一种油冷电驱转子温度预测方法、装置、介质及整车控制器与流程

本发明涉及汽车，特别涉及一种油冷电驱转子温度预测方法、装置、介质及整车控制器。

背景技术：

1、电桥，又称电驱动系统，是电动车的动力系统，用来驱动车辆。作为纯电动汽车、混合动力汽车以及插电式混合动力汽车等新能源汽车的关键部件，电桥已得到广泛应用。电桥从初步的结构集成向深度系统集成演变，由最初的二合一设计，演变成三合一设计、以及多合一设计，逐步实现电驱系统的低冗余、高性价比。如图1所示，电桥主要由电机，减速器，和电机控制器组成。然而在电桥朝着更高集成度发展的同时，也同样面对相应问题：电机等部件在工作时，特别是大负载高转速运行时，会产生较高热损耗，若不及时散热，高温会引起电机永磁体弱磁从而导致电机输出扭矩降低；严重时还会使电机出现过温故障。因此，准确计算和监测永磁同步电机的工作温度，并结合相应的温度控制策略以提高电机的各项性能设计指标，进而确保电机的安全稳定运行是十分有必要的。电机定子绕组的温度通常会利用绕组上耦合的热电偶(ntc)实现实时采集。而电机转子处于高速运转状态时，通过耦合热电偶的方式对转子温度的实时采集会带来巨大的失效风险和高额的维护成本。因此，通过间接计算或仿真的方法来预测电机转子温度更可取。

2、目前，预测电机转子核心部件温度的传统方法主要有：有限元建模仿真法、参数辨识法和热阻网络法。有限元建模仿真法只能采用离线的方式对单一或固定工况下的转子温度场变化进行分析。参数辨识法一般是根据磁通量和信号的变化预测电机转子温度。这类方法对于传感器的精度和电机控制算法精度要求非常高，会给电机产品批量生产带来高额的成本。热阻网络法可以很好的解决目前车用水冷电机的转子温度预测难题，但是这种方法的维护成本高，即各个电桥项目都需要通过热阻网络的方法对转子温度进行标定。且随着车用电机的冷却由水冷向油冷转变，新型油冷电桥如图2所示，利用热阻网络法来预测油冷电机的转子温度需要增加额外的热电偶，会进一步增加维护成本。即冷却油的温度不宜通过热阻网络的方法实时采集。

