TY  - THES
AB  - Der Permanentmagnet-Synchronmotor (PMSM) ist aufgrund seiner hohen Leistungs- und Drehmomentdichte bezogen auf Volumen und Gewicht ein häufig verwendeter Traktionsmotor in Automobilanwendungen. Jene Charakteristika werden jedoch maßgeblich durch Temperaturhöchstwerte begrenzt. Hinzu kommt, dass die Temperatur wichtiger Rotorkomponenten nicht wirtschaftlich messbar ist. Temperaturschätzverfahren wie modellbasierte Ansätze sind potentiell in der Lage, das Problem der fehlenden Temperaturinformation zu relativieren, ohne zusätzliche Geräte zu erfordern. Diese Arbeit stellt ein Portfolio von thermischen Modellen aus dem Bereich des maschinellen Lernens zusammen. Die Untersuchung basiert auf einem PMSM-Datensatz, der auf einem Prüfstand aufgezeichnet wurde. Neben dem durchschnittlichen Schätzfehler diktiert die erforderliche Anzahl von Modellparametern zahlreiche Auslegungsentscheidungen. Der gesamte Entwurfsprozess eines Modells aus dem maschinellen Lernen wird beleuchtet und für verschiedene lineare, sowie baumbasierte Modelle; vorschiebende, rekurrente und faltende neuronale Netze als auch für verschiedene hybride Modellierungsansätze durchgeführt. Desweiteren wird der hybride Modellierungsansatz über thermische neuronale Netze besonders hervorgehoben. Sie setzen sich aus neuronalen Netzen und einem thermischen Ersatzschaltbild zusammen und wurden erstmals vom Autor dieser Arbeit veröffentlicht. Schließlich wird ein von Experten entworfenes, datengetriebenes thermisches Netz mit konzentrierten Parametern über verschiedene Algorithmen optimiert und als Stand der Technik herangezogen.
AU  - Kirchgässner, Wilhelm
CY  - Paderborn
DA  - 2024
DO  - 10.17619/UNIPB/1-2068
DP  - Universität Paderborn
LA  - eng
N1  - Tag der Verteidigung: 25.07.2024
N1  - Universität Paderborn, Dissertation, 2024
PB  - Veröffentlichungen der Universität
PY  - 2024
SP  - 1 Online-Ressource (xviii, 161 Seiten)
T2  - Fakultät für Elektrotechnik, Informatik und Mathematik
TI  - Data-driven thermal modeling of a permanent magnet synchronous motor with machine learning
TT  - Datengetriebene thermische Modellierung eines Permanentmagnet-Synchronomotors mittels maschinellem Lernen
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-52752
Y2  - 2026-01-29T23:23:59
ER  -