(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111320042.X (22)申请日 2021.11.09 (71)申请人 上海应用技 术大学 地址 200235 上海市徐汇区漕宝路120 -121 号 (72)发明人 黄泽锋　万衡　金福智　谷梦勖　 (74)专利代理 机构 上海汉声知识产权代理有限 公司 3123 6 代理人 胡晶 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/08(2020.01) (54)发明名称 永磁同步电机转子温度实时预测方法 (57)摘要 本发明提供了一种永磁同步电机转子温度 实时预测方法， 其方法包括如下步骤： 采集与转 子相关的物理参数构建样本数据集； 选取样本数 据集中的第一相关数据作为输入量； 选取样本数 据集中与第一相关数据相对应的第一温度数据 作为输出量； 对输入量和输出量进行归一化处 理； 通过归一化处理后的输入量和输出量构建 LSTM‑CNN网络预测模型； 永磁 同步电机运行时， 采集第二相关数据和与第二相关数据相对应的 第二温度数据构建训练数据集， 将训练数据集中 的数据归一化处理后作为训练数据对LSTM ‑CNN 网络预测模 型进行训练； 通过在 线监测的第三相 关数据并利用训练好的LSTM ‑CNN网络预测模型 预测转子实时温度。 本发明， 转子温度预测进度 高且能够进行转子温度实时监测。 权利要求书1页 说明书5页 附图2页 CN 114117895 A 2022.03.01 CN 114117895 A 1.一种永磁同步电机转子温度实时预测方法， 其特 征在于， 包括如下步骤： 采集与转子相关的物理参数构建样本数据集； 选取所述样本数据集中的第一相关数据作为输入量； 选取所述样本数据集中与所述第一相关数据相对应的第一温度数据作为输出量； 对所述输入量和所述输出量进行归一 化处理； 通过归一 化处理后的所述输入量和所述输出量构建LSTM ‑CNN网络预测模型； 永磁同步电机运行时， 采集第 二相关数据和与 所述第二相关数据相对应的第 二温度数 据构建训练数据集， 将所述训练数据集中的数据归一化处理后作为训练数据对所述LSTM ‑ CNN网络预测模型进行训练； 通过在线监测的第三相 关数据并利用训练好的所述LSTM ‑CNN网络预测模型预测转子 实时温度。 2.根据权利要求1所述的语音识别方法， 其特征在于， 所述选取样本数据集中的第 一相 关数据进一 步包括： 确定假设前提， 基于转子磁链定向的同步旋转坐标系下的运动方程和电流方程的数学 模型： 其中， id， iq分为d轴和q轴电流； ud， uq分别为d轴和q轴电压； Ls， Rs分别为定子电感和定 子电阻； ωm， np分别为机械角速度和极对数； J、 Ψf分别为转动惯量和永磁体磁链； Kt， B分别 为转动常数和摩擦系数； TL为负载转矩； 由式中可以得出， id， iq,ωm有很强的耦合线性关系， 选取ud， uq,id， iq,ωm,TL作为模型 的输入量； 选取电机运行的环境温度和冷却液温度作为输入量。 3.根据权利要求1所述的语音识别测试方法， 其特征在于， 所述训练数据集中包括若干 训练样本组， 采用正态逆高斯分布随机选择所述训练样 本组对所述LSTM ‑CNN网络预测模 型 进行训练。 4.根据权利 要求1所述的语音识别测试方法， 其特征在于， 所述LSTM ‑CNN网络预测模型 进行训练时获得的权 重矩阵进行 卷积核规范平均化处 理。 5.根据权利 要求1所述的语音识别测试方法， 其特征在于， 所述LSTM ‑CNN网络预测模型 预测的所述 转子实时温度通过均方根 误差进行评价。 6.根据权利要求1至5中任意一项所述的语音识别测试方法， 其特征在于， 所述LSTM ‑ CNN网络预测模型包括依次相连的第一LSTM层、 第二LSTM层、 第三LSTM层、 卷积层、 池化层、 第四LSTM层和全连接层。权　利　要　求　书 1/1 页 2 CN 114117895 A 2永磁同步电机转子温度实时预测方 法 技术领域 [0001]本发明涉及转子温度估算方法技术领域， 具体地， 涉及永磁同步电机转子温度实 时预测方法。 背景技术 [0002]永磁同步电机因为其具有结构简单、 运行时鲁棒性高、 高速运转时转矩较小的特 点， 广泛运用于各种高精度控制的交流伺服领域。 在永磁同步电机实际高速运行控制中， 能 够实时监测获取电机关键部位如定子、 转子的温度具有非常重要的价值与意义， 在以下三 个方面可以体现： [0003]永磁同步电机的温度过高会导致电机内部永磁磁钢不可逆的退磁， 这不仅会大大 提高永磁同步电机控制系统的运行安全风险， 还 会影响电机的使用寿命； [0004]电机转子磁钢退磁会进一步影响电机扭矩的计算精度， 从而导致整个电机控制系 统的偏差； [0005]在对电机转子温度的估算精确之后， 不仅可以有效增加电机运行时转矩的峰值持 续时间， 从而可以大大提高顶级潜能， 还能因为减少 了对永磁同步电机定子磁材料 的消耗 延长电机的使用寿命。 [0006]因此， 能够对电机运行时的转子温度进行精准估算不仅能够确保电机的安全运 行， 还可以提升电机控制系统驱动性能。 [0007]目前， 对于电机的转子温度估算方法主要 分为“经验公式间接计算 ”、“热网格分析 计算”和“反电势法计算 ”。 [0008]上述的转子温度估算方法普遍存在着精度较低的问题， 同时， 上述估算方法也无 法实现对电机运行过程中转子温度的实时监测， 从而 无法及时根据转子温度对永磁同步电 机的工作状态进行调整， 一定程度上还是会影响电机的使用寿命。 发明内容 [0009]针对现有技术中的缺陷， 本发明的目的是提供一种永磁同步电机转子温度实时预 测方法及系统。 [0010]本发明提供一种永磁同步电机转子温度实时预测方法， 包括如下步骤： [0011]采集与转子相关的物理参数构建样本数据集； [0012]选取样本数据集中的第一相关数据作为输入量； [0013]选取样本数据集中与第一相关数据相对应的第一温度数据作为输出量； [0014]对输入量和输出量进行归一 化处理； [0015]通过归一 化处理后的输入量和输出量构建LSTM ‑CNN网络预测模型； [0016]永磁同步电机运行时， 采集第二相关数据和与第二相关数据相对应的第二温度数 据构建训练数据集， 将训练数据集中的数据归一化处理后作为训练数据对LSTM ‑CNN网络预 测模型进行训练；说　明　书 1/5 页 3 CN 114117895 A 3