基于神经网络的船舶电机温升预测与热风险评估OA

本文基于反向传播(Back Propagation,BP)神经网络,提出了一种船舶永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)的温升预测与热风险评估方法。依托Motor-CAD热仿真平台,构建了涵盖不同转速、电流、直流母线电压及冷却条件扰动的多工况稳态温升数据集。结合绕组最高温度和永磁体温度,建立了基于BP神经网络的多分类热风险等级评估模型,并进一步构建绕组最高温度的回归预测模型。测试结果表明,所建立的分类模型在测试集上的平均准确率为86.56%,高风险等级(Class 2)的召回率达到0.867;回归模型的平均绝对误差(MAE)为4.85℃,均方根误差(RMSE)为5.88℃,最大误差(MaxE)为13.48℃。所提出的方法可为船舶永磁同步电机的热安全评估与运行状态监测提供参考。