多场耦合建模与数据驱动的电驱动总成关键性能预测方法技术

本发明专利技术涉及一种多场耦合建模与数据驱动的电驱动总成关键性能预测方法，包括以下步骤：步骤1：建立电驱动总成电‑磁‑热‑流多物理场耦合联合仿真模型，结合台架测试对所建立的模型进行验证，生成不同工况下包含电驱动总成关键性能参数的数据集；步骤2：利用考虑电流频率误差补偿的电磁参数自适应扩展卡尔曼滤波辨识算法，建立高精度的电驱动总成整体功率损耗参数化计算模型；步骤3：基于多物理场耦合模型离线获取的热传递路径和最高温度变化点以及功率损耗参数化计算模型，修正集总参数热网络模型网络节点和热阻位置及数量，提出一种改进的关键节点降阶集总参数热网络模型；等等。与现有技术相比，本发明专利技术具有预测精度高、计算成本低等优点。

【技术实现步骤摘要】

本专利技术涉及车用电驱动总成关键性能参数预测。具体涉及多场耦合建模与数据驱动的电驱动总成关键性能预测方法。

技术介绍

1、随着电驱动总成集成度以及内部电机转速的日益提高，其内部瞬态温度场等关键性能参数的实时测量变得更加困难，因此，建立一个高保真、轻量化、可应用于真实车辆底层热管理和上层能量管理的电驱动总成性能预测模型，对保证电驱动总成安全稳定运行具有重要意义。

2、现有技术中：

3、cn 116317800 a公开了一种基于温度时序输入的永磁同步电机温度预测方法和系统，其通过数据采集系统获取永磁同步电机运行过程中的参数序列，并根据常规模型输入、初始温度序列、时间差序列和增广输入，进行特征选择，构建用于永磁同步电机温度预测的模型输入特征集，载入永磁同步电机温度预测模型中，获取永磁同步电机内部温度。cn113379041a公开了一种基于pytorch搭建神经网络算法的列车牵引电机温度预测方法，其主要从温度数据重采样以及采用nearest方法采样等数据预处理角度提高温度预测精度。

4、cn202011402714.7公开了一种本文档来自技高网...

【技术保护点】

1.一种多场耦合建模与数据驱动的电驱动总成关键性能预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种多场耦合建模与数据驱动的电驱动总成关键性能预测方法，其特征在于，所述步骤1具体为：

3.根据权利要求1所述的一种多场耦合建模与数据驱动的电驱动总成关键性能预测方法，其特征在于，所述步骤2具体为：

4.根据权利要求3所述的一种多场耦合建模与数据驱动的电驱动总成关键性能预测方法，其特征在于，步骤2-2参数化稳态功率损耗模型中的铜损在不同温度和频率下绕组电阻的损耗变化规律如下式，其中T为温度，f为频率，

5.根据权利要求3所述的一种...

【技术特征摘要】

1.一种多场耦合建模与数据驱动的电驱动总成关键性能预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种多场耦合建模与数据驱动的电驱动总成关键性能预测方法，其特征在于，所述步骤1具体为：

3.根据权利要求1所述的一种多场耦合建模与数据驱动的电驱动总成关键性能预测方法，其特征在于，所述步骤2具体为：

4.根据权利要求3所述的一种多场耦合建模与数据驱动的电驱动总成关键性能预测方法，其特征在于，步骤2-2参数化稳态功率损耗模型中的铜损在不同温度和频率下绕组电阻的损耗变化规律如下式，其中t为温度，f为频率，

5.根据权利要求3所述的一种多场耦合建模与数据驱动的电驱动总成关键性能预测方法，其特征在于，所述步骤2-3中，绕组电阻r及其电阻率ρ、永磁体的电阻率ρpm关于时间t、温度t和频率f的变化关系分别为r(t,t,f...

【专利技术属性】
技术研发人员：赵治国，唐鹏，李豪迪，杨建煜，范文伯，
申请(专利权)人：同济大学，
类型：发明
国别省市：