Neste trabalho investiga-se a aplicação de um algoritmo genético multiobjetivo, ferramenta que se destaca por sua flexibilidade e interpretabilidade, na obtenção de fatores de ponderação para aplicação no controle preditivo de torque do motor de indução, ou Model Predictive Torque Control (MPTC). O MPTC busca minimizar a cada instante de atuação uma função custo que representa o sistema, destacando-se pela rápida resposta de torque, facilidade de incorporar restrições e ausência de modulador de tensão. No entanto, essa técnica apresenta fatores de ponderação em sua estrutura de cálculo que não dispõem de métodos analíticos de projeto. Utilizou-se o algoritmo genético de classificação nãodominada, ou Non-dominated Sorting Genectic Algorithm II (NSGA-II), projetado de forma a obter soluções que busquem o compromisso entre o desempenho dinâmico do motor, via minimização das oscilações de torque e fluxo, e a eficiência energética do sistema por meio da minimização da frequência média de chaveamento da eletrônica de potência. Resultados simulados e experimentais mostraram que o conjunto de soluções fornecido pelo NSGA-II é factível e contrapõe as oscilações de torque e de fluxo e a frequência média de chaveamento, cabendo à aplicação desejada a escolha da solução. Com isso, tem-se uma ferramenta de projeto dos fatores de peso do MPTC capaz de incorporar restrições e ajustar vários fatores ao mesmo tempo. / This work investigates the application of a multi-objective genetic algorithm to obtain a set of weighting factors suitable for use in Model Predictive Torque Control (MPTC) of a induction motor variable speed drive. MPTC approach aims at minimizing a cost function at each step, and is highlighted for its fast torque response, facility to incorporate system constraints and the absence of voltage modulators. Nevertheless, MPTC structure presents weighting factors in the cost function which lack of an analytical design procedure. The Non-dominated Sorting Genetic Algorithm II (NSGA-II) was designed for a trade-off between torque and flux ripples minimization and minimization of the average switching frequency of the system. Simulated and experimental results showed NSGA-II offered a Pareto set of feasible solutions, so that torque ripple, flux ripple or average switching frequency can be minimized, depending on the solution chosen according to project demand. Thereby, there is a project tool for MPTC weighting factors able to adjust several factor at the same time, incorporating desired restrictions.

Neste trabalho investiga-se a aplicação de um algoritmo genético multiobjetivo, ferramenta que se destaca por sua flexibilidade e interpretabilidade, na obtenção de fatores de ponderação para aplicação no controle preditivo de torque do motor de indução, ou Model Predictive Torque Control (MPTC). O MPTC busca minimizar a cada instante de atuação uma função custo que representa o sistema, destacando-se pela rápida resposta de torque, facilidade de incorporar restrições e ausência de modulador de tensão. No entanto, essa técnica apresenta fatores de ponderação em sua estrutura de cálculo que não dispõem de métodos analíticos de projeto. Utilizou-se o algoritmo genético de classificação nãodominada, ou Non-dominated Sorting Genectic Algorithm II (NSGA-II), projetado de forma a obter soluções que busquem o compromisso entre o desempenho dinâmico do motor, via minimização das oscilações de torque e fluxo, e a eficiência energética do sistema por meio da minimização da frequência média de chaveamento da eletrônica de potência. Resultados simulados e experimentais mostraram que o conjunto de soluções fornecido pelo NSGA-II é factível e contrapõe as oscilações de torque e de fluxo e a frequência média de chaveamento, cabendo à aplicação desejada a escolha da solução. Com isso, tem-se uma ferramenta de projeto dos fatores de peso do MPTC capaz de incorporar restrições e ajustar vários fatores ao mesmo tempo. / This work investigates the application of a multi-objective genetic algorithm to obtain a set of weighting factors suitable for use in Model Predictive Torque Control (MPTC) of a induction motor variable speed drive. MPTC approach aims at minimizing a cost function at each step, and is highlighted for its fast torque response, facility to incorporate system constraints and the absence of voltage modulators. Nevertheless, MPTC structure presents weighting factors in the cost function which lack of an analytical design procedure. The Non-dominated Sorting Genetic Algorithm II (NSGA-II) was designed for a trade-off between torque and flux ripples minimization and minimization of the average switching frequency of the system. Simulated and experimental results showed NSGA-II offered a Pareto set of feasible solutions, so that torque ripple, flux ripple or average switching frequency can be minimized, depending on the solution chosen according to project demand. Thereby, there is a project tool for MPTC weighting factors able to adjust several factor at the same time, incorporating desired restrictions.