高密度永磁同步电机定子温度监测技术综述:方法比较与前沿展望

《CES Transactions on Electrical Machines and Systems》:A Review of Research Methods for Stator Temperature Monitoring in PMSM

【字体: 大 中 小 】 时间:2026年01月04日 来源:CES Transactions on Electrical Machines and Systems 2.6

编辑推荐:

  本文针对高密度永磁同步电机(PMSM)在复杂工况下易过热导致定子绝缘老化的问题,系统综述了基于传感器、热模型、电模型和数据驱动算法的定子绕组温度监测与估计技术,对比了各类方法的优缺点,并展望了多技术融合、轻量化模型等未来发展方向,为提升电机运行可靠性提供了重要技术参考。

  
随着“双碳”目标的推进,高密度永磁同步电机(Permanent Magnet Synchronous Motor, PMSM)作为电动汽车驱动系统的核心部件,其装机容量占比在2021年已达到94.4%。然而,在高速、高负载等复杂工况下,电机易出现局部过热,导致定子绕组绝缘加速老化。研究表明,定子绕组工作温度每超过绝缘等级限值10°C,其绝缘寿命将缩减约50%。因此,实现定子温度的准确监测与估计,对保障电机安全运行、延长使用寿命具有至关重要的意义。
本文发表于《CES Transactions on Electrical Machines and Systems》,系统梳理了现有PMSM定子温度监测技术,涵盖传感器直接测量、热模型估计、电模型估计及数据驱动算法四大类方法,并深入分析了各类技术的适用场景、精度瓶颈与发展趋势。
研究人员在综述中重点采用了四类关键技术路径:一是基于接触式(如热电偶、PT100、光纤光栅FBG)与非接触式(如红外热成像)传感器的直接监测法;二是基于有限元分析(FEA)、计算流体动力学(CFD)及其耦合仿真的热场建模方法;三是基于集总参数热网络(Lumped Parameter Thermal Network, LPTN)的白盒、灰盒等简化模型;四是通过机器学习(如随机森林RF、多层感知机MLP)和数据融合算法实现温度预测。此外,还分析了基于电模型的非侵入式观测器与信号注入法在电阻-温度转换中的应用。

传感器基定子绕组温度监测方法

该方法通过热电偶、热电阻等接触式传感器或红外热像仪等非接触设备直接测量温度,精度高但易受电磁干扰且安装复杂。例如,光纤光栅(FBG)传感器虽抗干扰强,但成本较高且维护复杂。

基于热模型的定子绕组温度估计方法

热模型法主要包括FEA/CFD耦合仿真与LPTN两类。FEA/CFD通过三维场计算能精确获取温度分布,但计算资源消耗大,难以实时应用。LPTN将电机结构简化为热节点网络,其中白盒模型(节点数>15)适用于设计阶段,而灰盒模型(节点数5–15)或深灰盒模型(节点数≤5)更适于嵌入式在线监测。例如,5节点LPTN模型结合粒子群优化(PSO)算法可实现误差≤3°C的温度估计,但难以捕捉局部热点。

基于电模型的温度估计方法

该方法通过跟踪定子电阻(铜绕组电阻与温度呈线性关系)间接推导温度。非侵入式观测器(如模型参考自适应系统MRAS、卡尔曼滤波器)依赖电机数学模型,但在低速工况下因反电动势微弱而精度下降;侵入式信号注入法(如直流注入)通过外加信号提取电阻值,可能引入额外损耗或转矩脉动。

基于数据驱动算法的温度估计方法

此类方法利用电机运行数据(电流、转速、冷却液温度等)训练机器学习模型(如极端随机树ET、支持向量回归SVR),实现温度预测。例如,双通道多尺度卷积神经网络(MCNN)可动态估计温度,但模型依赖大量标注数据且计算成本高。结合LPTN与数据驱动的热神经网络(TNN)能提升参数识别精度。

结论与展望

本文指出,现有温度监测技术均存在局限:传感器法受安装与干扰限制;FEA/CFD计算效率低;LPTN参数易受工况影响;电模型法精度受逆变器非线性制约;数据驱动算法泛化能力不足。未来研究应聚焦多技术融合(如传感器校准数据驱动模型)、轻量化在线学习算法、二维/三维热网络拓展,以及信号注入策略优化,以实现高精度、全工况覆盖的定子温度智能监测体系,为高密度电机可靠性提升提供支撑。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号