Documentos de Académico
Documentos de Profesional
Documentos de Cultura
6 Conclusiones
6.1. Conclusiones
A fin de cubrir esta laguna, en este trabajo se ha desarrollado una aplicación
informática, basada en Matlab, que permite utilizar dos métodos capaces de
identificar los parámetros de los modelos de circuito del motor de inducción,
partiendo de los datos de catálogo. La aplicación ha sido probada con datos
procedentes de más de 700 motores de diferentes fabricantes, utilizando dos
modelos de circuito distintos, uno de jaula simple y otro de jaula doble.
Los métodos propuestos permiten, de una forma sencilla, trasladar la información
proporcionada por el fabricante a información útil para la simulación de máquinas
CAPÍTULO 6. Conclusiones 97
de inducción sin tener que recurrir a costosas pruebas o suponer los valores de los
parámetros, utilizando los de otras máquinas similares.
En primer lugar, se ha desarrollado un método de identificación basado en
mínimos cuadrados. Este es el método que tradicionalmente se ha usado para la
resolución de sistemas de ecuaciones no lineales. Se ha comprobado que es un
método rápido de identificación de los parámetros, pero que necesita de una buena
solución inicial para poder converger hacia la solución óptima.
En segundo lugar, se ha desarrollado un algoritmo genético capaz de identificar
los parámetros del modelo de circuito del motor de inducción. Los resultados
obtenidos indican que los algoritmos genéticos pueden usarse para este propósito,
presentando ventajas fundamentales que hacen que sean una opción a tener en
cuenta. A lo largo del trabajo se ha podido probar que la principal ventaja del
algoritmo genético sobre el método de los mínimos cuadrados es su capacidad
para converger a una solución óptima sin necesidad de una buena solución inicial
de partida. El algoritmo genético no es un método rápido pero sí es muy robusto.
Tanto el algoritmo genético como el método de los mínimos cuadrados poseen
ventajas e inconvenientes y son, potencialmente, dos metodologías
complementarias. En este trabajo se han combinado los dos métodos para obtener
las ventajas de cada uno de ellos, utilizando el algoritmo genético para la
búsqueda de una buena solución inicial de partida y el método de los mínimos
cuadrados para la etapa final de optimización. Este algoritmo de optimización
híbrido (algoritmo genético seguido de mínimos cuadrados) previene al método de
los mínimos cuadrados de quedar atrapado en mínimos locales o no encontrar
solución y, además, reduce el tiempo total de optimización con respecto a la
optimización mediante el algoritmo genético.
Se ha analizado la sensibilidad de los métodos de identificación a variaciones en
los datos de entrada (datos de catalogo), observándose que la identificación de los
parámetros es más sensible a la variación de los datos, en el caso de motores de
baja tensión.
Los resultados obtenidos por los distintos métodos desarrollados en este trabajo se
han comparado con los resultados obtenidos por otras fuentes, habiendo obtenido
niveles de error del mismo orden a los de algunas publicaciones.
Se ha creado una base de datos con la información de catálogo correspondiente a
más de 700 motores, tanto IEC como NEMA, de diferentes características y
fabricantes, así como con los valores identificados de los parámetros de sus
correspondientes modelos de circuito y los errores en las principales magnitudes,
tanto para el modelo de jaula simple con parámetros ajustados con el
deslizamiento como para el modelo de doble jaula. Esta base de datos constituye
una útil referencia para otros trabajos relacionados con las máquinas de inducción.