CN106681389B - 机械学习装置及方法、电动机控制装置及电动机控制系统 - Google Patents
机械学习装置及方法、电动机控制装置及电动机控制系统 Download PDFInfo
- Publication number
- CN106681389B CN106681389B CN201610602130.1A CN201610602130A CN106681389B CN 106681389 B CN106681389 B CN 106681389B CN 201610602130 A CN201610602130 A CN 201610602130A CN 106681389 B CN106681389 B CN 106681389B
- Authority
- CN
- China
- Prior art keywords
- mentioned
- motor
- electric motor
- control device
- cooling device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/1927—Control of temperature characterised by the use of electric means using a plurality of sensors
- G05D23/193—Control of temperature characterised by the use of electric means using a plurality of sensors sensing the temperaure in different places in thermal relationship with one or more spaces
- G05D23/1931—Control of temperature characterised by the use of electric means using a plurality of sensors sensing the temperaure in different places in thermal relationship with one or more spaces to control the temperature of one space
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Motor Or Generator Cooling System (AREA)
- Feedback Control In General (AREA)
- Control Of Electric Motors In General (AREA)
- Devices That Are Associated With Refrigeration Equipment (AREA)
Abstract
本发明提供一种机械学习装置及方法、电动机控制装置及电动机控制系统。本发明的一实施例的机械学习装置为学习用于冷却电动机或电动机控制装置的冷却装置的运行条件的机械学习装置，其特征在于，具备：状态观测部，其在冷却装置的动作过程中观测包含电动机以及电动机控制装置的各自的特定位置的温度数据中的至少一个的状态变量；判定数据取得部，其取得用于判定电动机、电动机控制装置、冷却装置的各自的损耗以及电动机、电动机控制装置的各自的特定位置的温度相对于容许值的余量的判定数据；以及学习部，其按照由状态变量和判定数据的组合构成的训练数据集，学习冷却装置的运行条件。
Description
技术领域
本发明涉及一种机械学习装置、电动机控制装置、电动机控制系统以及机械学习方法，尤其涉及一种学习冷却装置的运行条件的机械学习装置、具备机械学习装置的电动机控制装置、电动机控制系统及机械学习方法。
背景技术
在电动机(马达)中，伴随着驱动，因定子铁心的铁损或线圈的铜损引起的发热，电动机的温度上升，有可能电动机的损耗增加或电动机受损。因此，为了吸收冷却所生成的热，提出了用于冷却电动机的方法(例如，日本特开平5-236704号公报。以下，称为“专利文献1”)。
此外，驱动电动机的控制装置，随着电动机的驱动，控制装置内部的功率元件发热而温度上升，功率元件有可能受损。因此，为了维持控制装置的寿命，提出了冷却控制装置的方法。
专利文献1所记载的电动机冷却装置设有：冷却用制冷剂供给路，其在电动机的旋转轴内沿轴向设置；冷却用制冷剂喷出孔，其设置为与由缠绕于定子铁心的线圈形成的线圈耳部相对，从冷却用制冷剂供给路向线圈耳部喷出冷却用制冷剂；泵，其向冷却用制冷剂供给路提供冷却用制冷剂；以及泵控制单元，其根据电动机的驱动状态，改变该泵排出的冷却用制冷剂量。通过专利文献1所记载的电动机冷却装置，能够高效地冷却定子铁芯，由此能够高效地冷却电动机整体。
