摘 要

本文主要研究了国内外对于电机内部温升研究方法；永磁电机在某一固定运行状态时温升预测方法，包括数学模型与BP神经网络；电动汽车的动力系统及其调速原理与永磁电机常用调速方法；电动汽车用永磁电机内部温升在线预测模型。论文重点讨论了BP神经网络算法的基本原理、MATLAB实现、参数选择以及算法不足之处，编写了求最优均方误差的程序，克服了BP网络的缺点。

研究结果表明BP神经网络算法相较于其他预测方法，包括有限元法、等效网络法等，具有非常高的预测精度；证明了电机内部是由无数热源组成这一猜想，某一固定状态下的温升曲线是由无数指数曲线叠加而成；证实了贝叶斯网络对BP网络具有较大的改进性。

论文的特色在于用实验结果证明了我们的数学模型与BP网络算法，具有较强的说服力；提出了在温升预测方面将贝叶斯网络的贝叶斯归一化方法与BP网络相结合的理论，前人一般运用Levenberg-Marquardt法；论文最后提出了电机内部温升实时预测模型，该方面前人没有涉及，这对下一阶段研究电机温升具有一定的借鉴意义。

关键词：永磁电机；温升预测；算法；贝叶斯网络

Abstract

In this paper, we mainly study at home and abroad for motor internal temperature rise of method; permanent magnet motor in a fixed operating state temperature prediction method, including the mathematical model and Back Propagation neural network; power system of electric vehicle, control principle and the permanent magnet motor with commonly used control methods; electric cars with permanent magnet motor internal temperature rise of online prediction model. This paper focuses on the basic principle of Back Propagation neural network algorithm, MATLAB implementation, parameter selection and algorithm deficiencies, the preparation of the optimal mean square error of the program, to overcome the shortcomings of the Back Propagation network.

Research results show that Back Propagation neural network algorithm compared with other prediction methods, including finite element method, the equivalent network method, has very high prediction accuracy; demonstrate that the internal motor is composed of this conjecture by numerous heat source, temperature curves of a fixed state is composed of numerous refers to the number of curve superposition; confirm that the Bayesian network of Back Propagation network has greatly improved.

The characteristic is that experimental results show that our mathematical model and BP network algorithm, with a strong persuasive; put forward in the prediction of temperature rise will combining Bayesian networks Bayesian normalization method and neural network theory, the former generally using the Levenberg-Marquardt method. Finally, the paper puts forward the motor temperature rise within the real-time prediction model, the predecessors had not involved, which for the next stage of motor temperature rise has certain reference significance.

Key words: permanent magnet motor; temperature rise prediction; algorithm; Bayesian network

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究目的及意义 1

1.2 国内外研究现状 2

1.3 论文主要研究工作 3

第2章 温升曲线预测数学模型 4

2.1 一阶模型-假设电机为一个等温发热体 4

2.2 二阶模型-假设电机为两个等温发热体 5

2.3 一阶、二阶数学模型的验证 7

2.3.1 一阶数学模型验证 7

2.3.2 二阶数学模型的验证 10

第3章 电动汽车及其永磁同步电机模型 14

3.1 电动汽车动力系统结构 14

3.2 电动汽车速度调节模型 14

3.3 永磁同步电机调速 15

3.3.1 变频调速 15

3.3.2 矢量控制-电流控制调速 15

3.3.3 弱磁扩速 16

3.4小结 16

第4章 BP神经网络算法的实现 18

4.1 BP神经网络基本理论 18

4.1.1 BP网络结构 18

4.1.2 BP网络学习规则 18

4.2 BP网络的MATLAB实现 20

4.2.1 BP网络编程基础 20

4.2.2 BP网络中训练函数 20

4.3 BP网络中参数选择 21

4.3.1 训练函数的选择 22

4.3.2 隐含层层数的选择 24

4.3.3 其它参数的选择 26

4.4 BP网络的限制与不足 26

4.4.1 局部与全局优化 26

4.4.2 训练时间 27

4.4.3 过拟合问题 27

第5章 永磁同步电动机温升在线预测模型 28

5.1 实验数据来源 28

5.2 某一稳定运行状态下温升预测 30

5.3 各方法所得误差值比较 33

5.4 永磁同步电机温升在线预测模型 34

结 语 39

参考文献 40

附件A 各温升曲线实验数据 42

附件B 电机某一稳定运行状态下温升预测程序 47

致 谢 48

第1章 绪论

1.1 研究目的及意义

随着经济的飞速发展，汽车走进了千家万户。与此同时，能源与环境问题对社会的影响，逐渐引起了人们的广泛关注。为了解决能源与环境问题，许多专家与学者将注意力转向新能源与减少温室气体与一氧化氮等有害气体的排放。中国作为汽车使用的大国，为响应联合国提出的能源与环境保护战略，解决我国在交通领域所产生的雾霾与温室气体等，国务院在“十二五”期间制定了节能减排的措施。为响应国务院的号召，工信部、科技部等多部部门共同拟定了《节能与新能源汽车产业规划》，鼓励与支持发展新能源汽车。新能源汽车主要包括电动汽车、燃料电池汽车、超级电容汽车等，电动汽车是目前技术最为成熟、应用最为广泛的新能源汽车^[1]。因此我们可以看出，研究电动汽车具有非凡的意义。电动汽车与普通汽车之间的差异主要体现在蓄电池、电动机以及电控制系统等方面。本文选择电动汽车所用电动机作为研究目标。