Article 

Estimation of the Equivalent Circuit Parameters of Induction 
Motors by Laboratory Test 
Moshe Averbukh * and Efim Lockshin 

Department of Electrical and Electronic Engineering, Ariel University, Ariel 44837, Israel;   
[email protected] 
*  Correspondence: [email protected]; Tel.: +972‐528‐814‐120 

Abstract: The determination of equivalent circuit parameters for AC induction motors represents 
an important task in an electrical machine laboratory. Frequently used open‐circuit and short cur‐
rent tests answer these requirements. However, the results have a low accuracy. This becomes es‐
pecially obvious when the equivalent circuit is applied for the motor current and power prediction. 
The main obstacles in this circumstance lie in the difficulty of providing a pristine open‐circuit test, 
the lack of which causes errors in parameter estimation. A much more accurate approach can be 
carried out with a test including several output points with measurements of the motor torque, ve‐
locity, current, and power magnitudes. Nevertheless, a relatively simple and accurate method to 
ensure  determining  parameters  for  such  tests  does  not  exist.  This  article  tries  to  provide  such  a 
method by an approach based on Kloss’s simplified equation and the Thevenin theorem. The sig‐
nificant novelty of the method is the specially selected synergetic interaction between the analytical 
and numerical approaches, which give a relatively simple algorithm with a good accuracy and a 
convergence of the parameters’ estimation. 

Keywords: AC induction motor; equivalent circuit parameters estimation; Thevenin theorem 
 
Citation: Averbukh, M.; Lockshin, E. 
Estimation of the Equivalent Circuit 
Parameters of Induction Motors by 
1. Introduction 
Laboratory Test. Machines 2021, 9, 
340. https://doi.org/10.3390/ 
AC induction motors, owing to their compactness, high reliability, and low costs, are 
machines9120340  found in a large number of industrial machines. The use of these motors continues to be‐
come increasingly widespread due to the availability and decreasing cost of variable fre‐
Academic Editor: Dan Zhang  quency drives (VFD), emphasizing the superiority of asynchronous electrical motors over 
other  types.  Therefore,  the  requirements  for  selecting  optimal  AC  motors  need  greater 
Received: 19 November 2021  attention. The optimal choice of AC motor can be effectively carried out by the equivalent 
Accepted: 7 December 2021  circuit that can ensure estimation of motor output characteristics in a wide range of con‐
Published: 8 December 2021  ditions. The determination  of  AC  induction motor equivalent  circuit  parameters  repre‐
sents  one  of  the  important  laboratory  tasks  both  in  the  study  of  electrical  machines  in 
Publisher’s Note: MDPI stays neu‐
academic courses of electrical machines and drives [1], and industrial applications [2–4]. 
tral with regard to jurisdictional 
There are three major groups of methods for the estimation of AC induction motor 
claims in published maps and insti‐
parameters [5–11]. The first one includes software programs such as ETAP [5], numerous 
tutional affiliations. 
methods based on a simplified circuit algorithm [6], nameplate data [7], and manufactur‐
ers’ datasheets [8–11]. The application of these methods, both for students and technicians 
  in a production laboratory, is problematic. This is due to difficulties and complications in 
Copyright: © 2021 by the authors. Li‐
the use of special software and the high cost of these programs. An additional obstacle to 
censee  MDPI,  Basel,  Switzerland. 
using special software and methods in the educational laboratory, described in [5–11], is 
This  article  is  an  open  access  article  the advanced age of the electrical machines used in such study and the fact that they have 
distributed under the terms and con‐ no fully rated data. 
ditions of the Creative Commons At‐ The second group of methods of assessing equivalent AC motor parameters is rep‐
tribution (CC BY) license (http://crea‐ resented by different experimental techniques [12–18]. Wang et al. [12] suggested a non‐
tivecommons.org/licenses/by/4.0/).  linear  least‐squares  approach  for  the  identification  of  equivalent  circuit  parameters. 

 
Machines 2021, 9, 340. https://doi.org/10.3390/machines9120340  www.mdpi.com/journal/machines 
Machines 2021, 9, 340  2  of  13 
 

