一种传动系统关键节点温度快速计算方法及系统

本发明涉及装备传动系统状态监测与热管理，特别是涉及一种传动系统关键节点温度快速计算方法及系统。

背景技术：

1、传动装置是高端装备制造、新能源汽车与智能制造领域的核心动力总成，契合国家高精尖产业规划重点发展方向，对推动装备制造业智能化升级具有关键意义。机电复合传动系统高度集成发电机、驱动电机、多档位齿轮传动及液压控制单元，工况动态多变，呈现多源强发热、多路径耦合传热特征；在高转速、大扭矩、变流量等极端工况下，关键部件瞬态温度剧烈波动，易引发热变形、密封失效与绝缘老化，直接制约系统可靠性、安全性与服役寿命。因此，快速、精准获取系统关键部件瞬态温度场，是实现热-电-机一体化智能管控、保障极端工况安全运行及支撑装备长寿命高可靠运行的核心技术瓶颈。

2、目前，传动装置的瞬态温度计算主要基于有限元方法、热网络法与神经网络法等。其中有限元方法精度高，但建模与计算复杂度较高，所需的计算资源与求解时间均较长，难以实现传动系统内各部件温度的快速计算。热网络法基于传热学机理，将系统离散为节点与热阻网络，通过求解常微分方程组获得温度分布，具有物理可解释性强、建模逻辑清晰的优点。但传统热网络模型中的热阻参数通常被设为静态常数，难以反映实际运行中转速、扭矩、流量等瞬态工况下剧烈变化带来的热阻动态波动。此外，机电复合传动系统零部件众多，对应的热网络节点较多，构建的热网络矩阵方程组极其庞大，差分方程数值积分迭代的求解方式耗时长，导致出现温度计算复杂度高，实时性差的问题。

3、近年来，神经网络等数据驱动方法被用于温度预测。该类方法具备强大的非线性拟合能力，可直接从数据中学习工况到温度的映射关系，能显著提高计算速度，但普通神经网络计算结果主要依赖训练样本分布，缺乏物理机理约束，当训练数据覆盖不足或实际工况发生漂移时，模型预测结果容易偏离热平衡规律，存在可解释性不足和工程可靠性不高的问题。部分方法尝试将物理方程引入神经网络训练过程，但仍存在两个不足：一是未充分考虑机电复合传动系统中不同传热路径热阻随工况变化的动态特性；二是在线运行过程中一旦预测误差增大，通常需要重新训练或大规模更新模型，计算负荷较高，不利于工程实时部署。

4、为解决瞬态工况下传动系统温度计算工况适应性差及快速求解效率低的问题，亟须一种融合多层级集总参数热网络与物理约束神经网络的机电复合传动系统关键部件温度快速计算方法及系统。

技术实现思路

1、本发明的目的是提供一种传动系统关键节点温度快速计算方法及系统，实现复杂瞬态工况下温度的快速、准确计算。

2、为实现上述目的，本发明提供了如下方案：

3、一种传动系统关键节点温度快速计算方法，包括：

4、对机电复合传动系统进行系统级、部件级和热源微节点级划分，建立多层级集总参数热网络模型；

5、对所述多层级集总参数热网络模型中热阻进行工况自适应修正，获取修正后热阻参数；

6、根据所述修正后热阻参数，运行所述多层级集总参数热网络模型对关键节点温度进行求解，获取关键节点处的温度；

7、根据机电复合传动系统工况数据和所述关键节点处的温度建立数据集，并训练温度快速计算代理模型，其中，所述温度快速计算代理模型包括稳态分支和瞬态分支，所述稳态分支采用多层前馈神经网络结构，并进行离线训练，建立机电复合传动系统运行工况与关键节点稳态温度之间的非线性映射关系，所述瞬态分支采用一维因果空洞卷积网络，并通过无温度实测标签的物理约束策略进行训练，建立机电复合传动系统运行工况的瞬时波动与关键节点瞬态温升之间的动态响应关系；

8、对当前运行工况进行稳态与瞬态判定，根据判定结果构建输入特征并输入训练后的温度快速计算代理模型，输出预测关键节点温度。

9、可选的，对机电复合传动系统进行系统级、部件级和热源微节点级划分，建立多层级集总参数热网络模型包括：

10、将所述机电复合传动系统划分为驱动电机子系统、发电机子系统和耦合传动子系统；

11、将所述驱动电机子系统和所述发电机子系统划分为定子总成、转子总成、绕组、永磁体、端盖及壳体、轴承及冷却流道部件；

12、将所述耦合传动子系统划分为齿轮组、轴系、轴承组、箱体、润滑油路部件；

13、对部件的铜损和铁损、控制器的开关损耗与导通损耗，以及齿轮、轴承和耦合机构的啮合损耗、摩擦损耗与油液搅拌损耗进行划分，获取热源微节点；

14、计算相邻所述热源微节点的温度梯度，当温度梯度变化不在预设范围时，对热源微节点进行加密或合并后，建立热网络控制方程，当温度梯度变化在预设范围时，根据当前热源微节点建立热网络控制方程，进而获取多层级集总参数热网络模型。

15、可选的，对所述多层级集总参数热网络模型中热阻进行工况自适应修正包括：

16、将所述多层级集总参数热网络模型中节点之间的热阻参数划分对流热阻、导热热阻、接触热阻，并建立对应工况修正函数，其中，所述对流热阻的工况修正函数根据转速、流量和温度耦合影响建立，所述导热热阻的工况修正函数根据材料导热系数随温度变化建立，所述接触热阻的工况修正函数根据转矩-温度耦合影响建立；