然而，现有的电动机控制装置，与电动机的温度对应地，仅改变冷却装置的运行率。因此，存在如下的问题：难以一边将电动机以及电动机控制装置的温度控制为所规定的温度以下，一边降低电动机、电动机控制装置以及冷却装置的损耗。
发明内容
本发明的目的是提供一种通过机械学习，能够将电动机以及电动机控制装置的温度控制为所规定的温度以下，并且可减少电动机、电动机控制装置以及冷却装置的损耗的机械学习装置、具备机械学习装置的电动机控制装置、电动机控制系统以及机械学习方法。
本发明的一实施例的机械学习装置，学习用于冷却电动机或电动机控制装置的冷却装置的运行条件，该机械学习装置中，具备：状态观测部，其在冷却装置的动作过程中观测包含电动机以及电动机控制装置的各自的特定位置的温度数据中的至少一个的状态变量；判定数据取得部，其取得用于判定电动机、电动机控制装置和冷却装置的损耗以及电动机、电动机控制装置各自的特定位置的温度相对于容许值的余量的判定数据；以及学习部，其按照由状态变量和判定数据的组合构成的训练数据集，学习冷却装置的运行条件。
本发明的一实施例的电动机控制装置具备上述机械学习装置，该电动机控制装置中，还具备：意图决定部，其根据学习部按照训练数据集进行学习而得的结果，决定冷却装置的转速和运行时间的组以及冷却装置的制冷剂温度和制冷剂流量的组中的至少一个组的指令值。
本发明的一实施例的电动机控制系统，具备上述电动机控制装置和输出温度数据的温度检测元件。
本发明的一实施例的机械学习方法，学习用于冷却电动机或电动机控制装置的冷却装置的运行条件，该机械学习方法中，包括如下步骤：在冷却装置的动作过程中观测包含电动机以及电动机控制装置的各自的特定位置的温度数据中的至少一个的状态变量；取得用于判定、电动机、电动机控制装置和冷却装置的损耗以及各自的特定位置的温度相对于容许值的余量的判定数据；以及按照由状态变量和判定数据的组合构成的训练数据集，学习冷却装置的运行条件。
附图说明
通过与附图相关的以下的实施方式的说明，使本发明的目的、特征以及优点变得更加明确。
图1是本发明的实施例的机械学习装置的结构图。
图2是本发明的实施例的电动机控制系统的结构图。
图3是本发明的实施例的第1变形例的电动机控制系统的结构图。
图4是本发明的实施例的第2变形例的电动机控制系统的结构图。
图5是本发明的实施例的第3变形例的电动机控制系统的结构图。
图6是本发明的实施例的电动机控制装置的结构图。
图7是用于说明本发明的实施例的机械学习装置的动作步骤的流程图。
图8是用于说明本发明的实施例的电动机控制系统的动作步骤的流程图。
具体实施方式
以下，参照附图对本发明的机械学习装置、电动机控制装置、电动机控制系统以及机械学习方法进行说明。
图1是本发明的实施例的机械学习装置的结构图。图2是本发明的实施例的电动机控制系统的结构图。图6是本发明的实施例的电动机控制装置的结构图。
本发明的实施例的机械学习装置1是学习用于冷却电动机5或电动机控制装置6的冷却装置7的运行条件的机械学习装置，具备状态观测部2、判定数据取得部3和学习部4。在图2中，机械学习装置包含于电动机控制装置6。
状态观测部2在冷却装置7的动作过程中观测包含电动机5(参照图2)和电动机控制装置6的各自的特定位置的温度数据的状态变量。
判定数据取得部3取得判定电动机5、电动机控制装置6、冷却装置7的各自的损耗以及电动机5、电动机控制装置6的各自的特定位置的温度相对于容许值的余量的判定数据。
学习部4按照由状态变量和判定数据的组合构成的训练数据集，学习冷却装置7的运行条件。
将温度数据设为分别设在电动机5和电动机控制装置6上的温度检测元件(8、9)检测出的电动机5的线圈温度以及电动机控制装置6的功率元件温度。
机械学习装置1优选还具备：损耗推定部11，其根据温度数据推定电动机5以及电动机控制装置6的损耗；以及损耗计算部12，其根据冷却装置7的运行条件计算冷却装置7的损耗。损耗推定部11和损耗计算部12也可以包含于判定数据取得部3中。
利用冷却装置7的转速以及运行时间来计算冷却装置7的损耗。此外，在进行基于液体的冷却的情况下，也可以利用流量以及温度检测元件(10、10')检测出的制冷剂温度。另外，温度检测元件10检测出从电动机5向冷却装置7流过的方向的制冷剂温度，温度检测元件10'检测出从冷却装置7向电动机5流过的方向的制冷剂温度。
图2所示的电动机控制系统的结构图示出了仅具备1台冷却装置的例子，但并不限于这样的例子，也可以具备多台冷却装置(图3、图4、图5)。
图3是本发明的实施例的第1变形例的电动机控制系统100'的结构图。如图3所示，也可以设置2台冷却装置即第1冷却装置71和第2冷却装置72，各个冷却装置冷却电动机5和电动机控制装置6。