Yamamoto et al. [13] used no‐load and locked‐rotor tests with a simple procedure to de‐
termine equivalent circuit parameters of an induction double‐cage rotor motor. An esti‐
mation of equivalent circuit parameters of an induction motor from load data was pro‐
posed by Bhowmick et al. [14]. De Silva used linear graphs and the Thevenin–Norton cir‐
cuits theorem for an analysis of electro‐mechanical systems including induction motors 
[15]. Daut et al. [16] assessed specific 0.5 HP motor equivalent parameters based on a load 
factor test. The searching procedure established on stochastic principles of particle swarm 
optimization for finding AC motor equivalent circuits was proposed by Sakthivel et al. in 
[17] and by Nikranajbar et al. in [18]. 
It  is  worth  mentioning the  analytical formulations and methods  for  AC  motor  pa‐
rameter identifications. Among them is the Kloss formula, which simplifies the definition 
of the torque vs motor velocity slip [19–21]. Panovko and Shokhin used Kloss expression 
for the analysis of the AC induction motor in a vibrating machine [19]. Mihăilescu and 
Galan applied the Kloss rule for the assessment of output parameters and performances 
of a three‐phase induction motor fed by a vector control [20]. Andersson et al. used Kloss 
formulation for selecting the appropriate AC motor in the design of aircraft actuation sys‐
tems [21]. 
The third group of approaches to determining the parameters and functionality of an 
AC  asynchronous  motor  uses  the  application  of  the  Thevenin  theorem  [22–24].  Haque 
used  the  Thevenin  circuit  for  the  determination  of  the  parameters  of  NEMA  induction 
motors with manufacturer datasheets [22]. Abidin and Adam employed a Thevenin dia‐
gram for the design of the AC motor prototype [23]. Mohammadi and Akhavan used a 
three‐phase motor hybrid approach combining the Thevenin theorem with a genetic al‐
gorithm and particle swarm optimization for a parameter estimation [24]. 
The literature review provides several effective and rather accurate examples of the 
estimation of AC motor equivalent circuit parameters based on dissimilar methods. How‐
ever, for the education or production laboratory in the manufacturing facilities of electri‐
cal machines, they are not exactly applicable, as they are either unnecessarily complex or 
expensive. The method for parameter finding should be rather simple but sufficiently ac‐
curate in providing the results of AC motor testing. 
This article proposes an original approach based on the data of motor loading, the 
Kloss equation, and the Thevenin circuit. This method provides a simplified technique for 
experimental testing that ensures accurate results for those who carry out this work. The 
article includes the following sections. A methodology section represents the definition of 
output parameters of induction motors by a T‐equivalent circuit, Thevenin simplification 
of  the  equivalent  circuit,  and  Kloss‐formulation‐related  maximum  achievable  motor 
torque, as well as a critical slip with results of motor loading. In addition, the methodology 
section provides the foundation of an equivalent circuit estimation based on the synergetic 
cooperation of the developed analytical and numerical methods. Furthermore, the meth‐
odology  section  describes  the  definition  of  two  important  motor  parameters—τmax  and 
sK—based on measured torque–velocity points during motor loading. The results section 
shows the experimental laboratory setup that was used for the verification of the proposed 
approach, as well as the confidence of this method’s application based on the comparison 
of the theoretical output motor performance and motor current with measured parame‐
ters. The last sections summarize the results of the work that was done in the study. 

2. Methodology 
2.1. AC Induction Motor and Output Parameters Defined by an Equivalent T‐Circuit 
The functionality of AC induction motors is described in different ways. The dynamic 
formulation  of  the  electromechanical  processes  during  electromagnetic  interactions  be‐
tween motor windings was found by Kraus et al. [25] and Leonhard [26]. This methodol‐
ogy ensures the most accurate results of dynamic processes. However, its application is 
problematic  for  students  and  technicians  in  manufacturers’  facilities,  as  it  requires  a 

 
Machines 2021, 9, 340  3  of  13 
 

profound knowledge of mathematics and high technical ability to operate complex soft‐
ware programs. 
Another way of describing an AC machine, known as the energy analysis approach, 
is based on the analysis of the energy flows diagram of an electric machine. This method, 
described  by  Chapman  [27],  gives  satisfactory  and  quite  precise  results  for  the  steady‐
state mode of electrical machines’ functionality. The major representative of the energy 
approach is an equivalent motor circuit, different variations of which were presented by 
Toliyat  and  Kliman  [28].  Among  them,  the  most  useful  is  the  T‐circuit  (Figure  1).  We 
adopted this diagram for our investigation because it can be used for the verification of 
all AC input and output characteristics in a steady‐state mode. 

 
Figure 1. T‐type equivalent circuit of an AC induction motor. 

The equivalent circuit is related to one phase of a motor and includes connections 
between: R1, R2; the equivalent resistances of a stator and rotor circuits, X1, X2; the reac‐
tance  of leakage flux in stator and  rotor  magnetic circuits,  and Xm;  the  reactance of the 
magnetizing flux. The equivalent circuit allows the calculation of the main motor input–
output parameters—such as the input current, power, power factor (cos φ), output power, 
and output characteristic—as the function of rotation the velocity vs. motor torque as fol‐
lows. The magnitudes of the input parameters are: 
R 
jX m  2  jX 2 
U ph  s   R  jX  jX m  R2  jX 2 s 
 I in  ph  ; Z in  R1  jX 1 
R2 R2  js  X m  X 2 
1 1
Z in  j  Xm  X2 
s (1) 
Pin  3  I in  ph  U ph  cos 
cos   cos  arg  Zin  
 
The estimation of the output parameters is rather complicated with the T‐circuit hav‐
ing two serial–parallel branches. Nevertheless, the complexity of the calculations can be 
eliminated by applying the Thevenin approach. As a result, a simpler Thevenin‐equiva‐
lent circuit of the AC motor can be obtained, as shown in Figure 2. 

