instituto Universitario de Matemática Pura y Aplicada.
