CN117439498A - 用于电动汽车的电机冷却控制方法及系统 - Google Patents
用于电动汽车的电机冷却控制方法及系统 Download PDFInfo
- Publication number
- CN117439498A CN117439498A CN202311749877.6A CN202311749877A CN117439498A CN 117439498 A CN117439498 A CN 117439498A CN 202311749877 A CN202311749877 A CN 202311749877A CN 117439498 A CN117439498 A CN 117439498A
- Authority
- CN
- China
- Prior art keywords
- motor
- cooling control
- real
- target
- cooling
- 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.)
- Granted
Links
- 238000001816 cooling Methods 0.000 title claims abstract description 233
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000001419 dependent effect Effects 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 230000004927 fusion Effects 0.000 claims abstract description 15
- 238000010219 correlation analysis Methods 0.000 claims abstract description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000010354 integration Effects 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 13
- 238000013021 overheating Methods 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
- H02P29/60—Controlling or determining the temperature of the motor or of the drive
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/0077—Characterised by the use of a particular software algorithm
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/42—Drive Train control parameters related to electric machines
- B60L2240/425—Temperature
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供了用于电动汽车的电机冷却控制方法及系统,涉及电机控制技术领域,通过将实时行驶状态信息与实时电机回路信息作为自变量,将三个预定触发指标依次作为因变量;基于对自变量与因变量进行相关性分析确定因素特征信息进而结合控制预测融合模型进行预测分析得到冷却控制决策对电机进行冷却控制执行。解决现有技术中电动汽车电机冷却控制往往片面基于实时电机温度检测结果,存在电机冷却控制效果不佳的技术问题。达到了根据电动汽车的运行参数进行电机温度预测以及基于预测结构科学化进行电机冷却控制,实现了提高电机冷却控制科学性,防止电机过热,保护电机安全运行和相关电子设备的技术效果。
Description
技术领域
本发明涉及电机控制技术领域,具体涉及用于电动汽车的电机冷却控制方法及系统。
背景技术
当前,电动汽车领域的电机冷却控制往往侧重于依赖实时电机温度检测结果进行调节,但这种方法仅仅依赖温度监测来进行控制,未能提供足够有效的电机冷却管理,导致其在处理电机过热干预和电机器件保护方面显得不够理想。
具体的,这种单一依据实时温度数据的控制方法容易在应对复杂工况时出现不足,结果就是系统可能无法及时响应和调整,导致电机在某些情况下过热,影响其性能和寿命。
综上所述,现有技术中电动汽车电机冷却控制往往片面基于实时电机温度检测结果,存在电机冷却控制效果不佳,对于电机过热干预和电机器件保护有效性不足的技术问题。
发明内容
本申请提供了用于电动汽车的电机冷却控制方法及系统,用于针对解决现有技术中电动汽车电机冷却控制往往片面基于实时电机温度检测结果,存在电机冷却控制效果不佳,对于电机过热干预和电机器件保护有效性不足的技术问题。
鉴于上述问题,本申请提供了用于电动汽车的电机冷却控制方法及系统。