图4是本发明的实施例的第2变形例的电动机控制系统100″的结构图。图4所示，也可以设置2台冷却装置即第1冷却装置71'和第2冷却装置72'，第1冷却装置71'冷却电动机5，第2冷却装置72'冷却电动机控制装置6。
图5是本发明的实施例的第3变形例的电动机控制系统100”'的结构图。图5所示，也可以设置4台冷却装置即第1冷却装置71″、第2冷却装置72″、第3冷却装置73″以及第4冷却装置74″，第1冷却装置71″和第2冷却装置72″冷却电动机5，第3冷却装置73″和第4冷却装置74″冷却电动机控制装置6。另外，冷却装置的台数并不限定于图3～5所示的例子，也可以设置3台或5台以上的冷却装置。
学习部4也可以按照针对多个冷却装置取得的训练数据集，学习运行条件。
电动机控制装置6具备根据判定数据计算回报的回报计算部14。学习部4具备函数更新部15，其根据回报，更新从当前的状态变量决定恰当的冷却装置7的运行条件(转速、运行时间等)的函数。
回报计算部14根据判定数据，即判定电动机5、电动机控制装置6、冷却装置7的各自的损耗的合计以及电动机5、电动机控制装置6的特定位置的温度相对于容许值的余量而得的结果，计算回报。
具体地，回报计算部14可以根据冷却装置7、电动机5、电动机控制装置6各自的损耗以及冷却装置7、电动机5、电动机控制装置6的各自的特定位置的温度相对于容许值是否有余量，来决定回报。例如，在冷却装置7、电动机5、电动机控制装置6各自的损耗的合计值比上次(1次尝试前)的值减少，并且，冷却装置7、电动机5以及电动机控制装置6的各自的特定位置的温度不到容许值的情况下，与余量对应地使回报增加，在冷却装置7、电动机5以及电动机控制装置6的各自的损耗的合计值比上次(1次尝试前)的值增加，或冷却装置7、电动机5以及电动机控制装置6各自的特定位置的温度为容许值以上的情况下，也可以使回报减少。另外，在本实施例中，以除了冷却装置7的损耗以外，还从电动机5以及电动机控制装置6的损耗的合计计算回报为例，但电动机5和电动机控制装置6中损耗较少的一方也可以不用于回报的计算。
函数更新部15优选使用所谓的Q学习进行强化学习。Q学习是学习在某环境“s”下选择行为“a”的价值(行为价值)Q(s，a)的方法。在某环境“s”下，将Q(s、a)最高的行为“a”选择为最佳行为。函数更新部15使用下式(1)更新函数(行为价值函数Q(st，at))。
在此，Q(st，at)为行为价值函数，st为时刻t的状态(环境)，at为时刻t的行为，α为学习系数，rt+1为回报，γ为折扣率。行为价值函数表示回报的期待值。带有max的项是在环境st+1下选择了Q值最高的行为a时的Q值乘上γ而得。
已知，学习系数和折扣率通过0＜α、γ≤1设定，但在此为了简便，若将学习系数和折扣率设为1，则通过下式(2)表示。
该更新式表示若基于行为“a”的下个环境状态下的最佳行为的价值Q(st+1，maxat+1)大于环境“s”下的行为“a”的价值Q(st，at)，则将Q(st，at)设为较大，相反，若小于环境“s”下的行为“a”的价值Q(st，at)，则将Q(st，at)设为较小。即，使某状态下的某行为的价值接近由其引起的下个状态下的最佳行为的价值。用于该更新式的状态对应于可通过训练数据集取得的状态变量。此外，可从回报计算部14取得回报。所谓行为，是变更冷却装置7的运行条件即冷却装置7的转速等。考虑例如针对每个环境“s”、行为“a”将行为价值Q(st、at)存储为表(以下，称为行为价值表)。
如图6所示，电动机控制装置6的状态中有因行为而间接变化的状态和因行为而直接变化的状态。因行为而间接变化的状态，包括电动机控制装置6的特定位置的温度(线圈温度、功率元件的温度等)、冷却装置7、电动机5、功率元件的损耗。因行为而直接变化的状态，包括冷却装置7的转速、冷却装置7的运行时间。另外，在进行基于液体的冷却的情况下，因行为而间接变化的状态还包括冷却装置7的(从电动机5向冷却装置7流过的方向的)制冷剂温度。此外，因行为而直接变化的状态还包括冷却装置7的制冷剂流量以及冷却装置7的(从冷却装置7向电动机5流过的方向的)制冷剂温度。
学习部4根据更新式和回报，从行为价值表中更新与当前的状态变量以及可取得的行为对应的行为价值。
学习部4也可以根据与电动机5或电动机控制装置6相同结构的其他电动机、电动机控制装置(未图示)的状态变量以及回报，更新行为价值表。
接着，说明本发明的实施例的电动机控制装置6。另外，本实施例记载了进行基于液体的冷却的情况。本发明的实施例的电动机控制装置6是具备上述的机械学习装置1的电动机控制装置6，还具备：意图决定部16，其根据学习部4按照训练数据集进行学习而得的结果，发出变更冷却装置7的转速等运行条件的指示。
学习部4按照由当前的状态变量以及判定数据的组合构成的追加的训练数据集，重新学习冷却装置7的运行条件并更新。
也可以构成为，机械学习装置1经由网络与电动机控制装置6连接，状态观测部2经由网络取得当前的状态变量。
