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()
【技术实现步骤摘要】
本专利技术涉及新能源电机,具体涉及一种利用bp神经网络获取电机转子实时温度的方法。
技术介绍
1、永磁同步电机以其高能量密度、高效率等优点在电动汽车上获得了广泛应用,其转子的磁场强度不但会随着温度的升高而线性减弱,也会随温度的降低而线性增强。由于这一性质,永磁同步电机搭载在整车上运行的过程中,能否实时的、精准的获取电机转子的温度值,具有非常重要的意义,具体原因包括以下几点:
2、①永磁同步电机转子的实时温度一旦超过临界值时,转子的磁钢会发生不可逆的退磁现象,造成整车的动力输出中断,极易导致安全事故的发生;
3、②永磁同步电机转子的实时温度变化会导致电机磁链的变化,从而影响电机扭矩的实时输出,降低扭矩的控制精度,对整车性能造成巨大影响;
4、③如果不能准确获取永磁同步电机转子的实时温度值,就不能精确设置电机定子的工作温度范围,无法最大限度的提高电机的电流输出能力,从而无法延长电机峰值功率持续时间。
5、但是,由于永磁同步电机在工作时,其转子处于旋转状态,如果从加装硬件设备的角度来考虑精确获取工作过程中的电机转子温度,只能采用加装温度传感器的方式,对整个电机结构进行改制,并增加滑环或无线温度采集系统来提高信号传输的可靠性,满足转子温度信号值的传送需求。
6、这样一来,不仅会增加整个电机系统的制造成本,还会因为电机系统改变了原有的设计结构,使整个电机系统的集成结构更加复杂,带来更高的系统故障率,增加维修成本的同时,提高了事故发生的风险。
7、所以,目前的电机行业多
8、①热阻建模法计算量大,对系统的计算资源的需求也大;
9、②经验公式法只能对应特定的工况和使用环境,一旦工况或者使用环境改变,就需要重新推导、计算对应的公式,非常繁琐;
10、③反电势法在计算转子温度的过程中,需要瞬间卸载输出功率,会造成车辆的瞬时动力中断,不但影响驾驶员的驾驶体验,甚至会导致安全事故的产生。
11、综上所述,亟待一种能够避免上述技术缺陷,且不需要额外增加其他硬件,即可精准获取永磁同步电机转子实时温度的方法。
技术实现思路
1、本专利技术的目的是针对现有技术对应的不足,提供一种利用bp神经网络获取电机转子实时温度的方法,不需要额外增加其他硬件,利用原有的电机系统即可在不同环境温度的变负载工况下精准得到永磁同步电机转子的实时温度,大大提高了电机的使用性能和安全性、可靠性。
2、本专利技术的目的是采用下述方案实现的:一种利用bp神经网络获取电机转子实时温度的方法,包括以下步骤:
3、1)确定bp神经网络模型的输入,并将转子实时温度作为bp神经网络模型的输出,建立bp神经网络模型;
4、2)按照bp神经网络模型的输入在电机运行过程中采集若干数据,并进行数据清洗,形成特征数据样本集;
5、3)将特征数据样本集划分为训练集、测试集,所述训练集、测试集均分别包括bp神经网络模型的输入、输出;
6、4)利用训练集对bp神经网络模型进行训练,并采用测试集对训练后的bp神经网络模型的性能进行检验;
7、5)根据训练后bp神经网络模型的输出误差更新bp神经网络模型隐藏层的权重和偏差,重复步骤4),直到训练后的bp神经网络模型的性能达到最优,并将性能最优的bp神经网络模型作为电机转子温度计算模型;
8、6)在电机运行过程中利用电机转子温度计算模型获取该电机的转子实时温度。
9、优选地,所述bp神经网络模型的输入为定子温度传感器(ntc)输出的温度值、环境温度、冷却油泵转速、直流母线电压、d轴电流、q轴电流、电机转速、电机转矩。
10、优选地,所述bp神经网络模型的输入采用皮尔逊相关系数分析确定。
11、优选地,所述数据清洗包括采用时间序列法填补缺失数据,或/和采用阈值法剔除波动较大的异常数据、或/和采用算法平均滤波法对噪声数据进行平滑处理,或/和采用归一化处理消除不同类型数据量纲的差异。
12、优选地,采用时间序列法填补缺失数据的数学表达式如下:
13、
14、式中,v(t)为数据序列中缺失的第t时刻的数据,v(t-i)为数据序列中第(t-i)时刻的数据,v(t-1)为数据序列中第(t-1)时刻的数据,v(t+1)为数据序列中第(t+1)时刻的数据,v(t+i)为数据序列中第(t+i)时刻的数据。
15、优选地,采用阈值法剔除波动较大的异常数据的数学表达式如下:
16、0≤a(i)≤athr
17、式中,a(i)为在i时刻第a类数据的值,athr为第a类数据的阈值。
18、优选地,采用算法平均滤波法对噪声数据进行平滑处理的数学表达式如下:
19、