本申请的第一个方面,提供了用于电动汽车的电机冷却控制方法,所述方法包括:获取实时电机回路信息,所述实时电机回路信息是指所述目标电动汽车中目标电机的电机回路的动态信息;获取电机冷却控制触发条件,所述电机冷却控制触发条件由三个预定触发指标的三个预定指标阈值共同组成,当且仅当三个所述预定触发指标均达到对应的三个所述预定指标阈值时,实现对所述电机冷却控制触发条件的触发;将所述实时行驶状态信息与所述实时电机回路信息作为自变量,将三个所述预定触发指标依次作为因变量;基于对所述自变量与所述因变量进行相关性分析确定的目标因素在所述实时行驶状态信息与所述实时电机回路信息中遍历,得到目标因素特征信息;通过控制预测融合模型对所述目标因素特征信息进行预测分析,得到目标冷却控制决策;根据所述目标冷却控制决策对所述目标电机进行冷却控制执行。
本申请的第二个方面,提供了用于电动汽车的电机冷却控制系统,所述系统包括:行驶状态获得单元,用于获取实时行驶状态信息,所述实时行驶状态信息是指目标电动汽车的动态行驶信息;电机回路获得单元,用于获取实时电机回路信息,所述实时电机回路信息是指所述目标电动汽车中目标电机的电机回路的动态信息;触发条件获得单元,用于获取电机冷却控制触发条件,所述电机冷却控制触发条件由三个预定触发指标的三个预定指标阈值共同组成,当且仅当三个所述预定触发指标均达到对应的三个所述预定指标阈值时,实现对所述电机冷却控制触发条件的触发;信息关联整合单元,用于将所述实时行驶状态信息与所述实时电机回路信息作为自变量,将三个所述预定触发指标依次作为因变量;因素特征获得单元,用于基于对所述自变量与所述因变量进行相关性分析确定的目标因素在所述实时行驶状态信息与所述实时电机回路信息中遍历,得到目标因素特征信息;控制决策分析单元,用于通过控制预测融合模型对所述目标因素特征信息进行预测分析,得到目标冷却控制决策;冷却控制执行单元,用于根据所述目标冷却控制决策对所述目标电机进行冷却控制执行。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的方法通过获取实时行驶状态信息,所述实时行驶状态信息是指目标电动汽车的动态行驶信息;获取实时电机回路信息,所述实时电机回路信息是指所述目标电动汽车中目标电机的电机回路的动态信息;获取电机冷却控制触发条件,所述电机冷却控制触发条件由三个预定触发指标的三个预定指标阈值共同组成,当且仅当三个所述预定触发指标均达到对应的三个所述预定指标阈值时,实现对所述电机冷却控制触发条件的触发;将所述实时行驶状态信息与所述实时电机回路信息作为自变量,将三个所述预定触发指标依次作为因变量;基于对所述自变量与所述因变量进行相关性分析确定的目标因素在所述实时行驶状态信息与所述实时电机回路信息中遍历,得到目标因素特征信息;通过控制预测融合模型对所述目标因素特征信息进行预测分析,得到目标冷却控制决策;根据所述目标冷却控制决策对所述目标电机进行冷却控制执行。达到了根据电动汽车的运行参数进行电机温度预测以及基于预测结构科学化进行电机冷却控制,实现了提高电机冷却控制科学性,防止电机过热,保护电机安全运行和相关电子设备的技术效果。
附图说明
图1为本申请提供的用于电动汽车的电机冷却控制方法流程示意图;
图2为本申请提供的用于电动汽车的电机冷却控制方法中获取实时电机回路信息的流程示意图;
图3为本申请提供的用于电动汽车的电机冷却控制系统的结构示意图。
附图标记说明:行驶状态获得单元1,电机回路获得单元2,触发条件获得单元3,信息关联整合单元4,因素特征获得单元5,控制决策分析单元6,冷却控制执行单元7。
具体实施方式
本申请提供了用于电动汽车的电机冷却控制方法及系统,用于针对解决现有技术中电动汽车电机冷却控制往往片面基于实时电机温度检测结果,存在电机冷却控制效果不佳,对于电机过热干预和电机器件保护有效性不足的技术问题。达到了根据电动汽车的运行参数进行电机温度预测以及基于预测结构科学化进行电机冷却控制,实现了提高电机冷却控制科学性,防止电机过热,保护电机安全运行和相关电子设备的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示,本申请提供了用于电动汽车的电机冷却控制方法,所述方法包括:
A100:获取实时行驶状态信息,所述实时行驶状态信息是指目标电动汽车的动态行驶信息;
在一个实施例中,所述获取实时行驶状态信息,本申请提供的方法步骤A100还包括:
A110:组建状态评估指标集,所述状态评估指标集包括汽车载重、行驶速度;
A120:根据所述状态评估指标集动态监测得到所述目标电动汽车的载重时序、速度时序;
A130:基于所述载重时序和所述速度时序确定所述目标电动汽车的目标持续行驶时长;
A140:将所述载重时序、所述速度时序与所述目标持续行驶时长作为所述实时行驶状态信息。
具体而言,在本实施例中,预组建用于进行电动汽车状态评估的指标,所述指标具体包括表征汽车载物质量随时间变化的所述汽车载重(指标)以及用于表征汽车行驶速度随时间变化情况的所述行驶速度(指标)。
基于气压传感器可以通过测量车辆悬架上的气压变化来估算车辆的负载的功能特性,本实施例对所述目标电动汽车进行气压传感器布设,同时本实施例对所述目标电动汽车进行车载计速器布设以准确地测量车辆的实时速度。
进而,本实施例预设监测时长,以所述监测时长作为载重变化监测周期以及速度变化监测周期,根据所述状态评估指标集对目标电动车进行行驶状态下的动态监测得到所述目标电动汽车的载重时序、速度时序。
