一种永磁同步电机转子温度预测方法和系统

本发明属于永磁同步电机温度预测，特别涉及一种永磁同步电机转子温度预测方法和系统。

背景技术：

1、永磁同步电动机以永磁体提供励磁，使电动机结构较为简单，降低了加工和装配费用，且省去了容易出问题的集电环和电刷，提高了电动机运行的可靠性；又因无需励磁电流，没有励磁损耗，提高了电动机的效率和功率密度。永磁同步电动机由定子、转子和端盖等部件构成。定子与普通感应电动机基本相同，采用叠片结构以减小电动机运行时的铁耗。转子可做成实心，也可用叠片叠压。电枢绕组可采用集中整距绕组的，也可采用分布短距绕组和非常规绕组。

2、对永磁同步电机准确的温度预测可以确保电机的安全高效运行，延长电机的使用寿命，提高电机驱动系统的性能。

3、目前的永磁同步电机转子温度预测方法主要包括：磁通观测法、信号注入法和集总参数热网络模型法等。其中，磁通观测法根据永磁同步电机永磁磁链与转子温度的关系，设计磁通观测器预测转子永磁体的温度。此类方法对测量误差较为敏感，磁通偏差会导致较大的预测温度误差。信号注入法在电机控制过程中，注入直流或高频电压信号，根据响应确定转子温度，识别结果取决于运动参数。而且，信号注入会导致转矩波动干扰电机的运行，同时带来额外的损耗，影响电机性能。集总参数热网络模型法将电机中温度相近的点等效成一个节点，节点之间通过热阻连接，不同部位材料用热容代替，得到关于各节点温度分布的热网络模型。该方法通过简化电机内部的复杂热行为来降低模型阶数，但模型复杂度仍然较高，需要具备电机专业的背景知识，同时需要准确的电机损耗分布模型。

技术实现思路

1、为了解决上述技术问题，本发明提出了一种永磁同步电机转子温度预测方法和系统。采用lstm神经网络有效的提高了转子的温度预测精度。

2、为实现上述目的，本发明采用以下技术方案：

3、一种永磁同步电机转子温度预测方法，包括以下步骤：

4、采集不同测试条件下电机的运行数据，在对所述运行数据预处理之后构建第一样本数据集；将所述第一样本数据集输入至can网络中生成扩充后的第二样本数据集；

5、利用第一样本数据集和第二样本数据集对lstm神经网络进行训练得到训练后的lstm神经网络；

6、采集电机当前的运行数据，将所述电机当前的运行数据输入至训练后的lstm神经网络，输出预测的转子温度。

7、所述不同测试条件下包括第一类测试条件和第二类测试条件；

8、所述第一类测试条件为不同环境温度下，不同转速下，电机相电流持续性变化；

9、所述第二类测试条件为常温、额定功率下的温升；或者常温、峰值功率下的温升。

10、进一步的，所述运行数据包括母线电压、电机相电流、电机转速和温度。

11、进一步的，所述预处理的过程包括对所述运行数据归一化处理，以及在归一化处理之后进行剔除和筛选。

12、进一步的，所述can网络生成扩充后的第二样本数据集的过程包括：

13、生成器根据输入的随机向量生成假样本数据；

14、将生成器生成的假样本数据和第一样本数据集输入到判别器中；

15、在生成器中引入第一损失函数，在判别器中引入第二损失函数；通过对抗训练的方式使生成器输出第二样本数据集。

16、进一步的，所述第一损失函数的公式为：

17、

18、所述第二损失函数的公式为：

19、

20、其中m为从第一样本数据集中随机采样的样本z的数量；log(d(xi))为判别器将真实数据判定为真实数据的概率；log(1-d(g(zi)))为将虚假数据仍判定为虚假数据的概率；代表随机梯度。

21、进一步的，所述lstm神经网络包括输入层、隐含层和输出层；

22、将采集的母线电压、电机相电流、电机转速和温度输入至训练后的lstm神经网络的输入层，通过隐含层的传递、使输出层输出预测的转子温度。

23、本发明还提出了一种永磁同步电机转子温度预测系统，包括预处理模块、训练模块和输出模块；

24、所述预处理模块用于采集不同测试条件下电机的运行数据，在对所述运行数据预处理之后构建第一样本数据集；将所述第一样本数据集输入至can网络中生成扩充后的第二样本数据集；

