用于确定转子温度的设备和方法与流程

1.本发明涉及一种用于确定电机转子的温度的设备。本发明还涉及一种用于确定电机转子的温度的方法。特别地，本发明涉及在混合动力车辆、电动车辆或燃料电池车辆中使用的电机。


背景技术：

2.确定转子温度对于汽车领域中的电机而言特别重要，以避免转子磁铁在过热情况下退磁以及由此产生的后果，例如过早降额。然而，借助于用于检测转子温度的温度传感器来进行测量是困难的。因此，电机的转子温度大多借助于物理建模来确定。从ep 2318818b 1已知一种用于确定同步电机的转子温度的示例性方法。
3.由于控制设备上的存储和计算能力有限，车载应用使用简单的单节点热力学模型。然而，这些热模型典型地无法确定所有热源。必须使用非常复杂的模拟测量和/或试验台测量来确定或校准建模的热损失项。


技术实现要素：

4.本发明提供了具有独立专利权利要求特征的一种用于确定电机转子的温度的设备和一种用于确定电机转子的温度的计算机实现的方法。
5.优选实施方式是相应从属权利要求的主题。
6.根据第一方面，本发明相应地涉及一种用于确定电机转子的温度的设备。所述设备包括接口和计算装置。经由所述接口接收取决于所述电机的运行的输入变量。所述计算装置基于至少一个所述输入变量借助于物理模型来计算对转子处热传递的第一贡献。此外，所述计算装置基于至少一个所述输入变量借助于人工智能模型来计算对转子处热传递的第二贡献。所述计算装置基于对转子处热传递的第一贡献和第二贡献来计算所述转子的温度。
7.根据第二方面，本发明相应地涉及一种用于确定电机转子的温度的计算机实现的方法。将取决于所述电机的运行的输入变量提供给计算装置。所述计算装置基于至少一个所述输入变量并借助于物理模型来计算对转子处热传递的第一贡献。所述计算装置还基于至少一个所述输入变量并借助于人工智能模型来计算对转子处热传递的第二贡献。所述计算装置基于对转子处热传递的第一贡献和第二贡献来计算所述转子的温度。
8.根据另外的方面，本发明涉及一种计算机程序产品以及一种非易失性计算机可读存储介质，其具有用于执行所述计算机实现的方法的程序代码。
9.本发明的优点
10.本发明涉及基于包括物理模型以及人工智能模型的混合模型(整体模型)来计算转子的温度。由此使得对转子温度的估计比纯粹基于物理模型的估计更准确。
11.混合模型的使用基于以下考虑，即对转子处热传递的一些贡献可以良好建模，并且因此可以通过物理模型来描述。然而，除此之外还存在难以通过物理模型反映其整体的
热损失。到目前为止，已知的热损失项要么根本没有计算，要么仅借助于所谓的功率损失图(查找表)和插值方法(例如通过高斯过程)进行计算。这种实现由于高维输入而非常耗费资源。功率损失图的值在此通过复杂的模拟和试验台测量计算和校准，然而其中并未涵盖所有热损失项。此外，只有一个模板的校准导致没有反映由于生产差异引起的影响。
12.通过使用混合模型，优选地不再通过模拟来计算热损失，而是通过试验台上的数据来测量热损失。此外，优选不再以表格为基础，而是用试验台数据训练人工智能模型，该人工智能模型的输出直接为有效热损失。特别是由此考虑了由于外部源造成的热损失，这提高了整体模型的准确性并减少了控制设备的计算耗费。
13.本发明应当能够对电机转子在正在进行的运行期间的温度进行尽可能准确的、特定于机器的估计。由此可以防止在运行期间退磁和降额。此外，可以减少控制设备上用于计算的资源消耗。
14.根据用于确定电机转子的温度的设备的优选实施方式，对转子处热传递的第一贡献包括从所述电机的定子到所述转子的热流。从定子到转子的热流可以通过物理模型来良好地建模。
15.根据用于确定电机转子的温度的设备的优选实施方式，对转子处热传递的第一贡献包括从所述电机的冷却剂到所述转子的热流。从冷却剂到转子的热流同样可以通过物理模型来良好地建模。
16.根据用于确定电机转子的温度的设备的优选实施方式，所述人工智能模型包括人工神经网络。
17.根据用于确定电机转子的温度的设备的优选实施方式，所述至少一个输入变量包括所述定子的当前温度和/或所述冷却剂的当前温度。所述计算装置基于所述定子的当前温度与所述转子的最后计算温度之间的温度差和/或基于所述冷却剂的当前温度与所述转子的最后计算温度之间的温度差来计算对转子处热传递的第一贡献。
18.根据用于确定电机转子的温度的设备的优选实施方式，所述输入变量包括所述电机的至少一个电流、所述电机的至少一个电压、与所述电机耦合的电池的直流链路电压、所述电机的有效相电流、脉宽调制频率、所述电机的转速、所述电机的扭矩、所述电机的至少一个调制变量、所述电机的环境温度和/或与所述电机耦合的变速器的变速器温度。