以所述速度时序为基准,筛选去除速度为0的时段的速度时序以及对应时段的载重时序,获得目标电动汽车处于行驶状态下时的速度时序以及载重时序,相应的所述目标持续行驶时长就是速度时序中速度数据不为0的时长。
本实施将所述载重时序、所述速度时序与所述目标持续行驶时长作为所述实时行驶状态信息,本实施例通过预设监测指标进而对目标电动汽车进行预定监测周期的监测,实现了获得进行电动汽车的电机状态分析提供基础数据的技术效果。
A200:获取实时电机回路信息,所述实时电机回路信息是指所述目标电动汽车中目标电机的电机回路的动态信息;
在一个实施例中,如图2所示,所述获取实时电机回路信息,本申请提供的方法步骤A200还包括:
A210:组建电机回路组件集,所述电机回路组件集包括水泵转速、风扇转速、散热器转速;
A220:根据所述电机回路组件集依次采集得到水泵转速数据、风扇转速数据和散热器转速数据;
A230:将所述水泵转速数据、所述风扇转速数据和所述散热器转速数据作为所述实时电机回路信息。
具体而言,在本实施例中,组建电机回路组件集的目的是将不同的回路组件整合在一起,以便能够同时监测和控制水泵、风扇和散热器,所述电机回路组件集中的设备即就是如上控制水泵、风扇和散热器,具体的监测指标包括水泵转速、风扇转速、散热器转速。
本实施例在步骤A100动态监测得到所述目标电动汽车的载重时序、速度时序的同时,同步根据所述电机回路组件集依次采集得到水泵转速数据、风扇转速数据和散热器转速数据,进而同样根据速度时序中速度数据为0的时段进行水泵转速数据、风扇转速数据和散热器转速数据的局部数据剔除,获得与步骤A100所获数据的时间同步的水泵转速数据、风扇转速数据和散热器转速数据。
本实施例将所述水泵转速数据、所述风扇转速数据和所述散热器转速数据作为所述实时电机回路信息,所述实时电机回路信息和所述实时行驶状态信息用于后续进行目标电动汽车的电机冷却控制分析。
A300:获取电机冷却控制触发条件,所述电机冷却控制触发条件由三个预定触发指标的三个预定指标阈值共同组成,当且仅当三个所述预定触发指标均达到对应的三个所述预定指标阈值时,实现对所述电机冷却控制触发条件的触发;
在一个实施例中,本申请提供的方法步骤A300还包括:
三个所述预定触发指标包括车载处理器温度、直流转换器温度和车载充电器温度,三个所述预定指标阈值包括车载处理器温度阈、直流转换器温度阈和车载充电器温度阈。
具体而言,应理解的,为了防止电动汽车电机过热,以保护电机和相关电子设备,在一定条件下进行电机冷却控制,具体电机冷却控制触发的指标(条件)是三个特定温度指标,分别是车载处理器温度、直流转换器温度和车载充电器温度。
当这三个指标的值都或超过它们各自的预定指标阈值时,电机冷却控制将会触发,以确保电机系统在安全的温度范围内运行。
上述三个所述预定触发指标的预定指标阈值分别为采用车载处理器温度阈、直流转换器温度阈和车载充电器温度阈表述。
示例性的,若所述车载处理器温度阈、直流转换器温度阈和车载充电器温度阈分别为75℃、45℃、60℃,则当且仅当车载处理器温度高于75℃的同时,直流转换器温度高于45℃的同时,车载充电器温度高于60℃,触发电机冷却控制。
A400:将所述实时行驶状态信息与所述实时电机回路信息作为自变量,将三个所述预定触发指标依次作为因变量;
具体而言,应理解的,三个所述预定触发指标的具体数值受制于汽车行驶状态和电机回路参数,因而在本实施例中,将所述实时行驶状态信息与所述实时电机回路信息作为自变量,将三个所述预定触发指标依次作为因变量,进而分析确定自变量变化导致因变量变化的具体变量关系。
A500:基于对所述自变量与所述因变量进行相关性分析确定的目标因素在所述实时行驶状态信息与所述实时电机回路信息中遍历,得到目标因素特征信息;
具体而言,在本实施例中,所述自变量具体包括汽车载重、行驶速度、水泵转速、风扇转速、散热器转速,本实施例采用控制变量法进行相关性分析,具体的控制如上五项数值中四项为定值,单一变化一个自变量,观察因变量中车载处理器温度、直流转换器温度和车载充电器温度的映射变化情况,确定哪些自变量变化引起哪些因变量的变化,以获得包括多组自变量-因变量的所述目标因素。
示例性的,某组自变量-因变量为(汽车载重、行驶速度、水泵转速)-车载处理器温度。
进而以所述目标因素为约束,进行所述实时行驶状态信息与所述实时电机回路信息的数据分组,以获得包括多组实时自变量数据的目标因素特征信息,应理解的,由于一个自变量可能引起不止一个因变量的数值变化,因而多组实时自变量数据中存在重复。
本实施例基于自变量因变量的相关性分析,进而根据分析结果进行数据分组,获得目标因素特征信息,为后续基于实时自变量数据推定实时性的车载处理器温度、直流转换器温度和车载充电器温度提供有效参考的技术效果。
A600:通过控制预测融合模型对所述目标因素特征信息进行预测分析,得到目标冷却控制决策;
在一个实施例中,所述控制预测融合模型包括三个预测通道,所述通过控制预测融合模型对所述目标因素特征信息进行预测分析,得到目标冷却控制决策,本申请提供的方法步骤A600还包括:
A610:获取三个所述预测通道中的第一预测通道;
A620:匹配所述第一预测通道的第一预定触发指标,所述第一预定触发指标是指三个所述预定触发指标中与所述第一预测通道对应的指标,且所述第一预定触发指标对应的第一预定触发指标阈存储于所述第一预测通道;
A630:所述第一预测通道对所述目标因素特征信息进行预测分析,得到第一预测结果;