25、所述训练模块用于利用第一样本数据集和第二样本数据集对lstm神经网络进行训练得到训练后的lstm神经网络；

26、所述输出模块用于采集电机当前的运行数据，将所述电机当前的运行数据输入至训练后的lstm神经网络，输出预测的转子温度。

27、进一步的，所述预处理模块中运行数据包括母线电压、电机相电流、电机转速和温度。

28、进一步的，所述预处理模块中can网络生成扩充后的第二样本数据集的过程包括：

29、生成器根据输入的随机向量生成假样本数据；

30、将生成器生成的假样本数据和第一样本数据集输入到判别器中；

31、在生成器中引入第一损失函数，在判别器中引入第二损失函数；通过对抗训练的方式使生成器输出第二样本数据集。

32、
技术实现要素：
中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：

33、本发明提出了一种永磁同步电机转子温度预测方法和系统，该方法包括以下步骤：采集不同测试条件下电机的运行数据，在对所述运行数据预处理之后构建第一样本数据集；将所述第一样本数据集输入至can网络中生成扩充后的第二样本数据集；利用第一样本数据集和第二样本数据集对lstm神经网络进行训练得到训练后的lstm神经网络；采集电机当前的运行数据，将所述电机当前的运行数据输入至训练后的lstm神经网络，输出预测的转子温度。基于一种永磁同步电机转子温度预测方法，还提出了一种永磁同步电机转子温度预测系统。本发明利用lstm进行转子温度预测可以凭借其对时间序列的预测功能实现，可以有效解决过程中数据误差对温度预测的影响，且不依赖于精确的电机模型，而且在预测温度过程中，对电机自身的运行不会产生性能上的影响，有效地提高了转子的温度预测精度。

34、本发明降低了获取训练数据集的工作量。若想lstm输出的转子预测温度精度较高，则需要采集相当大数量及全面性的训练数据对lstm进行训练，这需要为测试过程耗费极大的财务、人力和时间成本，而且很难获取某些复杂工况的测试数据。本发明借助生成对抗神经网络gan，可生成数量大、质量高、覆盖率广的训练数据，极大的降低了前期电机测试过程中需要采集数据的难度及工作量。

技术特征：

1.一种永磁同步电机转子温度预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种永磁同步电机转子温度预测方法，其特征在于，所述不同测试条件下包括第一类测试条件和第二类测试条件；

3.根据权利要求2所述的一种永磁同步电机转子温度预测方法，其特征在于，所述运行数据包括母线电压、电机相电流、电机转速和温度。

4.根据权利要求1所述的一种永磁同步电机转子温度预测方法，其特征在于，所述预处理的过程包括对所述运行数据归一化处理，以及在归一化处理之后进行剔除和筛选。

5.根据权利要求1所述的一种永磁同步电机转子温度预测方法，其特征在于，所述can网络生成扩充后的第二样本数据集的过程包括：

6.根据权利要求5所述的一种永磁同步电机转子温度预测方法，其特征在于，

7.根据权利要求1所述的一种永磁同步电机转子温度预测方法，其特征在于，所述lstm神经网络包括输入层、隐含层和输出层；

8.一种永磁同步电机转子温度预测系统，其特征在于，包括预处理模块、训练模块和输出模块；

9.根据权利要求8所述的一种永磁同步电机转子温度预测系统，其特征在于，所述预处理模块中运行数据包括母线电压、电机相电流、电机转速和温度。

10.根据权利要求8所述的一种永磁同步电机转子温度预测系统，其特征在于，所述预处理模块中can网络生成扩充后的第二样本数据集的过程包括：

技术总结
本发明提出了一种永磁同步电机转子温度预测方法和系统，该方法包括：采集不同测试条件下电机的运行数据，具体包括母线电压、电机相电流、电机转速和温度，在对运行数据预处理之后构建第一样本数据集；将第一样本数据集输入至CAN网络中生成扩充后的第二样本数据集；利用第一样本数据集和第二样本数据集对LSTM神经网络进行训练得到训练后的LSTM神经网络；采集电机当前的运行数据，将电机当前的运行数据输入至训练后的LSTM神经网络，输出预测的转子温度。基于该方法，还提出了一种永磁同步电机转子温度预测系统。本发明通过对永磁同步电机准确的温度预测可以确保电机的安全高效运行，延长电机的使用寿命，提高电机驱动系统的性能。

技术研发人员：赵逸飞,金志扬
受保护的技术使用者：海南大学
技术研发日：
技术公布日：2024/1/16