 
Machines 2021, 9, 340  4  of  13 
 

 
Figure 2. Thevenin one‐phase equivalent circuit for an AC motor. 

The Thevenin voltage, resistance, and reactance are calculated as per Chapman [27]: 

Xm
U Th  ;   (2) 
X m  X1

2
 Xm 
RTh  R1    R1   ;  
2
(3) 
X
 m  X 1 

X Th  X 1   (4) 

Thevenin’s approach, along with the motor output characteristic, allows the determination 
of the maximum torque τmax (5) and a critical slip sK (6): 
3 U Th2
2 S (5) 
 max  ;
RTh  RTh2   X Th  X 2 
2

R2
sK  ; (6) 
RTh2   X Th  X 2 
2

It is worth pointing out that those Equations (5,6) form an algebraic system of equations, 
the solution to which provides a basis for finding the parameters RTh, R2, XTh, and X2. How‐
ever, these equations can be solved only if the τmax and sK are known. To find τmax and sK, 
we used the Kloss expression relating the motor torque and motor velocity so: 
m 2

 max s sK
 (7) 
sK s  

The Kloss formulation can be applied to the assessment of τmax and sK by fitting them 
with an LMS procedure to a set of operating points obtained from experimental measure‐
ments. 
The precision of the motor output characteristic by a Kloss formula is relatively high 
(the discrepancy between theoretical and real characteristics is less than 1–2%) in the range 
where torque is changing from zero to a maximum value. The accuracy of the motor de‐
scription by a Kloss expression is lower when the slip s is changing from sK toward smax 
(smax = 1). However, this does not lessen the accuracy of the assessment of τmax and sK, as 
the fitting is carried out during the first interval of the motor characteristic beginning at 
zero and increasing to maximum torque. 

 
Machines 2021, 9, 340  5  of  13 
 

To facilitate the solution of (5,6), the parameters RTh, R2, XTh, and X2 were combined 
into dimensionless variables α and β as follows: 
3 U Th2 3 U Th2
2 S R2 2 S R2
 max   ; (8) 
RTh
2
 R   X  X2 
2
  2  2
  Th    Th 
R2  R2   R2   

1
sK  (9) 
 2  
2

The use  of  dimensionless parameters  α and β  allows one  to  obtain  their  values by 

solving the algebraic system (8,9). The knowledge of α and β provides the foundation of 
the method of estimating parameters that is represented below. 

2.2. Foundation 
The proposed method uses a set of operating points obtained through a motor load‐
ing diagram. For the demonstration of the method, the set of output points of the loading 
diagram are represented in Table 1. The submitted method is explained by the algorithm 
in Figure 3. In the first step, the measured points of motor loading are approximated using 
the Kloss Formula (7) by a least‐mean‐square (LMS). This results in magnitudes of τmax 
and sK. Then, the probing Thevenin voltage magnitude is assigned to calculate dimension‐
less coefficients α and β. The probing Thevenin voltages are determined by consistently 
increasing the value of the coefficient γ. Its value is selected from sequentially ascending 
magnitudes laying in between a relatively narrow range from 0.85–0.87 to 0.97–0.99. The 
increment of the γ coefficient is chosen as per the accuracy requirements, and, as usual, it 
would not be less than 0.005–0.01. Therefore, the number of probing points remains rela‐
tively small, ensuring a short calculation time. Once selected, the coefficient γ defines the 
sequential magnitude of UTh (2) that allows the solution of the combined Equations (5), 
(6), and (7): 
3 U Th2 1
  ; (10) 
2  S max R2 sK  

1
2  2  (11) 
sK  

Table 1. Results of the AC motor measurement during loading. 

n  1  2  3  …  N 
(τm)n, Nm  τ1  τ2  τ3  …  τn 
(ωm)n,rad/s  ω1  ω2  ω3  …  ωn 
(Iin)n, A  (Iin)1  (Iin)2  (Iin)3  …  (Iin)n 
(Pin)n, W  (Pin)1  (Pin)2  (Pin)3  …  (Pin)n 
(cos φ)n  (cos φ)1  (cos φ)2  (cos φ)3  …  (cos φ)n 

 
Machines 2021, 9, 340  6  of  13 
 

 
Figure 3. Algorithm of the equivalent circuit estimation. 

