CN115049132A - 分动器内离合器的温度估计方法、装置、设备及存储介质 - Google Patents

分动器内离合器的温度估计方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115049132A
CN115049132A CN202210701633.XA CN202210701633A CN115049132A CN 115049132 A CN115049132 A CN 115049132A CN 202210701633 A CN202210701633 A CN 202210701633A CN 115049132 A CN115049132 A CN 115049132A
Authority
CN
China
Prior art keywords
temperature
transfer case
operation data
clutch
output shaft
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210701633.XA
Other languages
English (en)
Inventor
黄昌尧
李亮
张志煌
薛仲瑾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN202210701633.XA priority Critical patent/CN115049132A/zh
Publication of CN115049132A publication Critical patent/CN115049132A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Computer Hardware Design (AREA)
  • Marketing (AREA)
  • Mathematical Optimization (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Operations Research (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Hydraulic Clutches, Magnetic Clutches, Fluid Clutches, And Fluid Joints (AREA)
  • Mechanical Operated Clutches (AREA)

Abstract

本申请涉及车辆技术领域，特别涉及一种分动器内离合器的温度估计方法、装置、设备及存储介质，其中，方法包括：采集分动器的当前运行数据；将当前运行数据输入至预先建立的运行数据‑温度估计模型，输出分动器内的离合器片温度和润滑油温度，其中，运行数据‑温度估计模型通过目标运行数据训练循环神经网络或长短时记忆网络得到；根据离合器片温度和润滑油温度估计分动器内离合器的当前温度。由此，解决了现有技术基于模型进行温度估计，往往过于保守，且难以充分利用试验数据，模型预测结果与试验数据之间的校准完全依靠人工经验，难以达到最优的问题，简化了建模过程，不需要进行人工调参，且能够最大化利用试验数据，缩短了模型调试时间。