A640:结合预定电机冷却控制决策库得到所述第一预测结果对应的第一冷却控制决策;
A650:根据所述第一冷却控制决策得到所述目标冷却控制决策。
在一个实施例中,所述结合预定电机冷却控制决策库得到所述第一预测结果对应的第一冷却控制决策,本申请提供的方法步骤A640还包括:
A641:所述预定电机冷却控制决策库包括多级别电机工况对应的多级别冷却控制方案;
A642:基于三个所述预定触发指标与三个所述预定指标阈值,分析得到所述第一预测结果对应的第一电机工况级别;
A643:在所述多级别冷却控制方案中匹配所述第一电机工况级别的第一冷却控制方案;
A644:将所述第一冷却控制方案作为所述第一冷却控制决策。
在一个实施例中,在所述结合预定电机冷却控制决策库得到所述第一预测结果对应的第一冷却控制决策之前,本申请提供的方法步骤A640还包括:
A640-1:所述多级别电机工况包括第一级别、第二级别、第三级别、第四级别、第五级别、第六级别;
A640-2:所述多级别冷却控制方案包括不启动冷却控制方案、启动冷却一级控制方案、启动冷却二级控制方案、启动冷却三级控制方案、启动冷却四级控制方案、启动冷却五级控制方案、启动冷却六级控制方案;
A640-3:其中,所述第一级别与所述不启动冷却控制方案具备第一对应关系,所述第二级别与所述启动冷却一级控制方案具备第二对应关系,所述第三级别与所述启动冷却二级控制方案具备第三对应关系,所述第四级别与所述启动冷却三级控制方案具备第四对应关系,所述第五级别与所述启动冷却四级控制方案具备第五对应关系,所述第六级别与所述启动冷却五级控制方案具备第六对应关系;
A640-4:所述第一对应关系、所述第二对应关系、所述第三对应关系、所述第四对应关系、所述第五对应关系、所述第六对应关系组建得到所述预定电机冷却控制决策库。
具体而言,在本实施例中,目标因素特征信息具体包括映射于车载处理器温度的第一组实时自变量数据、映射于直流转换器温度的第二组实时自变量数据以及映射于车载充电器温度第三组实时自变量数据。
本实施例预构建控制预测融合模型,所述控制预测融合模型包括三个预测通道,分别用于根据目标因素特征信息中的三组实时自变量数据预测确定实时性的车载处理器温度、直流转换器温度和车载充电器温度,进而确定用于进行目标电动汽车电机冷却控制的所述目标冷却控制决策。
由于每个预测通道基于对应的实时自变量数据组预测对应因变量实时温度值的方法具有一致性,本实施例以三个所述预测通道中的第一预测通道进行实时因变量预测的实现方法阐述。
所述第一预测通道为根据第一组实时自变量数据预测车载处理器温度的数据处理通道,基于因变量预测类型获得三个所述预定触发指标中与所述第一预测通道对应的车载处理器温度阈作为所述第一预定触发指标阈存储于所述第一预测通道。
基于CNN(卷积神经网络)构建所述第一预测通道,采集获得与所述目标电动汽车同型号的多个样本电动汽车的多组样本自变量数据-样本车载处理器温度,每组数据中的样本自变量数据的指标构成和第一组实时自变量数据的指标构成相一致。
将所述多组样本自变量数据-样本车载处理器温度按照18:1:1的数据量划分规则标识划分为训练集、测试集和验证集,基于训练集进行所述第一预测通道的数据分析训练,基于测试集进行第一预测通道的数据分析能力测试,基于验证集进行第一预测通道的数据分析准确度验证,直至第一预测通道基于样本自变量数据分析获得的预测车载处理器温度数据与样本车载温度数据的一致性稳定高于96%,认为第一预测通道可以基于自变量数据进行车载处理器温度的有效预测。
将所述目标因素特征信息中的第一组实时自变量数据同步至所述第一预测通道进行预测分析,得到第一预测结果,所述第一预测结果即就是第一预定触发指标(车载处理器温度)的预测温度值。
将所述第一预测结果与预先存储于所述第一预测通道所述第一预定触发指标阈进行数值比对,若第一预测结果的温度低于所述第一预定触发指标阈,则表明当前目标电动汽车的电机温度处于无需冷却控制状态,无需执行冷却控制。
反之,若第一预测结果的温度高于所述第一预定触发指标阈,则表明当前目标电动汽车的电机温度处于需要冷却控制状态。
本实施例执行冷却控制决策方案生成方法如下:
预构建预定电机冷却控制决策库,所述预定电机冷却控制决策库包括多级别电机工况对应的多级别冷却控制方案。
所述多级别电机工况包括第一级别、第二级别、第三级别、第四级别、第五级别、第六级别,每一级别工况对应一组车载处理器温度区间、直流转换器温度区间和车载充电器温度区间。
所述多级别冷却控制方案包括不启动冷却控制方案、启动冷却一级控制方案、启动冷却二级控制方案、启动冷却三级控制方案、启动冷却四级控制方案、启动冷却五级控制方案、启动冷却六级控制方案。所述第一级别与所述不启动冷却控制方案具备第一对应关系,所述第二级别与所述启动冷却一级控制方案具备第二对应关系,所述第三级别与所述启动冷却二级控制方案具备第三对应关系,所述第四级别与所述启动冷却三级控制方案具备第四对应关系,所述第五级别与所述启动冷却四级控制方案具备第五对应关系,所述第六级别与所述启动冷却五级控制方案具备第六对应关系。
示例性的,对应关系可如下:第一级别对应不启动冷却控制;第二级别对应启动冷却一级控制,冷却一级控制为自冷冷却;第三级别对于启动冷却二级控制,冷却二级控制为外部冷却;第四级别对应启动冷却三级控制,冷却三级控制为开路通风;第五级别对应启动冷却四级控制,冷却四级控制为表面冷却;第六级别对应启动冷却五级控制,冷却五级控制为循环冷却。
