1 Abstract— This work presents an alternative approach based on neural network method in order to estimate speed of induction motors, using the measurement of primary variables such as voltage and current. Induction motors are very common in many sectors of the industry and assume an important role in the national energy policy. The nowadays methodologies, which are used in diagnosis, condition monitoring and dimensioning of these motors, are based on measure of the speed variable. However, the direct measure of this variable compromises the system control and starting circuit of an electric machinery, reducing its robustness and increasing the implementation costs. Simulation results and experimental data are presented to validate the proposed approach. Keywords— Three-phase induction motors, speed estimator, artificial neural networks. I. INTRODUÇÃO MOTOR de Indução Trifásico (MIT) é usado em diversos setores industriais, sendo o principal elemento para converter energia elétrica em mecânica motriz. Suas principais características se fundamentam no baixo custo de manutenção e implementação, além da sua robustez [1]. As aplicações dos MITs podem ser divididas em dois grandes grupos [2],[3]. No primeiro, o motor trabalha sem controle de velocidade em seu regime de operação. No segundo, os processos em que os motores estão acoplados necessitam da aplicação de uma metodologia de controle seja escalar ou vetorial. Assim, a velocidade no eixo do MIT é o parâmetro fundamental em diversas aplicações. A velocidade no eixo do MIT pode ser medida através de encoders ópticos, resolvers eletromagnéticos ou taco- geradores baseados em motores de corrente contínua sem escovas. Entretanto, estes dispositivos eletromecânicos apresentam algumas limitações em suas aplicações, tais como o aumento do custo do equipamento de acionamento, redução da robustez mecânica, imunidade baixa a ruídos, alteração da 1 Os autores agradecem ao CNPq pelo apoio financeiro (Processo 474290/2008-5, 473576/2011-2, 552269/2011-5) e Fundação Araucária (Processo 06/56093-3). A. Goedtel, Universidade Tecnológica Federal do Paraná - UTFPR-CP, Cornélio Procópio, PR, Brasil, agoedtel@utfpr.edu.br S. A. O da Silva, Universidade Tecnológica Federal do Paraná - UTFPR- CP, Cornélio Procópio, PR, Brasil, augus@utfpr.edu.br I. N. Silva, Universidade de São Paulo - USP, São Carlos, SP, Brasil, insilva@sc.usp.br P. J. A. Serni, Universidade Estadual Paulista - UNESP-FEB, Bauru, SP, Brasil, paulojas@feb.unesp.br M. Suetake, Universidade de São Paulo - USP, São Carlos, SP, Brasil, msuetake@sc.usp.br C. F. Nascimento, Universidade Federal do ABC - UFABC, Santo André, SP, Brasil, claudionor.nascimento@ufabc.edu.br inércia da máquina, além de exigir especial atenção em ambientes hostis [4]. Uma alternativa para se determinar a velocidade de rotor dos motores é obtida por meio do uso da técnica sensorless [4] ,[5]. Esta técnica é encontrada em aplicações de alto desempenho como Controle Vetorial (CV) e Controle Direto de Torque (CDT), bem como na identificação de falhas, monitoramento da eficiência energética, acionamento e dimensionamento de motores de indução trifásicos, pois substitui o uso do sensor de velocidade por estimadores. No trabalho apresentado em [6], é descrito um conjunto de técnicas de manutenção preventiva em motores de indução trifásicos. A velocidade no eixo dos motores é estimada para determinar a eficiência do conjunto motor-carga. Em [7] é proposto um método para identificar o desgaste de rolamentos através das medidas das correntes do estator e a estimativa de velocidade do eixo. No artigo [8] é apresentada uma técnica para determinar, de forma online, a quebra das barras do rotor utilizando transformada Wavelet e Rede Neural Artificial (RNA). Os autores de [8] usam a medida da velocidade como variável de entrada para detectar a quebra de barras no enrolamento de rotor. No trabalho [9], os autores apresentam metodologias que utilizam a variável escorregamento (s) para determinar problemas de excentricidade no eixo do rotor, barras do rotor rompidas bem como falhas no enrolamento de estator. No artigo [10] é descrito um conjunto de estratégias para análise do dimensionamento de motores de indução trifásicos em regime permanente e transitório. O autor utiliza as medidas de corrente e velocidade para determinar a eficiência de cada conjunto motor-carga. Artigos recentes têm usado as RNAs como uma ferramenta eficaz na estimativa de parâmetros e monitoramento de máquinas elétricas. O artigo [11] utiliza as RNAs para estimar a resistência de estator aplicado ao controle por orientação de campo indireto. No trabalho [12], uma RNA Perceptron Multicamadas (PMC) atua como um classificador de falhas em motores de indução trifásicos. A utilização de RNAs na estimação de parâmetros do MIT possibilitará a inserção destes motores nas futuras redes elétricas inteligentes (Smart Grids), pois facilitará a transmissão de dados entre o motor e o sistema [13], [14]. A proposta deste artigo consiste em apresentar uma metodologia alternativa para estimativa de velocidade do motor de indução trifásico baseado em RNAs com alimentação senoidal, considerando problemas de qualidade da energia elétrica [15] como diminuição ou elevação da tensão nominal simétrica numa grande faixa de operação do Speed Estimation for Induction Motor Using Neural Networks Method A. Goedtel, I. N. Silva, Member, IEEE, P. J. A. Serni, M. Suetake, C. F. Nascimento and S. A. O. da Silva O 768 IEEE LATIN AMERICA TRANSACTIONS, VOL. 11, NO. 2, MARCH 2013