Description

分动器内离合器的温度估计方法、装置、设备及存储介质
技术领域
本申请涉及车辆技术领域，特别涉及一种分动器内离合器的温度估计方法、装置、设备及存储介质。
背景技术
适时四驱系统核心部件为电控湿式离合器，其工作过程常处于滑磨状态，因此产生大量热量并会导致摩擦片温度升高，过高温度会损伤分动器离合器。因此需要对温度进行监测，而系统中并无温度传感器，因此需要温度估计算法。
相关技术中，温度估计方法基本是基于建模的模型估算方法，使用热力学理论对进行建模。
然而，基于模型的温度估计算法建模过程复杂，且进行了较多的简化，许多参数难以获得，难以充分利用实验数据，难以对参数进行调试以达到满意的效果，并且在实际中常常使用高估温度的方法避免分动器损坏，但这降低了分动器连续工作的时间。
发明内容
本申请提供一种分动器内离合器的温度估计方法、装置、设备及存储介质，以解决现有技术基于模型进行温度估计，往往过于保守，且难以充分利用试验数据，模型预测结果与试验数据之间的校准完全依靠人工经验，难以达到最优的问题。
本申请第一方面实施例提供一种分动器内离合器的温度估计方法，包括以下步骤：采集分动器的当前运行数据；将所述当前运行数据输入至预先建立的运行数据-温度估计模型，输出所述分动器内的离合器片温度和润滑油温度，其中，所述运行数据-温度估计模型通过目标运行数据训练循环神经网络或长短时记忆网络得到；以及根据所离合器片温度和润滑油温度估计所述分动器内离合器的当前温度。
进一步地，在一些实施例中，在将所述当前运行数据输入至所述预先建立的运行数据-温度估计模型之前，还包括：构建所述循环神经网络或所述长短时记忆网络；采集多个预设工况下分动器的所述目标运行数据；通过所述目标运行数据训练所述循环神经网络或所述长短时记忆网络，得到所述预先建立的运行数据-温度估计模型。
进一步地，在一些实施例中，所述目标运行数据包括所述多个预设工况下的所述分动器的前输出轴转矩、输入轴转速、正压力或执行器位置、前输出轴转速和环境温度与所述分动器内离合器片温度之间的第一映射关系，以及所述前输出轴转矩、所述输入轴转速、所述正压力或执行器位置、所述前输出轴转速和所述环境温度与所述润滑油温度之间的第二映射关系。
进一步地，在一些实施例中，所述当前运行数据包括所述分动器的前输出轴转矩、所述输入轴转速、所述前输出轴转速、所述正压力或执行器位置和所述环境温度中的至少一种。
本申请第二方面实施例提供一种分动器内离合器的温度估计装置，包括：采集模块，用于采集分动器的当前运行数据；神经网络运行模块，用于将所述当前运行数据输入至预先建立的运行数据-温度估计模型，输出所述分动器内的离合器片温度和润滑油温度，其中，所述运行数据-温度估计模型通过目标运行数据训练循环神经网络或长短时记忆网络得到；以及估计模块，用于根据所述离合器片温度和润滑油温度估计所述分动器内离合器的当前温度。
进一步地，在一些实施例中，在将所述当前运行数据输入至所述预先建立的运行数据-温度估计模型之前，所述神经网络运行模块，还用于：构建所述循环神经网络或所述长短时记忆网络；采集多个预设工况下分动器的所述目标运行数据；通过所述目标运行数据训练所述循环神经网络或所述长短时记忆网络，得到所述预先建立的运行数据-温度估计模型。
进一步地，在一些实施例中，所述目标运行数据包括所述多个预设工况下的所述分动器的前输出轴转矩、输入轴转速、正压力或执行器位置、前输出轴转速和环境温度与所述分动器内离合器片温度之间的第一映射关系，以及所述前输出轴转矩、所述输入轴转速、所述正压力或执行器位置、所述前输出轴转速和所述环境温度与所述润滑油温度之间的第二映射关系。
进一步地，在一些实施例中，所述当前运行数据包括所述分动器的前输出轴转矩、所述输入轴转速、所述前输出轴转速、所述正压力或执行器位置和所述环境温度中的至少一种。
本申请第三方面实施例提供一种设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的分动器内离合器的温度估计方法。
本申请第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例所述的分动器内离合器的温度估计方法。
由此，通过采集分动器的当前运行数据，并将当前运行数据输入至预先建立的运行数据-温度估计模型，输出分动器内的离合器片温度和润滑油温度，其中，运行数据-温度估计模型通过目标运行数据训练循环神经网络或长短时记忆网络得到，并根据离合器片温度和润滑油温度估计分动器内离合器的当前温度。由此，解决了现有技术基于模型进行温度估计，往往过于保守，且难以充分利用试验数据，模型预测结果与试验数据之间的校准完全依靠人工经验，难以达到最优的问题，简化了建模过程，不需要进行人工调参，且能够最大化利用试验数据，缩短了模型调试时间。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的分动器内离合器的温度估计方法的流程图；
图2为根据本申请一个实施例提供的测试台架的结构示意图；
图3为根据本申请一个实施例提供的运行数据-温度估计模型的示意图；
图4为根据本申请一个实施例提供的分动器内离合器的温度估计方法的流程图；
图5为根据本申请实施例提供的分动器内离合器的温度估计装置的方框示意图；