The p.u. values of α and β after the solution are expressed in terms of the variable R2. 
In Equations (10) and (11), the Thevenin voltage UTh has been defined by the coefficient γ; 
the synchronous speed ωS is given by the motor template; whereas τmax and sK have been 
assessed previously. 
Therefore, assigning an arbitrarily chosen value of R2 in Equation (9) allows the cal‐
culation of coefficients α and β from Equations (10) and (11). Being assessed coefficients, 
α and β allow the calculation of all circuit parameters. An essential point contributing to 
an  increase  in  the  accuracy  and  speed  of  a  solution  is  the  narrow  range  of  possible  R2 
values, which can be significantly limited by the following considerations. The feasible 
range of resistance R2 is restricted, as the solution of α and β must be positive and larger 
than 1. Thus: 
3 U Th 2
1 1.5U Th2
   1   R2 max  ;
2  S max R2 s K  1  (12) 
 S max   1 
 sK   
For β: 

 
Machines 2021, 9, 340  7  of  13 
 

1 1.5UTh2
2    2  1   R2 min  ;
sK2 1 1  (13) 
S max   2  1 
 sK sK   
Equations  (12)  and  (13)  define  the  upper  and  lower  limits  of  R2,  between  which  it 
provides feasible values of other parameters. The feasible span is relatively narrow, en‐
suring a relatively small number of probing points for the calculation of equivalent circuit 
parameters. This circumstance increases the accuracy of the method and the convergence 
stability of the solution. It is worth noting that for any value of R2 solving Equations (12) 
and (13), the motor characteristic curve passes exactly through two important points: (0, 
0) and (τmax, sK). This, together with the motor characteristic pattern, ensures the closeness 
of real and theoretical curves between 0–sK values. However, this is not enough for the 
determination  of  all  circuit  parameters,  as  the  closeness  of  mechanical  curves  does  not 
guarantee the coincidence of the theoretical and real motor currents. 
Thus, in the next step, the optimal selection of R2 ensures the alignment of the theo‐
retical and real motor currents. It is worth remembering that, once being chosen, R2 pro‐
vides the basis for the calculation of dimensionless coefficients α and β and, therefore, all 
parameters (R1, R2, X1, X2, and Xm) of an equivalent circuit. The optimal R2 magnitude is 
chosen from a restricted range of allowable values (12)–(13) by a sequential procedure aim‐
ing to obtain a maximal closeness between the theoretical and real motor currents. Differ‐
ent indicators may be chosen for the assessment of the closeness (coincidence) between the 
theoretical and real currents. The minimal sum of squares of deviations (LMS) between the 
theoretical curve and experimentally measured current values was selected as an indicator 
of  a  coincidence.  Obviously,  for  each  arbitrarily  chosen  UTh  the  closeness  of  the  experi‐
mental current to its theoretical prediction was different. 
As the optimal UTh, the value that ensures the best coincidence between theoretical 
and real currents should be chosen. It is worth noting that the Thevenin voltage is defined 
by the value of the coefficient γ (2). Therefore, selecting the coefficient γ arbitrarily pro‐
vides the best R2 magnitudes and thus defines all equivalent motor parameters. The result 
of  assigning  γ  sequentially  (within  its  feasible  range  0.9–0.99)  is the set  of  the  criterion 
(LMS) values defining the closeness between theoretical and real currents. The global min‐
imum  of  this  criterion  determines  the  global  optimal  R2  value  and  hence  all  equivalent 
parameters of the equivalent circuit. 
Owing to the procedure mentioned above, the algorithm of equivalent circuit param‐
eters finding has been established (Figure 3). 
The algorithm begins with the determination of τmax and sK by the Kloss formalization. 
Then, for each magnitude of coefficient γ, the optimal R2 value is chosen. In the end, the 
optimal  pair  of  γ  (UTh)  and  R2  is  determined,  and  all  equivalent  circuit  parameters  are 
calculated following the algorithm’s sequence. 
The estimation of τmax and sK due to the obtained measured loading points (see Table 
1) of a motor characteristic should be evaluated by the Kloss expression with the use of 
the  LMS  approach.  The  following  is  represented  in  Table  1.  The  first  row  consists  of  a 
sequential number of tests—n. The second row includes the measured motor torque (τm)n 
in each test. The third row includes the measured motor velocities (ωm)n. The fourth shows 
the  motor  currents  (Iin)n.  The  fifth shows  the  input  power  (Pin)n.  The  sixth  and  last  row 
shows the measured power factors (cos φ)n. 
This task of τmax and sK is not trivial, as the Kloss equation is not linear, and the appli‐
cation of LMS requires rigorous mathematical development. Therefore, this procedure is 
discussed in detail in the following section. 

2.3. Matching a Kloss Formula to the Measured Data of Motor Loading 
The  LMS  protocol  assumes  the  minimum  of  summarized  squared  deviations  be‐
tween theoretical and measured data (Equation (7)). Therefore, the assessment of param‐
eters  τmax  and  sK  is  ensured  by  the  minimum  of  the  sum  that  is  stated  for  the  set  of 

 
Machines 2021, 9, 340  8  of  13 
 

experimental data (Table 1) by Equation (14). This procedure of finding τmax and sK should 
be the first priority. 
2
 
N 
2 max 
Z    i    MIN (14) 
i 1 
si sK 
  
 sK si 
 
The solution of Equation (14), requiring the minimization of the sum of squares of 
deviations, is obtained by equalizing the partial derivatives of Z for τmax and sK to zero. The 
result of the differentiation is as follows: 
  
N 
dZ 2 max   1 
    i   0
 max i 1 
si sK   si sK 
 
 sK si   sK si 

(15) 
  2  1  si 
N   
2 max 
max
 si sK   0
2
dZ
   i  
sK  s s 
2
i 1

i
 K   si  sK 
 sK si   s 
 K si   
The transformation of these expressions causes the algebraic fifth‐order equation to 
be impossible for an analytical solution. However, the absolute minimum of Equation (14) 
in terms of τmax and sK exists, which can be demonstrated, for example, by Figure 4. An 
analysis of Equation (14) shows the presence of one global minimum. 

