一种驱动电机温度控制方法及系统技术方案

本发明专利技术提供了一种驱动电机温度控制方法及系统，该方法包括：获取驱动电机的历史状态变量，并根据历史状态变量构建出与驱动电机对应的热力学模型；获取驱动电机的历史温度信号，并根据历史温度信号拟合出与驱动电机对应的温度变化曲线图；根据温度变化曲线图的变化规律预测出与驱动电机对应的温度预测值，并根据热力学模型

【技术实现步骤摘要】
一种驱动电机温度控制方法及系统


[0001]本专利技术涉及新能源汽车
，特别涉及一种驱动电机温度控制方法及系统
。

技术介绍

[0002]随着科技的进步以及生产力的快速发展，新能源汽车技术也日趋成熟，并且已经逐渐得到了人们的认可，已经在人们的日常生活中得到了普及，极大的方便了人们的生活
。
[0003]现有的新能源电动汽车因其具有清洁
、
高效
、
节能的特点，已经成为未来汽车产业的发展方向，其中，驱动电机是新能源电动汽车的核心零部件之一，用于将电能转换成动能，以驱动车辆行驶
。
[0004]现有的驱动电机的使用性能和寿命与其工作温度密切相关，基于此，现有技术为了能够有效的控制驱动电机的温度，大部分会在新能源汽车的内部安装热管理系统，并通过热管理系统直接控制驱动电机的温度，然而，通过热管理系统控制驱动电机的温度需要首先构建出对应的控制模型，在此过程中，需要进行复杂的数学推导以及计算，并且在实际应用的过程中，当控制模型或者约束条件发生变化时，需要重新进行数学推导以及计算，导致控制的稳定性较低，对应降低了用户的使用体验
。

