[发明专利]基于机器学习算法进行温度估计的转换器故障行为预测

权利要求书

1.一种用于预测电转换器(12)的故障行为的方法，所述方法包括：

接收指示所述电转换器(12)的实际操作点的所述电转换器(12)的操作点指标(I)；

接收指示功率半导体器件(18)的实际温度的所述电转换器(12)的所述功率半导体器件(18)的测量器件温度(T_d)；

将所述操作点指标(I)作为输入数据输入到机器学习算法(32)中，所述机器学习算法(32)利用包括操作点指标和相关器件温度的历史数据进行训练；

利用所述机器学习算法对估计器件温度进行估计；

通过将所述估计器件温度与所述测量器件温度(T_d)进行比较来预测所述故障行为(F)。

2.根据权利要求1所述的方法，

其中所述机器学习算法的所述输入数据包括：先前时间步长的所述测量器件温度(T_d(t-1))和实际时间步长的所述操作点指标(I(t))；

其中所述机器学习算法(32)对针对所述实际时间步长的估计器件温度进行估计。

3.根据权利要求1或2所述的方法，

其中所述输入数据包括针对多个先前时间步长的测量器件温度(T_d(t-1)，T_d(t-2)，......)；和/或

其中所述输入数据包括针对多个先前时间步长的操作点指标(I(t-1)，I(t-2)，......)；和/或

其中所述输入数据包括针对多个先前时间步长的测量器件温度(T_d(t)-T_d(t-1)，T_d(t-1)-T_d(t-2)，......)的一个或多个差值。

4.根据前述权利要求中任一项所述的方法，还包括：

接收所述转换器(12)的环境温度(T_a)，所述环境温度(T_a)指示所述功率半导体器件(18)和/或所述转换器(12)的环境温度；和/或

其中所述机器学习算法(32)的所述输入数据还包括所述环境温度(T_a)。

5.根据权利要求4所述的方法，

其中所述输入数据中的所述测量器件温度(T_d)是相对于所述环境温度(T_a)提供的；

其中由所述机器学习算法输出的所述估计器件温度是相对于所述环境温度(T_a)提供的。

6.根据前述权利要求中任一项所述的方法，还包括：

根据所述测量温度(T_d)与所述估计温度之间的差值来确定温度误差(E)；

将所述温度误差(E)与用于预测所述故障行为的阈值(F)进行比较。

7.根据前述权利要求中任一项所述的方法，

其中所述机器学习算法(32)已经利用同一转换器(12)的历史数据进行训练；和/或

其中所述机器学习算法(32)已经利用至少一个不同转换器的历史数据进行训练。

8.根据前述权利要求中任一项所述的方法，

其中所述机器学习算法(32)是人工神经网络。

9.根据前述权利要求中任一项所述的方法，

其中所述操作点指标(I)包括以下各项中的至少一项：

转换器电流，

转换器电压，

开关频率，

DC链路电压。

10.根据前述权利要求中任一项所述的方法，

其中所述电转换器(12)被连接到旋转电机(14)，用于驱动所述旋转电机(14)，并且所述操作点指标(I)包括以下各项中的至少一项：

所述旋转电机(14)的扭矩，

所述旋转电机(14)的转速。