图6为根据本申请实施例提供的设备的示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的分动器内离合器的温度估计方法、装置、设备及存储介质。针对上述背景技术中提到的现有技术基于模型进行温度估计，往往过于保守，且难以充分利用试验数据，模型预测结果与试验数据之间的校准完全依靠人工经验，难以达到最优的问题，本申请提供了一种分动器内离合器的温度估计方法，在该方法中，通过采集分动器的当前运行数据，并将当前运行数据输入至预先建立的运行数据-温度估计模型，输出分动器内的离合器片温度和润滑油温度，其中，运行数据-温度估计模型通过目标运行数据训练循环神经网络或长短时记忆网络得到，并根据离合器片温度和润滑油温度估计分动器内离合器的当前温度。由此，解决了现有技术基于模型进行温度估计，往往过于保守，且难以充分利用试验数据，模型预测结果与试验数据之间的校准完全依靠人工经验，难以达到最优的问题，简化了建模过程，不需要进行人工调参，且能够最大化利用试验数据，缩短了模型调试时间。
具体而言，图1为本申请实施例所提供的一种分动器内离合器的温度估计方法的流程示意图。
如图1所示，该分动器内离合器的温度估计方法包括以下步骤：
在步骤S101中，采集分动器的当前运行数据。
进一步地，在一些实施例中，当前运行数据包括分动器的前输出轴转矩、输入轴转速、前输出轴转速、正压力或执行器位置和环境温度中的至少一种。
需要说明的是，当前运行数据可以由台架测试试验收集得到，本申请实施例的台架测试结构可以如图2所示，为了满足试验数据收集需求，动力从输入轴给入分动器，分动器的前输出轴和后输出轴各与一测功机相连，同时使用传感器策略分动器内部的离合器片温度和润滑油温度，并且，为了让网络模型学习到真实的物理规律，不同工况之间的组合要具备一定的广泛性，因此需要采集不同工况下的分动器离合器输入轴转速，输出轴转速，离合器传递扭矩，与离合器片温度等。
在步骤S102中，将当前运行数据输入至预先建立的运行数据-温度估计模型，输出分动器内的离合器片温度和润滑油温度。
进一步地，在一些实施例中，在将当前运行数据输入至预先建立的运行数据-温度估计模型之前，还包括：构建循环神经网络或长短时记忆网络；采集多个预设工况下分动器的目标运行数据；通过目标运行数据训练循环神经网络或长短时记忆网络，得到预先建立的运行数据-温度估计模型。
进一步地，在一些实施例中，目标运行数据包括多个预设工况下的分动器的前输出轴转矩、输入轴转速、正压力或执行器位置、前输出轴转速和环境温度与分动器内离合器片温度之间的第一映射关系，以及前输出轴转矩、输入轴转速、正压力或执行器位置、前输出轴转速和环境温度与润滑油温度之间的第二映射关系。
其中，预先建立的运行数据-温度估计模型可以如图3所示。
具体地，在本申请实施例中，建立基于循环神经离合器温度估计模型，构建能够处理序列数据的循环神经网络或长短时记忆网络，采集多个预设工况下的分动器的目标运行数据，并通过构建的循环神经网络或长短时记忆网络，对模型进行训练，得到预先建立的运行数据-温度数据模型，之后将当前运行数据输入至预先建立的运行数据-温度估计模型，便可以得出分动器的运行数据。
在步骤S103中，根据离合器片温度和润滑油温度估计分动器内离合器的当前温度。
具体地，如图4所示，步骤S101与步骤S102完成了获取试验数据与训练估计模型的过程，在训练完成之后，将所得模型嵌入分动器控制算法中并进行模型在线应用，根据离合器片温度和润滑油温度估计分动器内离合器的当前温度与润滑油温度。
根据本申请实施例提出的分动器内离合器的温度估计方法，通过采集分动器的当前运行数据，并将当前运行数据输入至预先建立的运行数据-温度估计模型，输出分动器内的离合器片温度和润滑油温度，其中，运行数据-温度估计模型通过目标运行数据训练循环神经网络或长短时记忆网络得到，并根据分动器内的离合器片温度和润滑油温度估计分动器内离合器的当前温度，由此，解决了现有技术基于模型进行温度估计，往往过于保守，且难以充分利用试验数据，模型预测结果与试验数据之间的校准完全依靠人工经验，难以达到最优的问题，简化了建模过程，不需要进行人工调参，且能够最大化利用试验数据，缩短了模型调试时间。
其次参照附图描述根据本申请实施例提出的分动器内离合器的温度估计装置。
图5是本申请实施例的分动器内离合器的温度估计装置的方框示意图。
如图5所示，该分动器内离合器的温度估计装置10包括：采集模块100、神经网络运行模块200和估计模块300。
其中，采集模块100，用于采集分动器的当前运行数据；神经网络运行模块200，用于将当前运行数据输入至预先建立的运行数据-温度估计模型，输出分动器内的离合器片温度和润滑油温度，其中，运行数据-温度估计模型通过目标运行数据训练循环神经网络或长短时记忆网络得到；以及估计模块300，用于根据分动器内的离合器片温度和润滑油温度估计分动器内离合器的当前温度。
进一步地，在一些实施例中，在将当前运行数据输入至预先建立的运行数据-温度估计模型之前，神经网络运行模块200，还用于：构建循环神经网络或长短时记忆网络；采集多个预设工况下分动器的目标运行数据；通过目标运行数据训练循环神经网络或长短时记忆网络，得到预先建立的运行数据-温度估计模型。
进一步地，在一些实施例中，目标运行数据包括多个预设工况下的分动器的前输出轴转矩、输入轴转速、正压力或执行器位置、前输出轴转速和环境温度与分动器内离合器片温度之间的第一映射关系，以及前输出轴转矩、输入轴转速、正压力或执行器位置、前输出轴转速和环境温度与润滑油温度之间的第二映射关系。
进一步地，在一些实施例中，当前运行数据包括分动器的前输出轴转矩、输入轴转速、前输出轴转速、正压力或执行器位置和环境温度中的至少一种。
需要说明的是，前述对分动器内离合器的温度估计方法实施例的解释说明也适用于该实施例的分动器内离合器的温度估计装置，此处不再赘述。
根据本申请实施例提出的分动器内离合器的温度估计装置，通过采集分动器的当前运行数据，并将当前运行数据输入至预先建立的运行数据-温度估计模型，输出分动器内的离合器片温度和润滑油温度，其中，运行数据-温度估计模型通过目标运行数据训练循环神经网络或长短时记忆网络得到，并根据离合器片温度和润滑油温度估计分动器内离合器的当前温度。由此，解决了现有技术基于模型进行温度估计，往往过于保守，且难以充分利用试验数据，模型预测结果与试验数据之间的校准完全依靠人工经验，难以达到最优的问题，简化了建模过程，不需要进行人工调参，且能够最大化利用试验数据，缩短了模型调试时间。