 
Figure 4. 3‐D graph of the summarized error between real AC motor data and their approximation 
by the Kloss formula with different values of the maximum torque τmax and critical slip sK. 

Considering only one minimum value of the maximum motor torque τmax and critical 
slip sK, the minimum of Equation (14) can be obtained by the numerical approach rela‐
tively  simply.  The  developed  scanning  routine  (MATLAB)  searches  τmax  and  sK  values 
within their feasible ranges and can find these values with any required precision. 

3. Results 
3.1. Validation of the Submitted Approach 
The validation of the submitted method was carried out in an electrical machine la‐
boratory. The testbench for the experiments and measurements is shown in Figure 5a,b. 

 
Machines 2021, 9, 340  9  of  13 
 

AC motor: stator windings
Controllable  U1 V1 W1
braker

Indicator T, ω 
U2 V2 W2

A, V, W
DC
~3ph

3ph 
  variac
N
 
(a) Experimental testbench  (b) The scheme of the experimental setup 

Figure 5. The testbench (a) for the experiments on AC motor characterization and the electrical scheme of the setup (b). 

The testbench included a 3ph AC motor with the number of poles P = 4 (synchronous 
speed nsynch = 1500 rpm), a stator winding connection delta (D), (Uph)nom = 400V, f = 50 Hz, 
Pnom = 1000 W, and Inom = 1.8 A. The AC motor was fed by a 3ph variac for the control motor 
supply. The motor was attached to a controllable braking unit capable of applying a load 
torque in a wide range (0–20 Nm) and equipped with torque and rotation speed indica‐
tors. VoltAmperWatt meters were connected in the scheme for the measurement and reg‐
istration of the input current, voltage, active power, and cos (φ) during experiments. The 
accuracy of the measurements of the motor torque was less than  േ3%, the rotation veloc‐
ity was less than  േ0.5%, and other electrical parameters were not less than 0.4%. During 
experiments, the AC motor was loaded increasingly from the minimum up to the maxi‐
mum allowable torque, and the measured parameters were recorded. 

3.2. Representation of the Approach 
To apply the submitted approach, the loading motor test with the measurement of 
input–output parameters (Uph, Iph, Pin, cos φ, nm, and τm) should be carried out first. The 
maximum torque τmax and critical slip sK values should be evaluated in the next step based 
on a measured array of nm and τm. Finding parameters τmax and the slip sK ensures in prin‐
ciple the closeness of the theoretical output motor characteristic (nm = Φ(τm)) to measured 
points and the is basis for the estimation of all circuit parameters. It is done with the nu‐
merical approach that is facilitated by the theoretical analysis provided by the Thevenin 
circuit. The variable γ is chosen arbitrarily from within its practicably valid range. Imme‐
diately after the selection of coefficient γ, the feasible limits of a resistance R2 are deter‐
mined, between which additional probing and scanning is carried out. The definite set of 
other circuit parameters for each R2 value is then obtained as described in the methodol‐
ogy section. It is worth mentioning that the set of equivalent parameters determines the 
theoretical  motor  current  function  vs.  the  motor torque that  can  be  compared  with the 
measurement  data  with  the  assessing  of  the  cost  function  value  for  this  current  curve. 
Arbitrary  scanning  of  the  2‐D  space  of  coefficient  γ  and  R2  finds  their  most  applicable 
magnitudes, providing the best matching of a theoretical motor current to its measured 
values. The abovementioned results of the laboratory measurements of a given AC motor 
are represented in Table 2. 
   

 
Machines 2021, 9, 340  10  of  13 
 

Table 2. Results of the experimental AC motor testing. 

Vph, V  nm, rpm  Iph, A  Pph_measured, W  cos φ  τm, Nm  P3ph, W  Pmech, W  η 

400  1470  1.42  84  0.15  0.33  252  51.3  0.204 
400  1469  1.4  93  0.16  0.51  279  78.2  0.280 
400  1466  1.39  118  0.21  1.10  354  168.9  0.477 
400  1455  1.37  159  0.28  2.08  477  317.4  0.665 
400  1453  1.36  195  0.36  2.95  585  448.9  0.767 
400  1444  1.38  253  0.46  4.21  759  636.3  0.838 
400  1430  1.435  331  0.58  5.83  993  873.5  0.880 
400  1416  1.53  410  0.67  7.42  1230  1099.7  0.894 
400  1384  1.82  578  0.8  10.12  1734  1466.2  0.846 
400  1351  2.15  730  0.85  11.92  2190  1685.9  0.770 
400  1345  2.16  740  0.86  11.97  2220  1685.4  0.759 
400  1300  2.53  900  0.89  13.13  2700  1787.9  0.662 
400  1277  2.82  1015  0.9  13.99  3045  1845.4  0.606 

