综述：电动机的高精度温度预测：从物理基础到基于物理的智能技术的综述 韩遥飞（Yaofei Han）、 张倩（Qian Zhang）、 刘永丰（Yongfeng Liu）、 陈少峰（Shaofeng Chen）、 马志勋（Zhixun Ma）、 李亚伟（Yawei Li） 孙建平（Jianping Sun）

《Machines》：Advanced Temperature Prediction for Electric Motors: A Review from Physical Foundations to Physics-Informed Intelligence Yaofei Han, Qian Zhang, Yongfeng Liu, Shaofeng Chen, Zhixun Ma, Yawei Li and Jianping Sun

　　

摘要

电机温度预测对于确保高功率密度电驱动系统的可靠性和安全运行至关重要。由于直接测量内部温度（尤其是转子和磁体温度）往往不切实际，因此虚拟传感已成为一个重要的研究方向。本文对电机温度预测技术进行了系统的梳理和论述。首先，重新讨论了电机热行为的物理基础，强调了多源损耗的产生、电热耦合机制以及时变边界条件的主要影响。其次，将现有的估计方法系统地分为基于物理的热模型、基于观测器和识别的方法以及基于数据驱动的机器学习框架，并对这些方法的数学原理、信息瓶颈、计算 trade-offs（权衡）和部署约束进行了比较分析。特别关注了混合方法和基于物理信息的方法，这些方法结合了降阶热网络、参数调整和学习型残差校正来提高系统的鲁棒性。未来的研究应重点关注不确定性感知、适用于生命周期的建模以及在传感条件稀疏情况下的可靠温度场推断。