[發明專利]轉子溫度的計算方法、裝置、設備和存儲介質

有效

• 申請號: 202110591523.8
• 申請日: 2021-05-28
• 公開（公告）號: CN113408740B
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 劉翔;于浩洋;李多強;黃文卿
• 申請（專利權）人: 聯合汽車電子有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06N3/08
• 代理公司: 上海浦一知識產權代理有限公司 31211
• 代理人: 黎偉

1.一種轉子溫度的計算方法，其特征在于，包括：

獲取第i時間段的車輛數據，所述第i時間段的車輛數據包括從第i₁時刻至第i_n時刻的車輛數據，所述車輛數據包括電學參數、物理參數和環境參數，所述電學參數是與目標車輛上配備的電動機的電學性能相關的數據，所述物理參數是與所述電動機的工況相關的數據，所述環境參數是與所述電動機所在環境相關的數據，i、n為自然數，i≥1，n≥2；

對所述第i時間段的車輛數據進行特征構建，得到目標特征變量，所述目標特征變量包括所述第i時間段的車輛數據的特征變量和所述第i時間段前的車輛數據的特征變量；

調用轉子溫度預測模型對第i₁時刻的轉子溫度以及所述目標特征變量進行處理，得到第第i_n時刻的轉子溫度，所述轉子溫度預測模型包括采用深度學習算法的機器學習模型，所述轉子溫度是所述電動機的轉子的溫度；

令i＝i+1，重復上述步驟，直至i＝N，N為所述時間段的數量，N為自然數，N≥2。

2.根據權利要求1所述的方法，其特征在于，所述對所述第i時間段的車輛數據進行特征構建，得到目標特征變量，包括：

對所述第i時間段的車輛數據進行特征提取，得到第i時間段的特征變量；

在所述第i時間段的特征變量中增加輔助特征變量，得到擴充后的特征變量，所述輔助特征變量包括所述第i時間段前的車輛數據的特征變量；

對所述擴充后的特征變量進行量綱縮放，得到所述目標特征變量。

3.根據權利要求2所述的方法，其特征在于，所述輔助變量包括所述第i時間段前預定個數的時間段中的電學參數、物理參數和環境參數。

4.根據權利要求3所述的方法，其特征在于，所述輔助變量還包括所述第i時間段前預定個數的時間段中的電學參數、物理參數和環境參數的平均值。

5.根據權利要求4所述的方法，其特征在于，所述輔助變量還包括所述第i時間段前預定個數的時間段中的電學參數、物理參數和環境參數的方差。

6.根據權利要求1至5任一所述的方法，其特征在于，所述電學參數包括轉子的電流數據和/或轉子的電壓數據。

7.根據權利要求6所述的方法，其特征在于，所述電學參數還包括所述電動機的母線電流數據和/或所述電動機的母線電壓數據。

8.根據權利要求1至5任一所述的方法，其特征在于，所述物理參數包括所述電動機的轉速和/或所述電動機的扭矩。

9.根據權利要求1至5任一所述的方法，其特征在于，所述環境參數包括所述電動機所在環境的溫度。

10.根據權利要求1至5任一所述的方法，其特征在于，所述環境參數還包括所述電動機的冷卻水的溫度。

11.一種計算裝置，其特征在于，包括：

獲取模塊，用于獲取第i時間段的車輛數據，所述第i時間段的車輛數據包括從第i₁時刻至第i_n時刻的車輛數據，所述車輛數據包括電學參數、物理參數和環境參數，所述電學參數是與目標車輛上配備的電動機的電學性能相關的數據，所述物理參數是與所述電動機的工況相關的數據，所述環境參數是與所述電動機所在環境相關的數據，i、n為自然數，i≥1，n≥2；

處理模塊，用于對所述第i時間段的車輛數據進行特征構建，得到目標特征變量，所述目標特征變量包括所述第i時間段的車輛數據的特征變量和所述第i時間段前的車輛數據的特征變量；調用轉子溫度預測模型對第i₁時刻的轉子溫度以及所述目標特征變量進行處理，得到第i_n時刻的轉子溫度，所述轉子溫度預測模型包括采用深度學習算法的機器學習模型，所述轉子溫度是所述電動機的轉子的溫度；令i＝i+1，重復上述步驟，直至i＝N，N為所述時間段的數量，N為自然數，N≥2。