19.通过在考虑电机的环境温度和与电机耦合的变速器的变速器温度的条件下训练人工智能模型，人工智能模型比纯物理建模具有大的优点，因为到环境以及到电子(e)轴中(以及一般而言车辆中)周围组件的热路径无法轻易地进行物理描述和建模。然而，使用混合模型，可以将所有热源，即包括例如变速器上的外部源，投射到转子损耗中，这使得能够在真实条件下更准确地确定转子温度。
20.为了将这些环境影响考虑在内，优选地为了训练所述人工智能模型使用整个安装来进行遥测测量，即作为完整e轴的一部分的转子的温度测量或配备有转子温度传感器的车辆中的车载测量。车载测量使得能够对电机中的热路径和损失进行逼真的建模，因为它们反映了真实条件并考虑了老化影响和批次差异影响。与纯物理建模相比，这是混合方案的另一优点。
21.有利地不仅减少了模拟和校准耗费，而且考虑了不容易建模的热源。此外，还可以使用来自批量生产的影响变量对人工智能模型进行训练，以更准确和特定于机器地计算感
生的热损失。
22.根据用于确定电机转子的温度的设备的优选实施方式，所述计算装置对所述输入变量(例如定子或冷却剂的温度)和/或对转子处热传递的第一贡献和/或对转子处热传递的第二贡献进行合理性检查。由此增加了转子温度计算的鲁棒性。
23.根据用于确定电机转子的温度的设备的优选实施方式，所述计算装置使用至少一个物理公式来执行所述合理性检查。例如，可以基于一个或多个物理公式计算热损失的极限值(阈值)。如果计算出的对热传递的第二贡献超出了基于物理公式确定的极限值，则可以使用所述极限值来代替。
24.根据用于确定电机转子的温度的设备的优选实施方式，所述计算装置使用人工智能方法来执行所述合理性检查。由此可以识别出输入信号中的异常。
25.根据用于确定电机转子的温度的设备的优选实施方式，所述计算装置使用从安装在所述电机中的传感器接收的传感器信号来执行所述合理性检查。如有必要，可以重新调整模型。这种重新调整可能例如由于批次差异和安装期间的额外热路径而是必要的。
26.所述电机可以驱动任何系统，但特别是电池动力机动车辆或氢动力机动车辆。
27.根据另一实施方式，用于确定电机转子的温度的设备连接到云。如果使用特定于机器的生产数据(例如气隙或板材厚度)对人工智能模型进行训练，则混合模型在连接到云时(以及利用来自数字孪生的数据)可以提供非常准确的温度估计，所述温度估计可以反映由于生产差异引起的影响、老化影响或环境条件。
28.根据另一实施方式，用于确定转子温度的设备包括用于分析、合理性检查和处理大量数据的机器学习模块。例如，借助于接口接收的输入变量可以包括所述电机的运行条件、环境温度或其他天气数据。
29.转子温度的计算也可以在云中进行。特别地，可以为所述电机创建数字孪生，其中转子温度的计算作为数字孪生的一部分执行。由此也可以对车载模型进行合理性检查。
附图说明
30.图1示出了电机和根据本发明实施方式的用于确定电机转子的温度的设备的示意性框图；
31.图2示出了用于解释电机转子的温度计算的示意性框图；
32.图3示出了用于解释人工智能模型的训练方法的示意框图；以及
33.图4示出了根据本发明实施方式的用于确定电机转子的温度的方法的流程图。
34.相同的或功能相同的元件和设备在所有附图中都设有相同的附图标记。方法步骤的编号是为了清楚起见，通常不应暗示特定的时间顺序。特别地，也可以同时执行多个方法步骤。
具体实施方式
35.图1示出了电机2和用于确定电机2的转子3的温度的设备1的示意性框图。电机2还包括定子4和冷却剂储存器5。
36.该设备包括接口11和计算装置12。接口11优选为有线接口，但也可以是无线接口。计算装置12包括用于存储接收到的数据的存储器和诸如微处理器、专用电路(asic)等的计
算组件。
37.经由接口11接收取决于电机的运行的输入变量。这些输入变量包括物理或机械变量(例如温度、扭矩、转速等)和/或电气变量(例如电流等)。
38.计算装置12基于至少一个输入变量(例如定子4的温度和冷却剂5的温度)借助于物理模型计算对转子3处热传递的第一贡献。计算装置12还基于至少一个输入变量(例如基于电流和扭矩)同时或随后借助于人工智能模型计算对转子3处热传递的第二贡献。为此，可以考虑相同或至少部分不同的输入变量。人工智能模型可以包括神经网络或高斯过程回归器。基于对转子处热传递的第一贡献和第二贡献，所述计算装置计算转子3的温度。
39.计算出的温度可以经由接口11输出。控制设备例如可以接收计算出的转子3的温度并且使用该温度来控制电机。
40.图2示出了用于解释借助于混合热模型计算电机2的转子3的温度的示意性框图。这是单节点网络模型。