Following the algorithm, the parameters of the maximum motor torque τmax and crit‐
ical slip sK were first estimated by a special MATLAB routine, providing the matching of 
the Kloss formula to the operating points. These parameters, based on the results of Table 
2, were obtained as τmax = 15.9 Nm and sK = 0.254 p.u. accordingly. The output characteristic 
of this AC motor built with the Kloss formula and operating points of a motor is shown 
in Figure 6. A relatively good coincidence between the theoretical characteristics and real 
measurements can be observed: the discrepancy was less than 6%. Despite this discrep‐
ancy, which was relatively small, this method is good enough for most engineering appli‐
cations. 
Relative motor velocity, 1-S

 
Figure 6. The AC motor characteristic described by the Kloss expression compared with the meas‐
ured points. 

Further,  following  the  algorithm  flowchart,  lower  and  upper  limits  for  the  R2  re‐
sistance are calculated considering the obtained τmax and sK for different UTh manifested in 
terms of the coefficient γ (Equation (2)). The results of the calculations are represented in 
Table 3. 
   

 
Machines 2021, 9, 340  11  of  13 
 

Table 3. Upper and lower limits of the resistance R2 for different Uth voltages. 

γ, p.u.  0.99  0.98  0.97  0.96  0.95  0.94  0.93    0.92  0.91  0.90  0.89 
Uth, V  396  392  388  384  380  376  372    368  364  360  356 
(R2)min, Ω  12.15  11.91  11.67  11.43  11.19  10.95  10.72    10.49  10.27  10.04  9.82 
(R2)max, Ω  19.06  18.68  18.30  17.92  17.55  17.19  16.82    16.46  16.11  15.75  15.41 

Later,  for  each  coefficient  γ,  the  optimal  R2  magnitude  was  chosen  by  a  searching 
numerical procedure inside a permissible range that is determined by Equations (10) and 
(11). This optimal magnitude provides the minimal discrepancy between the theoretical 
and  real  motor  currents.  During  the  search  procedure  for  the  changing  γ,  the  series  of 
quantitative indicators formulated by the LMS approach and the definition of the discrep‐
ancy between the theoretical and real currents can be obtained. Therefore, as per the cost 
function for the optimal selection of the dimensionless parameter γ and reduced resistance 
R2 of the rotor circuit, the sum of squares of deviations of theoretical and real motor cur‐
rent was chosen. The smallest of these sums determine the optimal magnitude of a coeffi‐
cient γ and resistance R2. The selected optimal parameters of γ and R2  allow the assess‐
ment of the most appropriate value Uth and then all the missing additional parameters of 
the equivalent circuit: R1, X1, X2, and Xm. The determination of equivalent parameters that 
provide the  minimum  of  the  discrepancy  between  the  theoretical  and  real  currents  en‐
sures the additional exactness of the approach presented in this paper. 
Special MATLAB software was developed for finding the equivalent circuit parame‐
ters based on the proposed algorithm. The results of the software application were as fol‐
lows: R1 = 20.35 Ω; R2 = 15.92 Ω; X1 = X2 = 30.18 Ω; and Xm = 335.3 Ω. An analysis of the 
obtained results demonstrates a coincidence of output characteristics of 98–99%. The av‐
erage square root deviation for a motor theoretical current is about 11%. The graph of the 
measured phase motor current and its theoretical assessment is represented in graph Fig‐
ure 7. 
Motor one phase current, A

 
Figure 7. Measured phase motor current (blue dots) and its theoretical assessment. 

The  deviation  between  the  theoretical  and  measured  currents  was  not  significant. 
Therefore, our method of finding the parameters of the AC motor equivalent circuit can 
be applied effectively to various applications of electrical machines and drives. 

4. Discussion 
The task of determining an equivalent AC motor circuit is not trivial and represents 
a  significant  mathematical  challenge  due  to  the  requirements for obtaining an  accurate 

 
Machines 2021, 9, 340  12  of  13 
 

and stable solution. The relatively accurate and stable solution of an equivalent T‐circuit 
of an AC induction motor can be reached with the application of the analytical searching 
procedure, leading to the decisive algorithm is presented in the article. The first part of 
the algorithm is based on the use of the Thevenin theorem and Kloss formula. They rep‐
resent the analytical fragment of the algorithm that can provide some of the parameters. 
The additional part of the algorithm is based on the numerical search procedure providing 
other missing equivalent parameters. 
The  algorithm  was  implemented  by  specially  developed  MATLAB  software.  It  is 
based on the experimentally obtained data: the rotation velocity, torque, and current. The 
method described in the article suggests a relatively simple approach to finding the pa‐
rameters of the T‐equivalent circuit of an AC induction motor. The application of the sub‐
mitted MATLAB software significantly improves the accuracy of the assessment and in‐
creases the solution’s stability. The relative error of output motor characteristics was 11%. 
The error in the motor current estimation remained between 0 and 11%. 
This  method can be  carried out  using the  standard equipment  of  an  electrical ma‐
chine  laboratory  with  the  use  of  MATLAB  programming  software.  The  method  in  this 
article is particularly relevant to electrical machines and electrical drives courses and other 
engineering applications, as it can provide high‐quality results. 

