电机转子的温度预测方法、装置、存储介质和处理器制造方法及图纸

本发明专利技术公开了一种电机转子的温度预测方法、装置、存储介质和处理器。其中，该方法包括：采集与电机转子温度相关的物理参数；将采集到的物理参数输入至电机转子温度预测模型中，预测电机转子的温度，其中，电机转子温度预测模型为基于样本数据集对支持向量回归模型进行训练得到，样本数据集中包括多组与电机转子温度相关的参考物理参数以及与每组参考物理参数对应的参考电机转子温度。本发明专利技术解决了电机转子温度预测精度低，以及训练电机转子温度预测模型所需数据量大，训练成本高的技术问题。训练成本高的技术问题。训练成本高的技术问题。

【技术实现步骤摘要】
电机转子的温度预测方法、装置、存储介质和处理器


[0001]本专利技术涉及电机转子
，具体而言，涉及一种电机转子的温度预测方法、装置、存储介质和处理器。

技术介绍

[0002]永磁同步电机中磁钢性能与电机转子温度相关，当电机转子温度超过一定值后，磁钢会出现不可逆的退磁现象，造成电机损坏，基于此，对电机转子温度进行在线预测就显得尤为重要。
[0003]目前，对电机转子温度进行在线预测的方法有磁链法、热网络分析法和大数据分析法。
[0004]磁链法是通过简单的电压方程对电机转子的磁链进行计算，这样推算出的电机转子温度误差较大，且该方法不适用于电机静止和低速的工况。
[0005]热网络分析法在参数选择上依赖于开发经验，并且对所有相关参数进行分析存在困难，进而导致估算出的电机转子温度精度存在一定的偏差。
[0006]大数据分析法是利用深度学习的方法，将与电机转子温度相关的物理参数进行复合建模来预测电机转子的温度，预测精度较高，但对试验数据质量以及试验数据样本量要求较高，导致模型的开发周期较长，开发成本较大。
...

【技术保护点】

【技术特征摘要】
1.一种电机转子的温度预测方法，其特征在于，包括：采集与电机转子温度相关的物理参数；将所述物理参数输入至电机转子温度预测模型中，预测所述电机转子的温度，其中，所述电机转子温度预测模型为基于样本数据集对支持向量回归模型进行训练得到，所述样本数据集中包括多组与电机转子温度相关的参考物理参数以及与每组参考物理参数对应的参考电机转子温度。2.根据权利要求1所述的方法，其特征在于，所述基于所述样本数据集对支持向量回归模型进行训练，包括：按照预设比例将所述样本数据集划分为训练集、验证集和测试集；基于所述训练集对所述支持向量回归模型进行训练，得到第一支持向量回归模型；基于所述验证集对所述第一支持向量回归模型进行验证，确定所述第一支持向量回归模型是否满足预设的模型训练终止条件；响应于所述第一支持向量回归模型满足所述预设的模型训练终止条件，将所述第一支持向量回归模型确定为所述电机转子温度预测模型；基于所述测试集对所述电机转子温度预测模型的模型性能进行评估，确定所述电机转子温度预测模型的预测准确度。3.根据权利要求2所述的方法，其特征在于，所述基于所述训练集对所述支持向量回归模型进行训练，包括：将所述训练集中包括的每组与所述电机转子温度相关的参考物理参数作为输入量，与每组所述参考物理参数对应的参考电机转子温度作为输出量对所述支持向量回归模型进行训练，得到第一支持向量回归模型。4.根据权利要求2所述的方法，其特征在于，所述基于所述验证集对所述第一支持向量回归模型进行验证，确定所述第一支持向量回归模型是否满足预设的模型训练终止条件，包括：将所述验证集中任意一组与所述电机转子温度相关的参考物理参数输入所述第一支持向量回归模型中进行预测，得到第一预测电机转子温度；确定所述第一预测电机转子温度与所述验证集中包括的与所述参考物理参数对应的参考电机转子温度之间的差值；响...

【专利技术属性】
技术研发人员：郭守仑，王延超，王金昊，肖庚，魏颖颖，尹相睿，林展汐，张志强，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：