発明の詳細な説明【技術分野】 【０００１】 本発明は、回転電機システムの温度に対する状態量の寄与度を解析する温度予測解析装置及びそれを用いた回転電機システムに関する。 続きを表示（約 1,500 文字）【背景技術】 【０００２】 回転電機を構成するステータ及びロータの温度が限界温度を超えた状態において運転を続けるとロータコア永久磁石の減磁が生じて出力トルクが低下するおそれがあり、回転電機の温度を適切に制御することが必要である。モータ内部の各部位の温度に対する電圧、電流、冷却用流体の温度等の寄与度を求める技術が開示されている（非特許文献１）。 【先行技術文献】 【非特許文献】 【０００３】 Wilhelm Kirchgassner, Oliver Wallscheid and Joachim Bocker，“Estimating Electric Motor Temperatures With Deep Residual Machine Learning”，IEEE Transactions on Power Electronics, Vol. 36, Issue 7, July 2021. 【発明の概要】 【発明が解決しようとする課題】 【０００４】 しかしながら、従来技術では、解析結果がモータ内部の各部位ごとに独立して求められており、各部位同士の空間的な位置関係が考慮されていない。また、解析対象とした部位から外れた部位や領域への影響度合いや信頼度も求められない。 【課題を解決するための手段】 【０００５】 本発明の１つの態様は、回転電機を含む電動駆動系の温度予測解析装置であって、機械学習を適用して学習された寄与度説明モデルであって、前記電動駆動系の運転時における状態量を入力データとして前記電動駆動系の各部位の温度を予測する温度予測モデルについて、前記温度予測モデルから出力される前記電動駆動系の各部位の温度に対する前記入力データの寄与度を出力する前記寄与度説明モデル、を用いて、前記温度予測モデルから出力される前記電動駆動系の各部位の温度に対する前記入力データの寄与度を出力することを特徴とする温度予測解析装置である。 【０００６】 ここで、前記寄与度説明モデルは、前記入力データと、前記入力データを前記温度予測モデルに入力したときに前記温度予測モデルから出力される前記電動駆動系の各部位の温度と、を組み合わせた教師付学習データを用いて、当該入力データを入力したときに前記温度予測モデルから出力される前記電動駆動系の各部位の温度への当該入力データの寄与度を出力するように機械学習されていることが好適である。 【０００７】 また、前記状態量は、冷却流体が供給される場所、冷却流体の流量、冷却流体の温度の少なくとも１つを含むことが好適である。 【０００８】 また、前記寄与度説明モデルから出力された前記電動駆動系の各部位の温度への当該入力データの寄与度を入力データとして前記電動駆動系の任意の部位の温度に対する前記入力データの寄与度を出力するように回帰分析を行い、前記温度予測モデルから出力される前記電動駆動系の任意の部位の温度に対する前記入力データの寄与度を出力することが好適である。 【０００９】 また、前記回帰分析は、ガウス過程回帰分析を適用することが好適である。 【００１０】 また、前記回帰分析は、前記温度予測モデルから出力される前記電動駆動系の任意の部位の温度に対する前記入力データの寄与度の信頼度を示す情報を出力するように分析を行い、前記信頼度を示す情報を出力することが好適である。 （【００１１】以降は省略されています） この特許をJ-PlatPatで参照する
特許ウォッチ
