A velocidade dos motores de indução é uma grandeza importante em um processo industrial. Entretanto, a medição direta da velocidade em motores de indução pode comprometer o sistema de acionamento e controle, aumentando o custo de implementação. Assim, as técnicas sensorless destinadas a estimar ou prever a velocidade em motores de indução são amplamente investigadas para uso em várias unidades industriais. Essa estratégia, quando baseada nos modelos matemáticos dos motores de indução é, normalmente, dependente dos parâmetros da máquina ou requer outro método que faça uma estimativa ou previsão. Assim, a abordagem alternativa deste trabalho consiste no uso de duas estratégias de implementação de redes neurais artificiais como estimador de velocidade aplicado a duas estratégias de controle do motor de indução orientado pelo campo do estator, controle direto de corrente e controle direto de torque. A velocidade síncrona, as correntes do estator e o torque eletromagnético, que são variáveis utilizadas nos algoritmos de acionamentos orientados no campo eletromagnético, são as entradas dos estimadores neurais propostos. Neste trabalho, resultados de simulação são aplicados no processo de seleção das redes neurais e os resultados experimentais mostram o desempenho de duas estratégias de implementação do estimador neural de velocidade embarcadas em DSP em diferentes metodologias de controle com dois motores de indução de potências diferentes.

The induction motor speed is an important quantity in an industrial process. However, the direct measurement of speed on induction motors can compromise the drive and control system, increasing the implementation cost. Thus, sensorless techniques aimed at estimating or predicting the speed in induction motors are widely investigated to be used in industrial plant units. This strategy, when based on the mathematical models of the induction motors is, usually, dependent on the machine parameters or requires another method that makes an estimation or prediction. Thus, the alternative approach of this work consists in the use of two implementation strategies of artificial neural networks as speed estimator applied to two stator field-oriented induction motor control strategies, direct current control and direct torque control. The synchronous speed, the stator currents and the electromagnetic torque, which are quantities used in field-oriented drives, are the inputs of the proposed neural estimators. In this work, simulation results are applied to neural networks selection process and the experimental results show the performance of two implementation strategies of the neural speed estimator embedded in DSP in different control methodologies with two induction motors with different powers.