所述第一对应关系、所述第二对应关系、所述第三对应关系、所述第四对应关系、所述第五对应关系、所述第六对应关系组建得到所述预定电机冷却控制决策库。
采用第一预测结果遍历所述多级别电机工况中每一级别工况对应车载处理器温度区间,获得第一预测结果所处第一电机工况级别,进而获得第一电机工况级别对应的冷却控制作为所述第一预测结果对应的第一冷却控制方案,将所述第一冷却控制方案作为所述第一冷却控制决策。
采用相同方法,获得目标因素特征信息中第二组实时自变量数据对应的第二预测结果,进而在第二预测结果大于直流转换器温度阈时,在预定电机冷却控制决策库中获得第二冷却控制决策。
采用相同方法,获得目标因素特征信息中第三组实时自变量数据对应的第三预测结果,进而在第三预测结果大于车载充电器温度阈,在预定电机冷却控制决策库中获得第二冷却控制决策。
比对第一冷却控制决策、第二冷却控制决策和第三冷却控制决策,将最高级别的冷却控制决策作为最终进行目标电动汽车的电机冷却所使用的所述目标冷却控制决策。
本实施例通过构建多通道的控制预测融合模型,实现了在获得自变量实时数据时,同步获得因变量预测数据,达到了提高因变量温度数据预测效率的技术效果。
同时,本实施例预构建预定电机冷却控制决策库,实现了在获得自变量温度数据的条件下,快速获得科学性的冷却控制自决策方案的技术效果。
A700:根据所述目标冷却控制决策对所述目标电机进行冷却控制执行。
具体而言,在本实施例中,根据所述目标冷却控制决策对所述目标电机进行冷却控制执行,以使目标电动汽车的电机温度处于安全状态,从而防止电机过热,保护电机和相关电子设备。
本实施例达到了根据电动汽车的运行参数进行电机温度预测以及基于预测结构科学化进行电机冷却控制,实现了提高电机冷却控制科学性,防止电机过热,保护电机安全运行和相关电子设备的技术效果。
实施例二
基于与前述实施例中用于电动汽车的电机冷却控制方法相同的发明构思,如图3所示,本申请提供了用于电动汽车的电机冷却控制系统,其中,所述系统包括:
行驶状态获得单元1,用于获取实时行驶状态信息,所述实时行驶状态信息是指目标电动汽车的动态行驶信息;
电机回路获得单元2,用于获取实时电机回路信息,所述实时电机回路信息是指所述目标电动汽车中目标电机的电机回路的动态信息;
触发条件获得单元3,用于获取电机冷却控制触发条件,所述电机冷却控制触发条件由三个预定触发指标的三个预定指标阈值共同组成,当且仅当三个所述预定触发指标均达到对应的三个所述预定指标阈值时,实现对所述电机冷却控制触发条件的触发;
信息关联整合单元4,用于将所述实时行驶状态信息与所述实时电机回路信息作为自变量,将三个所述预定触发指标依次作为因变量;
因素特征获得单元5,用于基于对所述自变量与所述因变量进行相关性分析确定的目标因素在所述实时行驶状态信息与所述实时电机回路信息中遍历,得到目标因素特征信息;
控制决策分析单元6,用于通过控制预测融合模型对所述目标因素特征信息进行预测分析,得到目标冷却控制决策;
冷却控制执行单元7,用于根据所述目标冷却控制决策对所述目标电机进行冷却控制执行。
在一个实施例中,所述行驶状态获得单元1还包括:
组建状态评估指标集,所述状态评估指标集包括汽车载重、行驶速度;
根据所述状态评估指标集动态监测得到所述目标电动汽车的载重时序、速度时序;
基于所述载重时序和所述速度时序确定所述目标电动汽车的目标持续行驶时长;
将所述载重时序、所述速度时序与所述目标持续行驶时长作为所述实时行驶状态信息。
在一个实施例中,所述电机回路获得单元2还包括:
组建电机回路组件集,所述电机回路组件集包括水泵转速、风扇转速、散热器转速;
根据所述电机回路组件集依次采集得到水泵转速数据、风扇转速数据和散热器转速数据;
将所述水泵转速数据、所述风扇转速数据和所述散热器转速数据作为所述实时电机回路信息。
在一个实施例中,所述控制决策分析单元6还包括:
获取三个所述预测通道中的第一预测通道;
匹配所述第一预测通道的第一预定触发指标,所述第一预定触发指标是指三个所述预定触发指标中与所述第一预测通道对应的指标,且所述第一预定触发指标对应的第一预定触发指标阈存储于所述第一预测通道;
所述第一预测通道对所述目标因素特征信息进行预测分析,得到第一预测结果;
结合预定电机冷却控制决策库得到所述第一预测结果对应的第一冷却控制决策;
根据所述第一冷却控制决策得到所述目标冷却控制决策。
在一个实施例中,所述触发条件获得单元3还包括,三个所述预定触发指标包括车载处理器温度、直流转换器温度和车载充电器温度,三个所述预定指标阈值包括车载处理器温度阈、直流转换器温度阈和车载充电器温度阈。
在一个实施例中,所述控制决策分析单元6还包括:
所述预定电机冷却控制决策库包括多级别电机工况对应的多级别冷却控制方案;
基于三个所述预定触发指标与三个所述预定指标阈值,分析得到所述第一预测结果对应的第一电机工况级别;
在所述多级别冷却控制方案中匹配所述第一电机工况级别的第一冷却控制方案;
将所述第一冷却控制方案作为所述第一冷却控制决策。
在一个实施例中,所述控制决策分析单元6还包括:
所述多级别电机工况包括第一级别、第二级别、第三级别、第四级别、第五级别、第六级别;
所述多级别冷却控制方案包括不启动冷却控制方案、启动冷却一级控制方案、启动冷却二级控制方案、启动冷却三级控制方案、启动冷却四级控制方案、启动冷却五级控制方案、启动冷却六级控制方案;