图6为本申请实施例提供的设备的结构示意图。该设备可以包括：
存储器601、处理器602及存储在存储器601上并可在处理器602上运行的计算机程序。
处理器602执行程序时实现上述实施例中提供的分动器内离合器的温度估计方法。
进一步地，设备还包括：
通信接口603，用于存储器601和处理器602之间的通信。
存储器601，用于存放可在处理器602上运行的计算机程序。
存储器601可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器601、处理器602和通信接口603独立实现，则通信接口603、存储器601和处理器602可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器601、处理器602及通信接口603，集成在一块芯片上实现，则存储器601、处理器602及通信接口603可以通过内部接口完成相互间的通信。
处理器602可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的分动器内离合器的温度估计方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种分动器内离合器的温度估计方法，其特征在于，包括以下步骤：
采集分动器的当前运行数据；
将所述当前运行数据输入至预先建立的运行数据-温度估计模型，输出所述分动器内的离合器片温度和润滑油温度，其中，所述运行数据-温度估计模型通过目标运行数据训练循环神经网络或长短时记忆网络得到；以及
根据所述离合器片温度和润滑油温度估计所述分动器内离合器的当前温度。
2.根据权利要求1所述的方法，其特征在于，在将所述当前运行数据输入至所述预先建立的运行数据-温度估计模型之前，还包括：
构建所述循环神经网络或所述长短时记忆网络；
采集多个预设工况下分动器的所述目标运行数据；
通过所述目标运行数据训练所述循环神经网络或所述长短时记忆网络，得到所述预先建立的运行数据-温度估计模型。
3.根据权利要求2所述的方法，其特征在于，所述目标运行数据包括所述多个预设工况下的所述分动器的前输出轴转矩、输入轴转速、正压力或执行器位置、前输出轴转速和环境温度与所述分动器内离合器片温度之间的第一映射关系，以及所述前输出轴转矩、所述输入轴转速、所述正压力或执行器位置、所述前输出轴转速和所述环境温度与所述润滑油温度之间的第二映射关系。
4.根据权利要求3所述的方法，其特征在于，所述当前运行数据包括所述分动器的前输出轴转矩、所述输入轴转速、所述前输出轴转速、所述正压力或执行器位置和所述环境温度中的至少一种。
5.一种分动器内离合器的温度估计装置，其特征在于，包括：
采集模块，用于采集分动器的当前运行数据；
神经网络运行模块，用于将所述当前运行数据输入至预先建立的运行数据-温度估计模型，输出所述分动器内的离合器片温度和润滑油温度，其中，所述运行数据-温度估计模型通过目标运行数据训练循环神经网络或长短时记忆网络得到；以及
估计模块，用于根据所述离合器片温度和润滑油温度估计所述分动器内离合器的当前温度。
6.根据权利要求5所述的装置，其特征在于，在将所述当前运行数据输入至所述预先建立的运行数据-温度估计模型之前，所述神经网络运行模块，还用于：
构建所述循环神经网络或所述长短时记忆网络；
采集多个预设工况下分动器的所述目标运行数据；
通过所述目标运行数据训练所述循环神经网络或所述长短时记忆网络，得到所述预先建立的运行数据-温度估计模型。
7.根据权利要求6所述的装置，其特征在于，所述目标运行数据包括所述多个预设工况下的所述分动器的前输出轴转矩、输入轴转速、正压力或执行器位置、前输出轴转速和环境温度与所述分动器内离合器片温度之间的第一映射关系，以及所述前输出轴转矩、所述输入轴转速、所述正压力或执行器位置、所述前输出轴转速和所述环境温度与所述润滑油温度之间的第二映射关系。
8.根据权利要求7所述的装置，其特征在于，所述当前运行数据包括所述分动器的前输出轴转矩、所述输入轴转速、所述前输出轴转速、所述正压力或执行器位置和所述环境温度中的至少一种。
9.一种设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-4任一项所述的分动器内离合器的温度估计方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-4任一项所述的分动器内离合器的温度估计方法。
CN202210701633.XA 2022-06-20 2022-06-20 分动器内离合器的温度估计方法、装置、设备及存储介质 Pending CN115049132A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210701633.XA CN115049132A (zh) 2022-06-20 2022-06-20 分动器内离合器的温度估计方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210701633.XA CN115049132A (zh) 2022-06-20 2022-06-20 分动器内离合器的温度估计方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115049132A true CN115049132A (zh) 2022-09-13