41.接收冷却剂5的温度t
cool
(t)和定子4处的温度t
stat
(t)作为输入变量。此外提供人工智能模型101的输入变量i1，...in，所述输入变量可以包括电机2的电流、电机2的电压、与电机2耦合的电池的直流链路电压、电机2的有效相电流、脉宽调制频率、电机2的转速、电机2的扭矩、电机2的调制变量、电机2的环境温度和/或与电机2耦合的变速器的变速器温度。
42.由计算装置12计算冷却剂5的当前温度与转子3的最后计算温度之间的差：
43.t
cool
(t)-t
rot
(t-1)。
44.此外，计算装置12计算定子4的当前温度与转子3的最后计算温度之间的差：
45.t
stat
(t)-t
rot
(t-1)。
46.通过与冷却剂5的存储在第一查找表102中的比热导率的乘法(104)来计算从冷却剂5到转子3的热流。此外，通过与定子4的存储在第二查找表103中的比热导率的乘法(105)来计算从定子4到转子3的热流。计算出的两个热流表示对转子3处热传递、特别是对流热传递的第一贡献。
47.人工智能模型101基于输入变量i1，
…in
计算对转子3处热传递的第二贡献。对转子3处热传递的第一贡献与对转子3处热传递的第二贡献相加(106)。特别是转子3内的热损失表示对转子3处热传递的第二贡献。
48.计算装置12通过转子3的比热容c
th，rot
除以(107)对转子3处热传递的总和贡献，其中转子3的比热容c
th，rot
是输送或导出的热量与由此引起的温度变化之比：
[0049][0050]
该变量随时间积分(108)，从而计算(109)转子3的瞬时温度。
[0051]
第一贡献的计算和第二贡献的计算可以优选地并行执行。
[0052]
图3示出了用于解释人工智能模型101的训练方法的示意性框图。通过分离为静态部分(固定损失特征图)和动态部分，简化人工智能模型101的训练并减小其尺寸。优选为每种类型的电机2训练自己的人工智能模型。在应用阶段，用试验台测量来训练人工智能模型101，以计算特征(标签)。试验台测量可以是在各种负荷和环境条件下对转子3的温度的遥测测量。
[0053]
为了训练人工智能模型101，根据转子3的温度的遥测测量向后确定(109)所需的标签。为此进行时间积分，以计算(a)转子3的当前温度与转子3的先前温度之间的差：
[0054]
δt＝t
rot
(t)-t
rot
(t-1)。
[0055]
此外，与转子3的比热容c
th，rot
相乘(b)：
[0056]cth，rot
·
δt。
[0057]
最后，通过计算出第一贡献，计算转子处的热损失p
loss
作为标签。将该标签用于训练人工智能模型101。然后，将用于热损失建模的经过训练的人工智能模型101向前用作用于计算转子温度的整体混合模型中的模块。
[0058]
人工智能模型101的鲁棒性可以可选地通过使用人为加噪数据进行训练来得以保证。在此通过系统化地向训练信号添加噪声来丰富数据集。该方法保证了人工智能模型101的鲁棒性和一定的噪声容忍度。
[0059]
此外，合理性函数可用于检查输入变量(例如定子4或冷却剂5的温度)的(传感器)错误。可以使用至少一个物理公式来执行这种合理性检查，基于所述物理公式检查输入值是否在物理有效范围内。也可以基于可以检测异常的机器学习方法来进行合理性检查。
[0060]
在传感器失效或检测到错误的情况下，人工智能模型101将参考所涉及输入信号的最后合理值并提供转子3的温度的最坏情况预测，以保证部件保护。
[0061]
图4示出了用于确定电机2的转子3的温度的方法的流程图。
[0062]
在第一步骤s1中，接收取决于电机2的运行的输入变量。将这些输入变量提供给计算装置12。
[0063]
在第二步骤s2中，计算装置12使用物理模型基于至少一个所述输入变量来计算对转子3处热传递的第一贡献。特别地，计算装置12可以考虑从电机2的定子4到转子3的热流和从电机2的冷却剂5到转子3的热流，以计算对转子3处热传递的第一贡献。
[0064]
在第三步骤s3中，计算装置12基于至少一个所述输入变量并借助于人工智能模型101来计算对转子3处热传递的第二贡献。为此，人工智能模型101可以在先前的训练方法中基于遥测数据训练过，如结合图3更详细解释的那样。
[0065]
最后在第四步骤s4中，计算装置11基于对转子3处热传递的第一贡献和第二贡献计算转子3的温度。为此可以考虑转子3的比热容量c
th，rot
，如上所述。
[0066]
计算出的转子3的温度被输出并且例如由控制设备在控制电机3时予以考虑。特别地，可以在降额方法中考虑转子3的温度。