20、式中,为第t时刻平滑处理后的数据,v(t-k)为平滑处理前第(t-k)时刻的数据,v(t)为平滑处理前第t时刻的数据,v(t+k)为平滑处理前第(t+k)时刻的数据,v(t-1)为平滑处理前第(t-1)时刻的数据,v(t+1)为平滑处理前第(t+1)时刻的数据。
21、优选地,采用归一化处理消除不同类型数据量纲的差异的数学表达式如下:
22、
23、式中,x为归一化前的数据,为归一化后的数据,xmin为测试数据的最小值,xmax为测试数据的最大值。
24、优选地,所述bp神经网络模型包括1个输入层、3个隐藏层、1个输出层,所述输入层包括8个神经元,用于分别代表bp神经网络模型的8个输入量,所述输出层包括1个神经元,用于代表电机的转子实时温度。
25、优选地,所述bp神经网络模型的隐藏层均包括15个神经元。
26、本专利技术的优点在于以下几点:
27、①本专利技术能够精准获取电机在运行过程中其转子的实时温度,误差极小;
28、②本专利技术通过bp神经网络最终训练得到的电机转子温度计算模型,具有高实时性、自适应性强等特点。
29、③本专利技术能够精准获取电机在运行过程中其转子的实时温度,提高电机电流输出能力,延长电机峰值功率持续时间等电机性能,并大大提升电机热安全的可靠性。
本文档来自技高网...【技术保护点】
1.一种利用BP神经网络获取电机转子实时温度的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的利用BP神经网络获取电机转子实时温度的方法,其特征在于,所述BP神经网络模型的输入为定子温度传感器(NTC)输出的温度值、环境温度、冷却油泵转速、直流母线电压、d轴电流、q轴电流、电机转速、电机转矩。
3.根据权利要求1所述的利用BP神经网络获取电机转子实时温度的方法,其特征在于,所述BP神经网络模型的输入采用皮尔逊相关系数分析确定。
4.根据权利要求1所述的利用BP神经网络获取电机转子实时温度的方法,其特征在于,所述数据清洗包括采用时间序列法填补缺失数据,或/和采用阈值法剔除波动较大的异常数据、或/和采用算法平均滤波法对噪声数据进行平滑处理,或/和采用归一化处理消除不同类型数据量纲的差异。
5.根据权利要求4所述的利用BP神经网络获取电机转子实时温度的方法,其特征在于,采用时间序列法填补缺失数据的数学表达式如下:
6.根据权利要求4所述的利用BP神经网络获取电机转子实时温度的方法,其特征在于,采用阈值法剔除波动较大的
7.根据权利要求4所述的利用BP神经网络获取电机转子实时温度的方法,其特征在于,采用算法平均滤波法对噪声数据进行平滑处理的数学表达式如下:
8.根据权利要求4所述的利用BP神经网络获取电机转子实时温度的方法,其特征在于,采用归一化处理消除不同类型数据量纲的差异的数学表达式如下:
9.根据权利要求1所述的利用BP神经网络获取电机转子实时温度的方法,其特征在于,所述BP神经网络模型包括1个输入层、3个隐藏层、1个输出层,所述输入层包括8个神经元,用于分别代表BP神经网络模型的8个输入量,所述输出层包括1个神经元,用于代表电机的转子实时温度。
10.根据权利要求1或5所述的利用BP神经网络获取电机转子实时温度的方法,其特征在于,所述BP神经网络模型的隐藏层均包括15个神经元。
...【技术特征摘要】
1.一种利用bp神经网络获取电机转子实时温度的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的利用bp神经网络获取电机转子实时温度的方法,其特征在于,所述bp神经网络模型的输入为定子温度传感器(ntc)输出的温度值、环境温度、冷却油泵转速、直流母线电压、d轴电流、q轴电流、电机转速、电机转矩。
3.根据权利要求1所述的利用bp神经网络获取电机转子实时温度的方法,其特征在于,所述bp神经网络模型的输入采用皮尔逊相关系数分析确定。
4.根据权利要求1所述的利用bp神经网络获取电机转子实时温度的方法,其特征在于,所述数据清洗包括采用时间序列法填补缺失数据,或/和采用阈值法剔除波动较大的异常数据、或/和采用算法平均滤波法对噪声数据进行平滑处理,或/和采用归一化处理消除不同类型数据量纲的差异。
5.根据权利要求4所述的利用bp神经网络获取电机转子实时温度的方法,其特征在于,采用时间序列法填补缺失数据的数学表达式如下...
【专利技术属性】
技术研发人员:彭志远,罗勇,叶明,陈国利,杨新涛,刘德财,杨胜前,廖自卫,贺建蓥,黄清蓝,
申请(专利权)人:重庆青山工业有限责任公司,
类型:发明
国别省市:
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。