Family

ID=83162923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210701633.XA Pending CN115049132A (zh) 2022-06-20 2022-06-20 分动器内离合器的温度估计方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115049132A (zh)

Similar Documents

Publication Publication Date Title
CN109239075B (zh) 电池检测方法及装置
DE102008006732B4 (de) Verfahren und Vorrichtung zur Überwachung einer Temperaturerfassungseinrichtung
CN101739026B (zh) 一种混合动力汽车的测试系统
WO2019187264A1 (ja) 劣化状態判定装置および劣化状態判定方法
DE102011101904A1 (de) Modulare Temperaturverhaltensdiagnose für ein Fahrzeug
DE102014100893A1 (de) Verfahren und Vorrichtung zum Steuern eines Elektromotors, der zum Betreiben einer Fluidpumpe verwendet wird
CN107407699A (zh) 电池管理装置、电池监视电路、控制系统
DE102019115934A1 (de) Einstellerfordernis-bestimmungsvorrichtung
CN111721972B (zh) 一种电驱动变速箱转速测量值校验方法及装置
CN115291545A (zh) 一种电力电子产品的多层控制系统及方法
CN115049132A (zh) 分动器内离合器的温度估计方法、装置、设备及存储介质
DE102014226079A1 (de) Verfahren und Vorrichtung zur Diagnose einer Zusatzheizfunktion eines Luftmassensensors
CN113685259B (zh) 一种发动机节温器故障判断方法、装置以及设备
CN116080470A (zh) 电动汽车的动力电池监控方法、装置、服务器及介质
CN107884712B (zh) 电机输入电流的波动量曲线的确定方法及装置
DE102021131083A1 (de) Diagnose eines zustands einer eingangsenergie für eine elektrische servolenkung
Pupala et al. Review Paper on Vehicle Diagnosis with Electronic Control Unit
CN114624022B (zh) 齿轮磷化异响噪声评价方法及系统
CN113147388B (zh) 车辆加速踏板位置分析方法及系统
DE102022120965A1 (de) Verfahren zum vorhersagen der rotortemperatur für einen elektromotor
CN114815767A (zh) 用于诊断具有电传动系的电驱动车辆的故障的方法
CN116358874A (zh) 一种发动机参数确定方法、装置、电子设备及存储介质
CN117254746A (zh) 一种驱动电机温度控制方法及系统
CN116373886A (zh) Amt整车质量获取方法、装置、设备和介质
CN115199670A (zh) 分动器离合器的啮合点检测方法、装置、电子设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination