System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 温度预测方法、装置、设备以及存储介质制造方法及图纸_技高网

温度预测方法、装置、设备以及存储介质制造方法及图纸

技术编号:40264139 阅读:9 留言:0更新日期:2024-02-02 22:53
本申请公开了一种温度预测方法、装置、设备以及存储介质。训练方法包括:获取目标对象在多个时刻的工作状态信息;利用温度预测模型中的时间卷积模块对各时刻的工作状态信息进行膨胀因果卷积得到关联特征,并将关联特征和工作状态信息对应的一维卷积特征进行融合,得到目标特征,一维卷积特征是利用时间卷积模块中的一维卷积得到的;利用温度预测模型对目标特征进行预测处理,得到温度预测结果,温度预测结果包括目标对象在当前时刻的温度。上述方案,能够提高目标对象在当前时刻的温度预测的准确度。

【技术实现步骤摘要】

本申请涉及计算机,特别是涉及一种温度预测方法、装置、设备以及存储介质


技术介绍

1、目前,车辆内或其他设备内对电机、电池等器件的温度检测方法是使用传感器直接获取待进行温度检测的目标对象的温度,这对传感器的安装位置、可靠性及精度具有较高的要求。若安装的位置不合适或者传感器存在误差,将会导致温度检测结果不准确。

2、针对现有的技术缺陷,如何提供一种有效的温度预测方案,是本领域技术人员亟待解决的技术问题。


技术实现思路

1、本申请至少提供一种温度预测方法、装置、设备以及存储介质。

2、本申请提供了一种温度预测方法,包括:获取目标对象在多个时刻的工作状态信息;利用温度预测模型中的时间卷积模块对各时刻的工作状态信息进行膨胀因果卷积得到关联特征,并将关联特征和工作状态信息进行融合,得到目标特征;利用温度预测模型对目标特征进行预测处理,得到温度预测结果,温度预测结果包括目标对象在当前时刻的温度。

3、在一些实施例中,时间卷积模块包括第一分支和第二分支,第一分支中包括膨胀因果卷积子模块,膨胀因果卷积子模块用于对工作状态信息进行膨胀因果卷积得到关联特征,第二分支中包括一维卷积子模块,一维卷积子模块用于对工作状态信息进行卷积,得到一维卷积特征,其中,第一分支和第二分支之间并行设置。

4、在一些实施例中,温度预测模型中的时间卷积模块的数量为多个,各时间卷积模块级联设置,目标特征为首级时间卷积模块的输出结果,在利用温度预测模型对目标特征进行预测处理,得到温度预测结果之前,方法还包括:对于每一非首级时间卷积模块,对上一级时间卷积模块的输出结果进行膨胀因果卷积得到进阶关联特征,并将进阶关联特征和上一级时间卷积模块的输出结果的一维卷积特征进行融合,得到非首级时间卷积模块的输出结果;利用末级时间卷积模块的输出结果更新目标特征;利用温度预测模型对目标特征进行预测处理,得到温度预测结果,包括:利用温度预测模型对更新后的目标特征进行预测处理,得到温度预测结果。

5、在一些实施例中,温度预测模型中包括级联设置的多个多层感知机模块,利用温度预测模型对目标特征进行预测处理,得到温度预测结果,包括:对于首级多层感知机模块,对目标特征进行预测处理,得到首级多层感知机模块对应的输出结果;对于非首级多层感知机模块,对上一级多层感知机模块对应的输出结果进行预测处理,得到首级多层感知机模块对应的输出结果;将末级多层感知机模块对应的输出结果确定为温度预测结果。

6、在一些实施例中,目标对象为电机,获取目标对象在多个时刻的工作状态信息,包括:获取电机在多个时刻的初始温度参考信息,初始温度参考信息包括以下一者或多者:电机d轴的电流、电机q轴的电流、电机d轴的电压、电机q轴的电压、电机转速、电机进水口温度以及电机实际扭矩;基于初始温度参考信息确定电机在各个时刻的进阶温度参考信息,进阶温度参考信息包括以下一者或多者:电机的总电流、总电压、第一总功率以及第二总功率,第一总功率基于总电流和总电压得到,第二总功率为第一初始功率和第二初始功率之和,第一初始功率基于电机d轴的电流和电机d轴的电压确定,第二初始功率基于电机q轴的电流和电机q轴的电压确定;基于各个时刻的进阶温度参考信息以及初始温度参考信息,得到目标对象在多个时刻的工作状态信息。

7、在一些实施例中,工作状态信息包括进阶温度参考信息以及初始温度参考信息对应的扩展时序信息,基于各个时刻的进阶温度参考信息以及初始温度参考信息,得到目标对象在多个时刻的工作状态信息,包括:

8、依次将各时刻的进阶温度参考信息以及初始温度参考信息中其中一个作为目标信息;对于首个时刻的目标信息,将首个时刻对应的目标信息作为首个时刻的目标信息对应的扩展时序信息;对于非首个时刻的目标信息,将第一平滑参数与上一个时刻对应的扩展时序信息相乘,得到非首个时刻对应的第一乘积;将第二平滑参数与非首个时刻对应的目标信息相乘,得到非首个时刻对应的第二乘积;将第一乘积与第二乘积的和,作为非首个时刻的目标信息对应的扩展时序信息;其中,第一平滑参数与第二平滑参数之和为一。

9、在一些实施例中,温度预测模型是经过预先训练得到的,温度预测模型的训练步骤包括:获取第一样本对象在多个时刻的样本工作状态信息以及第一样本对象的真实温度;利用温度预测模型基于样本工作状态信息确定第一样本温度预测结果,第一样本温度预测结果包括第一样本对象的预测温度;基于第一样本对象的预测温度和第一样本对象的真实温度之间的误差,确定第一损失;基于第一损失,调整温度预测模型的参数。

10、在一些实施例中,方法还包括:响应于第一样本对象的预测温度和第一样本对象的真实温度之间的误差小于或等于预设误差,获取第二样本对象在多个时刻的样本工作状态信息以及第二样本对象的真实温度;利用温度预测模型基于第二样本对象在多个时刻的样本工作状态信息确定第二样本对象的预测温度;响应于第二样本对象的预测温度与第二样本对象的真实温度之间的误差大于预设误差,在温度预测模型中新增至少一个时间卷积模块,以更新温度预测模型;利用第二样本对象在多个时刻的样本工作状态信息以及第二样本对象的真实温度,对更新后的温度预测模型进行训练。

11、在一些实施例中,利用第二样本对象在多个时刻的样本工作状态信息以及第二样本对象的真实温度,对更新后的温度预测模型进行训练,包括:利用更新后的温度预测模型基于第二样本对象在多个时刻的样本工作状态信息,确定第二样本对象的新预测温度;基于第二样本对象的新预测温度以及第二样本对象的真实温度之间的误差,确定第二损失;

12、利用第二损失,对更新后的温度预测模型中新增的至少一个时间卷积模块进行参数调整,得到进阶温度预测模型,并对温度预测模型在更新前已有的参数保持不变。

13、在一些实施例中,方法还包括:响应于第二样本对象的新预测温度与第二样本对象的真实温度之间的误差小于或等于预设误差,利用进阶温度预测模型基于第三样本对象在多个时刻的样本工作状态信息,确定第三样本对象的预测温度,第三样本对象包括第一样本对象和第二样本对象;基于第三样本对象的预测温度与第三样本对象的真实温度之间的误差,确定第三损失;利用第三损失,对进阶温度预测模型进行参数调整,得到最终温度预测模型;利用温度预测模型对目标特征进行预测处理,得到温度预测结果,温度预测结果包括目标对象在当前时刻的温度,包括:利用最终温度预测模型对目标特征进行预测处理,得到温度预测结果,温度预测结果包括目标对象在当前时刻的温度。

14、本申请提供了一种温度预测装置,包括:获取模块、处理模块以及预测模块;获取模块,用于获取目标对象在多个时刻的工作状态信息;处理模块,用于利用温度预测模型中的时间卷积模块对各时刻的工作状态信息进行膨胀因果卷积得到关联特征,并将关联特征和工作状态信息对应的一维卷积特征进行融合,得到目标特征,一维卷积特征是利用时间卷积模块中的一维卷积得到的;预测模块,用于利用温度预测模型对目标特征进行预测处理,得到温本文档来自技高网...

【技术保护点】

1.一种温度预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述时间卷积模块包括第一分支和第二分支,所述第一分支中包括膨胀因果卷积子模块,所述膨胀因果卷积子模块用于对所述工作状态信息进行膨胀因果卷积得到所述关联特征,所述第二分支中包括一维卷积子模块,所述一维卷积子模块用于对所述工作状态信息进行卷积,得到所述一维卷积特征,其中,所述第一分支和所述第二分支之间并行设置。

3.根据权利要求1所述的方法,其特征在于,所述温度预测模型中的时间卷积模块的数量为多个,各所述时间卷积模块级联设置,所述目标特征为首级时间卷积模块的输出结果,在所述利用所述温度预测模型对所述目标特征进行预测处理,得到温度预测结果之前,所述方法还包括:

4.根据权利要求1所述的方法,其特征在于,所述温度预测模型中包括级联设置的多个多层感知机模块,所述利用所述温度预测模型对所述目标特征进行预测处理,得到温度预测结果,包括:

5.根据权利要求1所述的方法,其特征在于,所述目标对象为电机,所述获取目标对象在多个时刻的工作状态信息,包括:

6.根据权利要求5所述的方法,其特征在于,所述工作状态信息包括所述进阶温度参考信息以及所述初始温度参考信息对应的扩展时序信息,所述基于各个时刻的进阶温度参考信息以及所述初始温度参考信息,得到所述目标对象在多个时刻的工作状态信息,包括:

7.根据权利要求1所述的方法,其特征在于,所述温度预测模型是经过预先训练得到的,所述温度预测模型的训练步骤包括:

8.根据权利要求7所述的方法,其特征在于,所述方法还包括:

9.根据权利要求8所述的方法,其特征在于,所述利用所述第二样本对象在多个时刻的样本工作状态信息以及所述第二样本对象的真实温度,对更新后的温度预测模型进行训练,包括:

10.根据权利要求9所述的方法,其特征在于,所述方法还包括:

11.一种温度预测装置,其特征在于,包括:

12.一种电子设备,其特征在于,包括:存储器和处理器,其中,所述存储器存储有程序指令,所述处理器从所述存储器调取所述程序指令以执行如权利要求1-10任一项所述的方法。

13.一种计算机可读存储介质,其特征在于,包括:存储有程序文件,所述程序文件被处理器执行时用于实现如权利要求1-10任一项所述的方法。

...

【技术特征摘要】

1.一种温度预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述时间卷积模块包括第一分支和第二分支,所述第一分支中包括膨胀因果卷积子模块,所述膨胀因果卷积子模块用于对所述工作状态信息进行膨胀因果卷积得到所述关联特征,所述第二分支中包括一维卷积子模块,所述一维卷积子模块用于对所述工作状态信息进行卷积,得到所述一维卷积特征,其中,所述第一分支和所述第二分支之间并行设置。

3.根据权利要求1所述的方法,其特征在于,所述温度预测模型中的时间卷积模块的数量为多个,各所述时间卷积模块级联设置,所述目标特征为首级时间卷积模块的输出结果,在所述利用所述温度预测模型对所述目标特征进行预测处理,得到温度预测结果之前,所述方法还包括:

4.根据权利要求1所述的方法,其特征在于,所述温度预测模型中包括级联设置的多个多层感知机模块,所述利用所述温度预测模型对所述目标特征进行预测处理,得到温度预测结果,包括:

5.根据权利要求1所述的方法,其特征在于,所述目标对象为电机,所述获取目标对象在多个时刻的工作状态信息,包括:

6.根据权利要求5所述的方法,其特征在于...

【专利技术属性】
技术研发人员:及非凡陈鹏刘灿黄成龙
申请(专利权)人:浙江凌昇动力科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1