5. Conclusions 
The solution to the assessment of T‐equivalent circuit parameters of an induction mo‐
tor can be effectively based on the successfully found combination of analytical and nu‐
merical approaches.  Such a  finding  represents  the  significant  novelty  of  the  method  as 
ensuring a fast convergence and high accuracy of the parameters’ estimation. 
As per the analytical solution, the Thevenin theorem with a Kloss formulation in di‐
mensionless terms was applied to provide a rigorous definition of the output circuit pa‐
rameters. The analytical part of the solution diminishes the probing space of a numerical 
search for supplementary circuit parameters and increases the stability of the finding 
The main idea of the method can be applied further to the more complicated equiv‐
alent circuit of AC induction motors. 

Author Contributions: Conceptualization, M.A.; methodology, M.A. and E.L.; software, M.A.; val‐
idation,  E.L.;  formal  analysis;  investigation, E.L.;  writing—original  draft preparation,  M.A.;  writ‐
ing—review and editing, M.A.; visualization, E.L. All authors have agreed to the final version of the 
manuscript. All authors have read and agreed to the published version of the manuscript. 
Funding: This research received no external funding. 
Institutional Review Board Statement: Not applicable. 
Informed Consent Statement: Not applicable. 
Data Availability Statement: Not applicable. 
Acknowledgments:  The  authors  wish  to  acknowledge  the  technical  support  of  engineer  Arieh 
Shochat in carrying out laboratory experiments and measurements and Judy Frank for the help in 
language editing and improvements. 
Conflicts of Interest: The authors declare no conflict of interest. 

References   
1. Montes,  A.J.S.; Castro, H.A.B.;  Riveros, J.A.H. How  to  motivate  students  to  work  in  the  laboratory: A new  approach for  an 
electrical machines laboratory. IEEE Trans. Educ. 2009, 53, 490–496. 
2. Yazidi, A.; Henao, H.; Capolino, G.A.; Betin, F.; Filippetti, F. A web‐based remote laboratory for monitoring and diagnosis of 
ac electrical machines. IEEE Trans. Ind. Electron. 2011, 58, 4950–4959. 
3. Holmes, P.G. An Open‐Ended Electrical Machines Laboratory for Second Year Undergraduates. Int. J. Electr. Eng. Educ. 1969, 7, 
431–437. https://doi.org/10.1177/002072096900703‐417. 

