基于机器学习与双卡尔曼滤波的驱动电机温度估计方法

本发明公开了基于机器学习与双卡尔曼滤波的驱动电机温度估计方法，涉及电机温度监测与控制技术领域。本发明包括：构建有限元仿真模型，通过有限元仿真采集多工况下的电机损耗数据与温度响应数据，并通过物理信息机器学习方法构建离线参数数据库；基于离线参数数据库，构建二阶集总参数热网络模型，并将二阶集总参数热网络模型转化为线性参数变化状态空间模型。本发明通过LPV模型实时切换参数，并结合双卡尔曼滤波器动态修正模型误差，克服温度、转速引起的参数漂移，解决了传统转子温度估计方法在电动汽车宽范围复杂运行条件下，因建模误差、热参数时变等原因，导致离线建模的开环估计器精度不足，无法实现全工况下准确实时估计的问题。