技术实现思路

1、本发明公开了一种油冷电驱转子温度预测方法、装置、介质及整车控制器，它可以提高转子温度测量准确度。

2、为达到上述目的，一方面提供一种油冷电驱转子温度预测方法，具体方法如下：

3、构建长短期记忆神经网络温度预测模型；

4、以训练数据训练长短期记忆神经网络温度预测模型；

5、分析经训练的长短期记忆神经网络温度预测模型的误差分布，调节经训练的长短期记忆神经网络温度预测模型的超参数；

6、获取电桥当前瞬态参数，预测油冷电驱转子温度。

7、进一步地，所述长短期记忆神经网络温度预测模型包括输入层、隐含层和输出层；

8、输入层输入包括电机运行时间、电机运行转速和电机输出扭矩；

9、输出层输出包括电机转子温度。

10、进一步地，以训练数据训练长短期记忆神经网络温度预测模型，训练数据获取方法如下：

11、对电桥进行台架试验；

12、记录电桥的电机运行时间、电机运行转速、电机输出扭矩和电机转子温度，并进行滤波和归一化处理。

13、进一步地，台架试验包括基速区持续性能测试工况、弱磁区持续性能测试工况和模拟实际路况的变负载测试工况。

14、进一步地，台架试验过程中，通过热电偶实时采集电机转子温度，以转子中心处在磁钢的温度作为电机转子温度。

15、进一步地，分析经训练的长短期记忆神经网络温度预测模型的误差分布，具体方法如下：

16、针对待预测温度的电桥，实时获取转子瞬态转速数据、转子瞬态扭矩数据和电机运行时间，并进行预处理；

17、将预处理后的数据输入经训练的长短期记忆神经网络温度预测模型，预测未来时间段油冷电驱转子温度；

18、计算未来时间段油冷电驱转子温度的误差分布；

19、利用k类均值聚类算法分析误差分布；

20、调节经训练的长短期记忆神经网络温度预测模型的超参数，超参数包括学习率和迭代次数。

21、进一步地，获取电桥当前瞬态参数，预测油冷电驱转子温度，具体方法如下：

22、针对待预测温度的电桥，实时获取转子瞬态转速数据、转子瞬态扭矩数据和电机运行时间，并进行预处理；

23、以调节后的长短期记忆神经网络温度预测模型预测未来时间段油冷电驱转子温度；

24、分析未来时间段油冷电驱转子温度的误差分布，若达到预设目标，则输出预测结果；

25、若未达到预设目标，则重新调节经训练的长短期记忆神经网络温度预测模型的超参数，直到达到预设目标。

26、为达到上述目的，另一方面，提供一种油冷电驱转子温度预测装置，包括：模型构建模块、模型训练模块、模型调节模型和结果预测模块；

27、所述模型构建模块，构建长短期记忆神经网络温度预测模型；

28、所述模型训练模块，以训练数据训练长短期记忆神经网络温度预测模型；

29、所述模型调节模块，分析经训练的长短期记忆神经网络温度预测模型的误差分布，调节经训练的长短期记忆神经网络温度预测模型的超参数；

30、所述结果预测模块，获取电桥当前瞬态参数，预测油冷电驱转子温度。

31、为达到上述目的，另一方面，提供一种存储介质，存储有若干指令，处理器加载若干指令以执行上述油冷电驱转子温度预测方法。

32、为达到上述目的，另一方面，提供一种整车控制器，包括上述油冷电驱转子温度预测装置，上述存储介质。

33、由于采用了以上技术方案，本发明具有以下有益效果：

34、1、本发明可利用前期的测试数据进行模型的训练和优化，因此可大大降低成本

35、2、集成了多种门控循环结构，可实现对油冷电桥转子温度的实时预测

36、3、对转子温度的预测精度要远远大于传统方法的预测精度

37、4、可解决传统热阻网络方法预测不同类型的电桥转子温度会带来巨额的成本问题；可解决碍于成本限制，无法实时采集油冷电桥冷却油的温度而导致电桥转子温度无法实时预测的问题；可解决传统方法预测的转子温度精度差，导致温度预测模型的实用价值大打折扣的问题。

38、需要说明的是，在本文中采用的“第一”、“第二”等类似的语汇，仅仅是为了描述技术方案中的各组成要素，并不构成对技术方案的限定，也不能理解为对相应要素重要性的指示或暗示；带有“第一”、“第二”等类似语汇的要素，表示在对应技术方案中，该要素至少包含一个。

技术特征：

1.一种油冷电驱转子温度预测方法，其特征在于，具体方法如下：

2.如权利要求1所述油冷电驱转子温度预测方法，其特征在于，所述长短期记忆神经网络温度预测模型包括输入层、隐含层和输出层；

3.如权利要求1所述油冷电驱转子温度预测方法，其特征在于，以训练数据训练长短期记忆神经网络温度预测模型，训练数据获取方法如下：

4.如权利要求3所述油冷电驱转子温度预测方法，其特征在于，台架试验包括基速区持续性能测试工况、弱磁区持续性能测试工况和模拟实际路况的变负载测试工况。

5.如权利要求3所述油冷电驱转子温度预测方法，其特征在于，台架试验过程中，通过热电偶实时采集电机转子温度，以转子中心处在磁钢的温度作为电机转子温度。

6.如权利要求1所述油冷电驱转子温度预测方法，其特征在于，分析经训练的长短期记忆神经网络温度预测模型的误差分布，具体方法如下：

7.如权利要求1所述油冷电驱转子温度预测方法，其特征在于，获取电桥当前瞬态参数，预测油冷电驱转子温度，具体方法如下：

8.一种油冷电驱转子温度预测装置，其特征在于，包括：模型构建模块、模型训练模块、模型调节模型和结果预测模块；

9.一种存储介质，其特征在于，存储有若干指令，处理器加载若干指令以执行权利要求1至7任意一项所述油冷电驱转子温度预测方法。

10.一种整车控制器，其特征在于，包括权利要求8所述油冷电驱转子温度预测装置，和/或权利要求9所述存储介质。

技术总结本发明涉及汽车技术领域，特别涉及一种油冷电驱转子温度预测方法、装置、介质及整车控制器。包括：构建长短期记忆神经网络温度预测模型；训练长短期记忆神经网络温度预测模型；分析误差分布，调节经训练的长短期记忆神经网络温度预测模型的超参数；预测油冷电驱转子温度。本发明可解决传统热阻网络方法预测不同类型的电桥转子温度会带来巨额的成本问题；可解决碍于成本限制，无法实时采集油冷电桥冷却油的温度而导致电桥转子温度无法实时预测的问题；可解决传统方法预测的转子温度精度差，导致温度预测模型的实用价值大打折扣的问题。技术研发人员：罗伟凡,王林玉,张冠楠,张毅受保护的技术使用者：联合汽车电子有限公司技术研发日：技术公布日：2024/7/29