 
Machines 2021, 9, 340  13  of  13 
 

4. García‐Guzmán, J.; Villa‐L–pez, F.H.; Silva‐Del‐Rosario, F.H.; Ramírez‐Ramírez, A.; élez Enríquez, J.V.; Ál‐varez‐Sánchez, E.J. 
Virtual environment for remote access and automation of an AC motor in a web‐based laboratory. Procedia Technol. 2012, 3, 224–
234. 
5. Alsmadi, Y.; Tsai, K.; Scott, M.J.; Xu, L.; Wang, A. (2014, June). New trends and technologies in power electronics and motor 
drives education. In Proceedings of the 2014 ASEE Annual Conference & Exposition, Indianapolis, Indiana, 15–18 June 2014; 
pp. 24–935. 
6. Brown, K.; Shokooh, F.; Abcede, H.; Donner, G. Interactive simulation of power systems: ETAP applications and techniques. In 
Proceedings of the Conference Record of the 1990 IEEE Industry Applications Society Annual Meeting, Seattle, WA, USA, 7–12 
October 1990; pp. 1930–1941. 
7. Rajput, S.; Bender, E.; Averbukh, M. Simplified algorithm for assessment equivalent circuit parameters of induction motors. IET 
Electr. Power Appl. 2020, 14, 426–432. https://doi.org/10.1049/iet‐epa.2019.0822. 
8. Helonde, A.R.; Mankar, M. Identifying Three Phase Induction Motor Equivalent Circuit Parameters from Nameplate Data by 
Different Analytical Methods. Int. J. Trend Sci. Res. Dev. 2019, 3, 642–645. https://doi.org/10.31142/ijtsrd22934. 
9. Al‐Jufout, S.A.; Al‐Rousan, W.H.; Wang, C. Optimization of induction motor equivalent circuit parameter estimation based on 
manufacturer’s data. Energies 2018, 11, 1792. 
10. Guimaraes, J.M.C.; Bernardes, J.V.; Hermeto, A.E.; Bortoni, E.D.C. Parameter Determination of Asynchronous Machines from 
Manufacturer Data Sheet. IEEE Trans. Energy Convers. 2014, 29, 689–697. https://doi.org/10.1109/tec.2014.2317525. 
11. X. Zhan, G. Zeng, J. Liu, Q. Wang and S. Ou, ʺA review on parameters identification methods for asynchronous motor,ʺ IJACSA) 
International Journal of Advanced Computer Science and Applications, vol. 6 2015. 
12. Wang, K.; Chiasson, J.; Bodson, M.; Tolbert, L. A nonlinear least‐squares approach for identification of the induction motor 
parameters. IEEE Trans. Autom. Control. 2005, 50, 1622–1628. https://doi.org/10.1109/tac.2005.856661. 
13. Yamamoto, S.; Hirahara, H.; Tanaka, A.; Ara, T. A Simple Method to Determine Double‐Cage Rotor Equivalent Circuit Param‐
eters  of  Induction  Motors  from  No‐Load  and  Locked‐Rotor  Tests.  IEEE  Trans.  Ind.  Appl.  2018,  55,  273–282. 
https://doi.org/10.1109/tia.2018.2864105. 
14. Bhowmick, D.; Manna, M.; Chowdhury, S.K. Estimation of equivalent circuit parameters of trans‐former and induction motor 
from load data. IEEE Trans. Ind. Appl. 2018, 54, 2784–2791. 
15. de Silva, C.W. Use of linear graphs and Thevenin/Norton equivalent circuits in the modeling and analysis of electro‐mechanical 
systems. Int. J. Mech. Eng. Educ. 2010, 38, 204–232. 
16. Daut, I.; Gomesh, N.; Irwanto, M.; Yanawati, Y.; Shafiqin, S.N.; Irwan, Y. Parameter determination of 0.5 hp induction motor 
based  on  load  factor  test‐a  case  study.  In  Proceedings  of  the  International  Conference  on  Electrical,  Control  and  Computer 
Engineering 2011 (InECCE), Kuantan, Malaysia, 21–22 June 2011; pp. 477–480. 
17. Sakthivel, V.; Bhuvaneswari, R.; Subramanian, S. Multi‐objective parameter estimation of induction motor using particle swarm 
optimization. Eng. Appl. Artif. Intell. 2010, 23, 302–312. https://doi.org/10.1016/j.engappai.2009.06.004. 
18. Nikranajbar, A.; Ebrahimi, M.K.; Wood, A. Parameter identification of a cage induction motor using particle swarm optimiza‐
tion. Proc. Inst. Mech. Eng. Part I J. Syst. Control. Eng. 2010, 224, 479–491. https://doi.org/10.1243/09596518jsce840. 
19. Panovko, G.; Shokhin, A. Resonant Adjustment of Vibrating Machines with Unbalance Vibroexciter. Problems and Solutions. 
In Proceedings of 14th International Conference on Electromechanics and Robotics “Zavalishin’s Readings”, Kursk, Russia, 17–
20 April 2019; Springer: Singapore, 2019; pp. 51–62. 
20. Mihăilescu, C.; Galan, N. Electric parameters variation and performances of the three Phased asynchronous motor in vector 
control with imposed rotor flux. In Proceedings of the 2010 IEEE International Conference on Automation, Quality and Testing, 
Robotics (AQTR), Cluj‐Napoca, Romania, 28–30 May 2010; Volume 3, pp. 1–3. 
21. Andersson, J.; Krus, P.; Nilsson, K. Optimization as a support for selection and design of aircraft actuation systems. In Proceed‐
ings of the 7th AIAA/USAF/NASA/ISSMO Symposium on Multidisciplinary Analysis and Optimization, St. Louis, MO, USA, 
2–4 September 1998; p. 4887. 
22. Haque, M.H. Determination of NEMA design induction motor parameters from manufacturer data. IEEE Trans. Energy Convers. 
2008, 23, 997–1004. 
23. Abidin, Z.; Adam, A. Design of Prototype Dynamic Ac Power Machine with Equivalent Circuit Modeling (Torque Speed Curve 
of Induction Motor 1, 1, Kw). J. Media Elektro 2017, VI, 34–38. 
24. Mohammadi, H.R.; Akhavan, A. Parameter Estimation of Three‐Phase Induction Motor Using Hybrid of Genetic Algorithm 
and Particle Swarm Optimization. J. Eng. 2014, 2014, 1–6. https://doi.org/10.1155/2014/148204. 
25. Krause, P.C.; Wasynczuk, O.; Sudhoff, S.D.; Pekarek, S.D. Analysis of Electric Machinery and Drive Systems; John Wiley & Sons: 
Hoboken, NJ, USA, 2013; Volume 75. 
26. Leonhard, W. Control of Electrical Drives; Springer Science & Business Media: Berlin/Heidelberg, Germany, 2001. 
27. Chapman, S.J. Electric Machinery Fundamentals, 5th ed.; McGraw‐Hill Education: New York, NY, USA, 2012. 
28. Toliyat, H.A.; Kliman, G.B. (Eds.) Handbook of Electric Motors; CRC Press: Boca Raton, FL, USA, 2018; Volume 120.