技术特征：
1.一种用于确定电机(2)转子(3)的温度的设备(1)，具有：接口(11)，所述接口被构造为接收取决于所述电机(2)的运行的输入变量；和计算装置(12)，所述计算装置被构造为：-基于至少一个所述输入变量借助于物理模型来计算对所述转子(3)处热传递的第一贡献，-基于至少一个所述输入变量借助于人工智能模型(101)来计算对所述转子(3)处热传递的第二贡献，以及-基于对所述转子(3)处热传递的第一贡献和第二贡献来计算所述转子(3)的温度。2.根据权利要求1所述的设备(1)，其中对所述转子(3)处热传递的第一贡献包括从所述电机(2)的定子(4)到所述转子(3)的热流和/或从所述电机(2)的冷却剂(5)到所述转子(3)的热流。3.根据权利要求2所述的设备(1)，其中至少一个输入变量包括所述定子(4)的当前温度和/或所述冷却剂(5)的当前温度，以及其中所述计算装置(12)被构造为基于所述定子(4)的当前温度与所述转子(3)的最后计算温度之间的温度差和/或基于所述冷却剂(5)的当前温度与所述转子(3)的最后计算温度之间的温度差来计算对所述转子(3)处热传递的第一贡献。4.根据前述权利要求中任一项所述的设备(1)，其中所述输入变量包括所述电机(2)的至少一个电流、所述电机的至少一个电压、与所述电机(2)耦合的电池的直流链路电压、所述电机(2)的有效相电流、脉宽调制频率、所述电机(2)的转速、所述电机(2)的扭矩、所述电机(2)的至少一个调制变量、所述电机(2)的环境温度和/或与所述电机(2)耦合的变速器的变速器温度。5.根据前述权利要求中任一项所述的设备(1)，其中所述计算装置(12)还被构造为对所述输入变量和/或对所述转子(3)处热传递的第一贡献和/或对所述转子(3)处热传递的第二贡献进行合理性检查。6.根据权利要求5所述的设备(1)，其中所述计算装置(12)被构造为使用至少一个物理公式和/或人工智能方法来执行所述合理性检查。7.一种用于确定电机(2)转子(3)的温度的计算机实现的方法，具有以下步骤：提供(s 1)取决于所述电机(2)的运行的输入变量；基于至少一个所述输入变量并借助于物理模型来计算(s2)对所述转子(3)处热传递的第一贡献；基于至少一个所述输入变量并借助于人工智能模型(101)来计算(s3)对所述转子(3)处热传递的第二贡献；以及基于对所述转子(3)处热传递的第一贡献和第二贡献来计算(s4)所述转子(3)的温度。8.根据权利要求7所述的方法，其中基于所述电机(2)的试验台数据训练所述人工智能模型(101)。9.一种具有可执行程序代码的计算机程序产品，被构造为当在计算装置(12)上执行时执行根据权利要求7或8所述的方法。10.一种具有可执行程序代码的非易失性计算机可读存储介质，被构造为当在计算装置(12)上执行时执行根据权利要求7或8所述的方法。

技术总结
本发明涉及一种用于确定电机转子的温度的设备。所述设备包括接口和计算装置。经由所述接口接收取决于所述电机的运行的输入变量。所述计算装置基于至少一个所述输入变量借助于物理模型来计算对转子处热传递的第一贡献。此外，所述计算装置基于至少一个所述输入变量借助于人工智能模型来计算对转子处热传递的第二贡献。所述计算装置基于对转子处热传递的第一贡献和第二贡献来计算所述转子的温度。第一贡献和第二贡献来计算所述转子的温度。第一贡献和第二贡献来计算所述转子的温度。


技术研发人员：C
受保护的技术使用者：罗伯特
技术研发日：2021.10.05
技术公布日：2023/7/22