其中,所述第一级别与所述不启动冷却控制方案具备第一对应关系,所述第二级别与所述启动冷却一级控制方案具备第二对应关系,所述第三级别与所述启动冷却二级控制方案具备第三对应关系,所述第四级别与所述启动冷却三级控制方案具备第四对应关系,所述第五级别与所述启动冷却四级控制方案具备第五对应关系,所述第六级别与所述启动冷却五级控制方案具备第六对应关系;
所述第一对应关系、所述第二对应关系、所述第三对应关系、所述第四对应关系、所述第五对应关系、所述第六对应关系组建得到所述预定电机冷却控制决策库。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中,通过各种不限类型的计算机处理器识别计算机指令或程序,进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例,本技术领域的技术人员在不脱离本发明原理的前提下,对本发明所作的任何改进和修饰,皆应落入本发明的专利保护范围。
Claims (8)
1.用于电动汽车的电机冷却控制方法,其特征在于,包括:
获取实时行驶状态信息,所述实时行驶状态信息是指目标电动汽车的动态行驶信息;
获取实时电机回路信息,所述实时电机回路信息是指所述目标电动汽车中目标电机的电机回路的动态信息;
获取电机冷却控制触发条件,所述电机冷却控制触发条件由三个预定触发指标的三个预定指标阈值共同组成,当且仅当三个所述预定触发指标均达到对应的三个所述预定指标阈值时,实现对所述电机冷却控制触发条件的触发;
将所述实时行驶状态信息与所述实时电机回路信息作为自变量,将三个所述预定触发指标依次作为因变量;
基于对所述自变量与所述因变量进行相关性分析确定的目标因素在所述实时行驶状态信息与所述实时电机回路信息中遍历,得到目标因素特征信息;
通过控制预测融合模型对所述目标因素特征信息进行预测分析,得到目标冷却控制决策;
根据所述目标冷却控制决策对所述目标电机进行冷却控制执行。
2.根据权利要求1所述方法,其特征在于,所述获取实时行驶状态信息,包括:
组建状态评估指标集,所述状态评估指标集包括汽车载重、行驶速度;
根据所述状态评估指标集动态监测得到所述目标电动汽车的载重时序、速度时序;
基于所述载重时序和所述速度时序确定所述目标电动汽车的目标持续行驶时长;
将所述载重时序、所述速度时序与所述目标持续行驶时长作为所述实时行驶状态信息。
3.根据权利要求1所述方法,其特征在于,所述获取实时电机回路信息,包括:
组建电机回路组件集,所述电机回路组件集包括水泵转速、风扇转速、散热器转速;
根据所述电机回路组件集依次采集得到水泵转速数据、风扇转速数据和散热器转速数据;
将所述水泵转速数据、所述风扇转速数据和所述散热器转速数据作为所述实时电机回路信息。
4.根据权利要求1所述方法,其特征在于,所述控制预测融合模型包括三个预测通道,所述通过控制预测融合模型对所述目标因素特征信息进行预测分析,得到目标冷却控制决策,包括:
获取三个所述预测通道中的第一预测通道;
匹配所述第一预测通道的第一预定触发指标,所述第一预定触发指标是指三个所述预定触发指标中与所述第一预测通道对应的指标,且所述第一预定触发指标对应的第一预定触发指标阈存储于所述第一预测通道;
所述第一预测通道对所述目标因素特征信息进行预测分析,得到第一预测结果;
结合预定电机冷却控制决策库得到所述第一预测结果对应的第一冷却控制决策;
根据所述第一冷却控制决策得到所述目标冷却控制决策。
5.根据权利要求4所述方法,其特征在于,三个所述预定触发指标包括车载处理器温度、直流转换器温度和车载充电器温度,三个所述预定指标阈值包括车载处理器温度阈、直流转换器温度阈和车载充电器温度阈。
6.根据权利要求5所述方法,其特征在于,所述结合预定电机冷却控制决策库得到所述第一预测结果对应的第一冷却控制决策,包括:
所述预定电机冷却控制决策库包括多级别电机工况对应的多级别冷却控制方案;
基于三个所述预定触发指标与三个所述预定指标阈值,分析得到所述第一预测结果对应的第一电机工况级别;
在所述多级别冷却控制方案中匹配所述第一电机工况级别的第一冷却控制方案;
将所述第一冷却控制方案作为所述第一冷却控制决策。
7.根据权利要求6所述方法,其特征在于,在所述结合预定电机冷却控制决策库得到所述第一预测结果对应的第一冷却控制决策之前,包括:
所述多级别电机工况包括第一级别、第二级别、第三级别、第四级别、第五级别、第六级别;
所述多级别冷却控制方案包括不启动冷却控制方案、启动冷却一级控制方案、启动冷却二级控制方案、启动冷却三级控制方案、启动冷却四级控制方案、启动冷却五级控制方案、启动冷却六级控制方案;
其中,所述第一级别与所述不启动冷却控制方案具备第一对应关系,所述第二级别与所述启动冷却一级控制方案具备第二对应关系,所述第三级别与所述启动冷却二级控制方案具备第三对应关系,所述第四级别与所述启动冷却三级控制方案具备第四对应关系,所述第五级别与所述启动冷却四级控制方案具备第五对应关系,所述第六级别与所述启动冷却五级控制方案具备第六对应关系;
所述第一对应关系、所述第二对应关系、所述第三对应关系、所述第四对应关系、所述第五对应关系、所述第六对应关系组建得到所述预定电机冷却控制决策库。
8.用于电动汽车的电机冷却控制系统,其特征在于,所述系统包括:
行驶状态获得单元,用于获取实时行驶状态信息,所述实时行驶状态信息是指目标电动汽车的动态行驶信息;
电机回路获得单元,用于获取实时电机回路信息,所述实时电机回路信息是指所述目标电动汽车中目标电机的电机回路的动态信息;
触发条件获得单元,用于获取电机冷却控制触发条件,所述电机冷却控制触发条件由三个预定触发指标的三个预定指标阈值共同组成,当且仅当三个所述预定触发指标均达到对应的三个所述预定指标阈值时,实现对所述电机冷却控制触发条件的触发;
信息关联整合单元,用于将所述实时行驶状态信息与所述实时电机回路信息作为自变量,将三个所述预定触发指标依次作为因变量;
因素特征获得单元,用于基于对所述自变量与所述因变量进行相关性分析确定的目标因素在所述实时行驶状态信息与所述实时电机回路信息中遍历,得到目标因素特征信息;
控制决策分析单元,用于通过控制预测融合模型对所述目标因素特征信息进行预测分析,得到目标冷却控制决策;
冷却控制执行单元,用于根据所述目标冷却控制决策对所述目标电机进行冷却控制执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311749877.6A CN117439498B (zh) | 2023-12-19 | 2023-12-19 | 用于电动汽车的电机冷却控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311749877.6A CN117439498B (zh) | 2023-12-19 | 2023-12-19 | 用于电动汽车的电机冷却控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117439498A true CN117439498A (zh) | 2024-01-23 |
CN117439498B CN117439498B (zh) | 2024-03-15 |
Family
ID=89546515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311749877.6A Active CN117439498B (zh) | 2023-12-19 | 2023-12-19 | 用于电动汽车的电机冷却控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117439498B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090107755A1 (en) * | 2007-10-26 | 2009-04-30 | Gm Global Technology Operations, Inc. | Method and apparatus to control motor cooling in an electro-mechanical transmission |
JP2018125945A (ja) * | 2017-01-31 | 2018-08-09 | 東芝三菱電機産業システム株式会社 | 電動機可変速駆動装置用冷却システム |
CN110995118A (zh) * | 2019-12-09 | 2020-04-10 | 绍兴市上虞区理工高等研究院 | 一种永磁电机的散热功率调节方法、装置及系统 |
CN111959253A (zh) * | 2020-07-15 | 2020-11-20 | 北汽福田汽车股份有限公司 | 冷却控制方法及系统,电动汽车 |
CN112311301A (zh) * | 2019-07-31 | 2021-02-02 | 郑州宇通客车股份有限公司 | 一种基于道路工况的电机冷却控制方法及介质 |
CN113369979A (zh) * | 2021-06-12 | 2021-09-10 | 杭州职业技术学院 | 一种基于云计算的在线监测数控车床冷却系统 |
US20210370799A1 (en) * | 2020-02-18 | 2021-12-02 | Huawei Technologies Co., Ltd. | Vehicle thermal management system and method |
CN116581935A (zh) * | 2023-05-11 | 2023-08-11 | 太仓市凯福士机械有限公司 | 水冷电机壳散热自适应控制方法、系统、装置及介质 |
CN117141315A (zh) * | 2023-09-15 | 2023-12-01 | 中国第一汽车股份有限公司 | 车辆中电池的冷却方法、装置、处理器和车辆 |
-
2023
- 2023-12-19 CN CN202311749877.6A patent/CN117439498B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090107755A1 (en) * | 2007-10-26 | 2009-04-30 | Gm Global Technology Operations, Inc. | Method and apparatus to control motor cooling in an electro-mechanical transmission |
JP2018125945A (ja) * | 2017-01-31 | 2018-08-09 | 東芝三菱電機産業システム株式会社 | 電動機可変速駆動装置用冷却システム |
CN112311301A (zh) * | 2019-07-31 | 2021-02-02 | 郑州宇通客车股份有限公司 | 一种基于道路工况的电机冷却控制方法及介质 |
CN110995118A (zh) * | 2019-12-09 | 2020-04-10 | 绍兴市上虞区理工高等研究院 | 一种永磁电机的散热功率调节方法、装置及系统 |
US20210370799A1 (en) * | 2020-02-18 | 2021-12-02 | Huawei Technologies Co., Ltd. | Vehicle thermal management system and method |
CN111959253A (zh) * | 2020-07-15 | 2020-11-20 | 北汽福田汽车股份有限公司 | 冷却控制方法及系统,电动汽车 |
CN113369979A (zh) * | 2021-06-12 | 2021-09-10 | 杭州职业技术学院 | 一种基于云计算的在线监测数控车床冷却系统 |
CN116581935A (zh) * | 2023-05-11 | 2023-08-11 | 太仓市凯福士机械有限公司 | 水冷电机壳散热自适应控制方法、系统、装置及介质 |
CN117141315A (zh) * | 2023-09-15 | 2023-12-01 | 中国第一汽车股份有限公司 | 车辆中电池的冷却方法、装置、处理器和车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN117439498B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20130297141A1 (en) | Apparatus and method for monitoring abnormal state of vehicle using clustering technique | |
CN111823952B (zh) | 电芯温度的诊断方法、存储介质和电子设备 | |
CN107429685A (zh) | 泵监视设备和方法 | |
CN111999656B (zh) | 车辆电池内短路的检测方法、检测装置和电子设备 | |
CN110356245B (zh) | 一种电机过温保护方法及装置 | |
US11619917B2 (en) | Motor vehicle cooling control system and method | |
DE102013216922A1 (de) | Thermisches Batteriesystem und Diagnoseverfahren | |
DE102013212593A1 (de) | Vorrichtung und Verfahren zur Überwachung von Feuchte in einem elektrischen System, Batteriegehäuse und Batteriesystem | |
CN112487031A (zh) | 单体电池故障检测方法、装置、可读存储介质及电子设备 | |
CN117439498B (zh) | 用于电动汽车的电机冷却控制方法及系统 | |
CN114742157A (zh) | 车辆健康状态确定方法、装置、设备、存储介质 | |
CN112924887A (zh) | 电池包健康检测方法、装置、可读存储介质及电子设备 | |
CN113884884B (zh) | 一种基于相关性的动力电池组故障诊断方法及系统 | |
CN111950822B (zh) | 交通工具牵引变压器冷却系统的性能检测方法及装置、存储介质、终端 | |
CN113685259B (zh) | 一种发动机节温器故障判断方法、装置以及设备 | |
CN109094489B (zh) | 用于运行车载电网的方法 | |
CN113581015B (zh) | 燃料电池系统的安全预警方法及装置 | |
CN112995061B (zh) | 车辆数据传输方法、装置、系统及存储介质 | |
CN113581014A (zh) | 自适应电池工况冷策略方法、装置、设备及可读存储介质 | |
US20180001783A1 (en) | Method for setting an operating parameter of batteries | |
CN111319600A (zh) | 制动效能的检测方法、装置及汽车 | |
CN113874871A (zh) | 用于监控基础设施的方法 | |
CN109658541B (zh) | 一种机车空闲能耗监控方法及装置 | |
DE102010038017A1 (de) | Verfahren zur Bestimmung des maximal möglichen Stromflusses einer Batterie durch ein Steuergerät sowie Steuergerät | |
CN118091269A (zh) | 评估车辆中安装的电连接的老化的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |