摘要
本申请涉及一种电机定子温度预测模型训练方法和电机定子温度预测方法。训练方法包括:获取初始数据集,其包括:作为因变量的电机定子温度以及作为自变量的驱动电机运行数据、发电机运行数据、整车控制器监管数据和电池管理系统监管数据;根据每个自变量与因变量的线性相关性和非线性相关性确定综合相关性得分,根据各综合相关性得分对初始数据集筛选,得到预筛选数据集;确定每个自变量的重要性得分,根据各重要性得分对预筛选数据集筛选,得到目标数据集;按照目标数据集中的数据类型构建训练数据集和测试数据集,根据训练数据集和测试数据集对初始模型迭代训练和测试,得到电机定子温度预测模型。采用本方法能够提高预测精准度。
技术关键词
温度预测模型
电机定子
梯度提升树
发电机运行数据
温度预测方法
电池管理系统
发动机冷却液温度
整车控制器
车辆行驶里程
皮尔逊相关系数
温度预测系统
非线性
电池包
超参数
误差
润滑油
系统为您推荐了相关专利信息
退磁故障
故障诊断方法
卷积长短期记忆
同步电机定子
时域特征提取
晕动病
CatBoost算法
蛋白质组学分析方法
Adaboost算法
XGBoost算法
扬声器音圈
温度控制方法
温度预测模型
音频模组
功率值
电池温度预测方法
多模型
LSTM模型
数据驱动模型
温度预测模型
循环包装箱
定位胶膜
数据传输系统
风险评估模型
多标签防碰撞