技术实现思路

[0005]基于此，本专利技术的目的是提供一种驱动电机温度控制方法及系统，以解决现有技术的控制稳定性较低，导致降低了用户使用体验的问题
。
[0006]本专利技术实施例第一方面提出了：一种驱动电机温度控制方法，其中，所述方法包括：获取驱动电机的历史状态变量，并根据所述历史状态变量构建出与所述驱动电机对应的热力学模型；获取所述驱动电机的历史温度信号，并根据所述历史温度信号拟合出与所述驱动电机对应的温度变化曲线图；根据所述温度变化曲线图的变化规律预测出与所述驱动电机对应的温度预测值，并根据所述热力学模型
、
所述温度预测值以及预设约束条件生成对应的冷却液流量控制信号；将所述冷却液流量控制信号对应发送至车辆内部的冷却系统，以使所述冷却系统根据所述冷却液流量控制信号调节经过所述驱动电机的冷却液的流量
。
[0007]本专利技术的有益效果是：通过实时采集到的历史状态变量构建出需要的热力学模型，与此同时，根据实时采集到的历史温度信号拟合出需要的温度变化曲线图，进一步的，能够对应预测出与当前驱动电机适配的温度预测值，基于此，进一步生成对应的冷却液流量控制信号，在此基础之上，只需将当前冷却液流量控制信号发送至车辆内部的冷却系统，就能够自适应的控制流经驱动电机的冷却液的流量，从而能够使驱动电机持续的处于一个稳定的温度，对应提升了驱动电机的工作性能，同时提升了用户的使用体验
。
[0008]进一步的，所述根据所述历史状态变量构建出与所述驱动电机对应的热力学模型的步骤包括：当获取到所述历史状态变量时，提取出所述历史状态变量中包含的与所述驱动电机对应的电性参数以及性能参数，并根据所述电性参数生成对应的第一训练集
、
根据所述性能参数生成对应的第二训练集；构建出所述第一训练集与所述第二训练集之间的映射关系，并根据所述映射关系将所述第一训练集以及所述第二训练集同时传输至预设深度学习网络中，以对应训练出所述热力学模型
。
[0009]进一步的，所述根据所述映射关系将所述第一训练集以及所述第二训练集同时传输至预设深度学习网络中，以对应训练出所述热力学模型的步骤包括：当获取到所述第一训练集以及所述第二训练集时，检测出所述预设深度学习网络中依次包含的编码层
、
学习层以及验证层，所述编码层中包含有第一编码器以及第二编码器；将所述第一训练集输入至所述第一编码器中，以将所述第一训练集编码成对应的第一特征序列，将所述第二训练集输入至所述第二编码器中，以将所述第二训练集编码成对应的第二特征序列；将所述第一特征序列以及所述第二特征序列输入至所述学习层中，以对所述学习层进行训练并输出对应的学习值，并通过所述验证层实时判断所述学习值是否满足预设要求，以对应生成所述热力学模型
。
[0010]进一步的，所述将所述第一特征序列以及所述第二特征序列输入至所述学习层中，以对所述学习层进行训练并输出对应的学习值的步骤包括：提取出所述第一特征序列中包含的若干第一特征因子，并提取出所述第二特征序列中包含的若干第二特征因子；检测出所述学习层中包含的学习链网，所述学习链网包含横纵分布的第一学习链以及第二学习链，所述第一学习链中包含若干第一学习节点，所述第二学习链中包含若干第二学习节点；通过若干所述第一学习节点以及若干所述第二学习节点完成所述学习层的训练，并对应输出所述学习值，所述学习链网具有唯一性
。
[0011]进一步的，所述通过若干所述第一学习节点以及若干所述第二学习节点完成所述学习层的训练的步骤包括：逐一检测出若干所述第一学习节点分别对应的第一初始值，并逐一检测出若干所述第二学习节点分别对应的第二初始值；在所述第一学习链中将每一所述第一初始值分别对应替换成每一所述第一特征因子，并在所述第二学习链中将每一所述第二初始值分别对应替换成每一所述第二特征因子，以完成所述学习层的训练
。
[0012]进一步的，所述热力学模型的表达式为：
其中，
C
m
表示驱动电机的热容，
C
c
表示冷却液的热容，
T
m
表示驱动电机的温度，
T
c
表示冷却液的温度，
T
a
表示环境的温度，
P
m
表示驱动电机的功率，
P
c
表示冷却系统的功率，
R
ma
表示驱动电机与环境之间的热阻，
R
mc
表示驱动电机与冷却液之间的热阻，
R
ca
表示冷却液与环境之间的热阻
。
[0013]进一步的，所述方法还包括：在所述冷却系统中通过预设算法控制所述冷却液的流量，所述预设算法的表达式为：
P
c
=K
c
·
u
其中，
P
c
表示冷却系统的功率，
K
c
表示冷却系统的冷却系数，
u
表示所述冷却液流量控制信号
。
[0014]本专利技术实施例第二方面提出了：一种驱动电机温度控制系统，其中，所述系统包括：获取模块，用于获取驱动电机的历史状态变量，并根据所述历史状态变量构建出与所述驱动电机对应的热力学模型；拟合模块，用于获取所述驱动电机的历史温度信号，并根据所述历史温度信号拟合出与所述驱动电机对应的温度变化曲线图；预测模块，用于根据所述温度变化曲线图的变化规律预测出与所述驱动电机对应的温度预测值，并根据所述热力学模型
、
所述温度预测值以及预设约束条件生成对应的冷却液流量控制信号；调节模块，用于将所述冷却液流量控制信号对应发送至车辆内部的冷却系统，以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种驱动电机温度控制方法，其特征在于，所述方法包括：获取驱动电机的历史状态变量，并根据所述历史状态变量构建出与所述驱动电机对应的热力学模型；获取所述驱动电机的历史温度信号，并根据所述历史温度信号拟合出与所述驱动电机对应的温度变化曲线图；根据所述温度变化曲线图的变化规律预测出与所述驱动电机对应的温度预测值，并根据所述热力学模型
、
所述温度预测值以及预设约束条件生成对应的冷却液流量控制信号；将所述冷却液流量控制信号对应发送至车辆内部的冷却系统，以使所述冷却系统根据所述冷却液流量控制信号调节经过所述驱动电机的冷却液的流量；所述热力学模型的表达式为：其中，
C
m
表示驱动电机的热容，
C
c
表示冷却液的热容，
T
m
表示驱动电机的温度，
T
c
表示冷却液的温度，
T
a
表示环境的温度，
P
m
表示驱动电机的功率，
P
c
表示冷却系统的功率，
R
ma
表示驱动电机与环境之间的热阻，
R
mc
表示驱动电机与冷却液之间的热阻，
R
ca
表示冷却液与环境之间的热阻
。2.
根据权利要求1所述的驱动电机温度控制方法，其特征在于：所述根据所述历史状态变量构建出与所述驱动电机对应的热力学模型的步骤包括：当获取到所述历史状态变量时，提取出所述历史状态变量中包含的与所述驱动电机对应的电性参数以及性能参数，并根据所述电性参数生成对应的第一训练集
、
根据所述性能参数生成对应的第二训练集；构建出所述第一训练集与所述第二训练集之间的映射关系，并根据所述映射关系将所述第一训练集以及所述第二训练集同时传输至预设深度学习网络中，以对应训练出所述热力学模型
。3.
根据权利要求2所述的驱动电机温度控制方法，其特征在于：所述根据所述映射关系将所述第一训练集以及所述第二训练集同时传输至预设深度学习网络中，以对应训练出所述热力学模型的步骤包括：当获取到所述第一训练集以及所述第二训练集时，检测出所述预设深度学习网络中依次包含的编码层
、
学习层以及验证层，所述编码层中包含有第一编码器以及第二编码器；将所述第一训练集输入至所述第一编码器中，以将所述第一训练集编码成对应的第一特征序列，将所述第二训练集输入至所述第二编码器中，以将所述第二训练集编码成对应的第二特征序列；将所述第一特征序列以及所述第二特征序列输入至所述学习层中，以对所述学习层进行训练并输出对应的学习值，并通过所述验证层实时判断所述学习值是否满足预设要求，以对应生成所述热力学模型
。4.
根据权利要求3所述的驱动电...

【专利技术属性】
技术研发人员：罗锋，邓建明，龚循飞，廖程亮，于勤，赵挺，樊华春，张俊，张萍，熊慧慧，
申请(专利权)人：江西五十铃汽车有限公司，
类型：发明
国别省市：