17、对比机电复合传动系统关键节点的实测温度与热网络模型的仿真温度，构建以热阻修正量为优化变量的目标函数，基于高斯-牛顿法求解出使所述目标函数下降的参数修正方向及修正量，并更新所述工况修正函数中的待定参数，直至目标函数满足预设条件，输出最终待定参数；

18、获取所述最终待定参数后，采用所述工况修正函数对所述热阻参数进行工况自适应修正。

19、可选的，对当前运行工况进行稳态与瞬态判定，根据判定结果构建输入特征包括：

20、根据当前运行工况建立预设时间窗口长度内机电复合传动系统的工况矩阵，其中，所述工况矩阵的第一列为时间窗口内转速向量，第二列为时间窗口内的输入转矩向量，第三列为时间窗口内的润滑油量向量，第四列为时间窗口内润滑油油温向量；

21、若所述工况矩阵中向量的变化程度指标均不超过对应的稳态阈值，则判定当前窗口为稳态窗口，以时间窗口内转速均值、转矩均值、流量均值、油温均值的作为稳态分支输入，其中，所述变化程度指标通过时间窗口内向量标准差与均值之比的绝对值计算获得；

22、若至少存在一个向量的变化程度指标超过其稳态阈值，则判定当前窗口为瞬态窗口，对所述工况矩阵的各列分别进行去均值操作，获取波动成分矩阵作为瞬态分支输入。

23、可选的，采用离线训练所述稳态分支包括：

24、以均方误差作为损失函数度量网络预测值与真实标签之间的偏差，随后通过反向传播算法基于链式法则计算损失函数对各层权重和偏置的梯度，采用adam优化器自适应调整各参数以最小化损失函数值，网络参数采用小批量梯度下降方式逐批次更新，直至验证集损失函数值连续多轮不再下降或达到预设最大迭代轮数时终止。

25、可选的，采用无温度实测标签的物理约束策略对所述瞬态分支进行训练包括：

26、将热平衡方程转化为以波动量表示的物理约束，建立网络输入、输出与物理定律之间的物理残差，并取各时间步物理残差的均方值作为物理损失驱动网络训练。

27、可选的，所述物理残差为：

28、；

29、其中，为瞬时产热量的波动分量，由输入转矩波动和输入转速波动计算得到，为瞬时散热量的波动分量，由润滑油量波动和润滑油油温波动经对流换热关系计算得到，为温升变化常数，为关键部件瞬时温升，为温升时间。

30、可选的，训练后的温度快速计算代理模型，输出预测关键节点温度包括：

31、若所述当前运行工况被判定为稳态，则所述预测关键节点温度为稳态分支输出的稳态趋势温度，若所述当前运行工况被判定为瞬态，则所述预测关键节点温度为瞬态分支和稳态分支输出的稳态趋势温度与瞬态波动温度叠加值。

32、本发明还提供了一种传动系统关键节点温度快速计算系统，包括：

33、多层级集总参数热网络模型建立模块，用于对机电复合传动系统进行系统级、部件级和热源微节点级划分，建立多层级集总参数热网络模型；

34、热阻参数工况修正模块，用于对所述多层级集总参数热网络模型中热阻进行工况自适应修正，获取修正后热阻参数；

35、温度快速计算代理模型训练模块，用于根据所述修正后热阻参数，运行所述多层级集总参数热网络模型对关键节点温度进行求解，获取关键节点处的温度；根据机电复合传动系统工况数据和所述关键节点处的温度建立数据集，并训练温度快速计算代理模型，其中，所述温度快速计算代理模型包括稳态分支和瞬态分支，所述稳态分支采用多层前馈神经网络结构，并进行离线训练，建立机电复合传动系统运行工况与关键节点稳态温度之间的非线性映射关系，所述瞬态分支采用一维因果空洞卷积网络，并通过无温度实测标签的物理约束策略进行训练，建立机电复合传动系统运行工况的瞬时波动与关键节点瞬态温升之间的动态响应关系；

36、温度快速计算模块，用于对当前运行工况进行稳态与瞬态判定，根据判定结果构建输入特征并输入训练后的温度快速计算代理模型，输出预测关键节点温度。

37、本发明的有益效果为：（1）机电复合传动系统热计算中，构建“系统级—部件级—热源微节点级”的三级动态分层集总参数热网络模型，通过分层节点划分与动态调整，在保证关键热源区域温度表征精度的同时，降低热网络规模和求解复杂度，提高温度建模与计算效率。

38、（2）针对机电复合传动系统传统热网络模型将热阻参数视为常数所导致的工况适应性差的问题，分别对对流热阻、接触热阻和导热热阻建立工况自适应修正模型，使热阻参数能够根据工况信号进行动态调整，从而在无需重新标定的条件下保持热网络模型与系统实际热特性的高度匹配，提升计算热网络模型计算的精度。

39、（3）温度快速计算模型采用稳态工况与瞬态工况微调的双分支训练机制，通过稳态分支提取热平衡特征，瞬态分支提取工况波动及热惯性响应特征，并嵌入热网络物理残差约束，二者叠加后，能够覆盖从稳态到瞬态全工况范围内的温度预测需求，实现瞬态工况下温度的快速、准确、鲁棒计算。