机械学习装置1优选存在于云服务器上。
机械学习装置1也可以内置于控制电动机5的电动机控制装置6内。
电动机控制系统100具备上述的电动机控制装置6、用于冷却电动机5和电动机控制装置6的冷却装置7以及输出温度数据的温度检测元件(8、9、10、10')。电动机控制装置6从交流电源20接受交流电力，驱动电动机5。
冷却装置7还具备控制冷却装置7的制冷剂流量以及制冷剂温度的冷却装置控制部13，状态观测部2观测冷却装置7的制冷剂流量以及制冷剂温度。冷却装置7还具备检测冷却装置7的转速的转速计21、检测冷却装置7的制冷剂流量的流量计22。
接着，对本发明的实施例的机械学习方法进行说明。本发明的实施例的机械学习方法是学习用于冷却电动机5或电动机控制装置6的冷却装置7的运行条件的机械学习方法，其中，在冷却装置7的动作过程中观测包含电动机5和电动机控制装置6的各自的特定位置的温度数据中的至少一个的状态变量，取得判定电动机5、电动机控制装置6、冷却装置7的各自的损耗以及电动机5、电动机控制装置6各自的特定位置的温度相对于容许值的余量的判定数据，按照由状态变量和判定数据的组合构成的训练数据集，学习冷却装置7的运行条件。
图7表示用于说明本发明的实施例的机械学习装置的动作步骤的流程图。首先，在步骤S101中，在冷却装置7的动作过程中观测包含电动机5和电动机控制装置6的各自的特定位置的温度数据中的至少一个的状态变量。
接着，在步骤S102中，取得判定电动机5、电动机控制装置6、冷却装置7的各自的损耗以及电动机5、电动机控制装置6各自的特定位置的温度相对于容许值的余量的判定数据。
接着，在步骤S103中，按照由状态变量和判定数据的组合构成的训练数据集，学习冷却装置7的运行条件。
接着，对本发明的实施例的使用电动机控制系统的机械学习方法进行说明。图8表示用于说明本发明的实施例的电动机控制系统的动作步骤的流程图。首先，在步骤S201中，开始进行学习。
接着，在步骤S202中，设定冷却装置7的运行条件(转速、运行时间等)。
接着，在步骤S203中，以一定时间驱动电动机5。
接着，在步骤S204中，测定电动机5的温度(线圈温度等)，由损耗推定部11推定损耗。并且，测定电动机控制装置6的功率元件的温度，由损耗推定部11推定损耗。并且，测定冷却装置7的状况(转速、运行时间等)，由损耗计算部12计算损耗。在此，假定损耗推定部11预先具有各温度下的损耗数据。
接着，在步骤S205中，根据各损耗(电动机5、冷却装置7、功率元件)的合计以及各部的温度，进行回报计算。
在与上次相比损耗合计增加，或各部的温度成为容许值以上的情况下，在步骤S206中减小变更后的行为的价值的分数。之后，在步骤S208中，更新行为价值表。
另一方面，在与上次相比损耗合计减少，且各部的温度不到容许值的情况下，在步骤S207中增加变更后的行为的价值的分数。之后，在步骤S208中，更新行为价值表。
然而，仅在初次不对价值进行增减，在步骤S208中，更新行为价值表。
接着，在步骤S209中，以行为价值的分数大的项目为优先，从行为价值表中决定变更冷却装置7的运行条件的项目。
根据在步骤S209中决定的冷却装置7的运行条件，返回到步骤S202使冷却装置7运行来使行为价值成为最佳。
如以上说明的那样，通过本发明的实施例的机械学习装置、具备机械学习装置的电动机控制装置、电动机控制系统以及机械学习方法，能够通过机械学习一边将电动机、电动机控制装置的温度控制成规定的温度以下，一边减少电动机、电动机控制装置以及冷却装置的损耗。
通过本发明，能够提供一种通过机械学习可以减少电动机、电动机控制装置以及冷却装置的损耗的合计的机械学习装置、具备机械学习装置的电动机控制装置、电动机控制系统以及机械学习方法。
Claims (17)
1.一种机械学习装置，学习用于冷却电动机或电动机控制装置的冷却装置的运行条件，该机械学习装置的特征在于，具备：
状态观测部，其在上述冷却装置的动作过程中观测包含上述电动机以及上述电动机控制装置的各自的特定位置的温度数据中的至少一个的状态变量；
判定数据取得部，其取得用于判定上述电动机、上述电动机控制装置和上述冷却装置的各自的损耗以及上述电动机、上述电动机控制装置的各自的特定位置的温度相对于容许值的余量的判定数据；以及
学习部，其按照由上述状态变量和上述判定数据的组合构成的训练数据集，学习上述冷却装置的运行条件。
2.根据权利要求1所述的机械学习装置，其特征在于，
上述温度数据包括分别设定于上述电动机以及上述电动机控制装置的温度检测元件检测出的上述电动机的线圈温度以及上述电动机控制装置的功率元件温度中的至少一个。
3.根据权利要求1或2所述的机械学习装置，其特征在于，
该机械学习装置还具备：
损耗推定部，其根据上述温度数据推定上述电动机以及上述电动机控制装置的损耗；以及
损耗计算部，其根据上述冷却装置的运行条件计算上述冷却装置的损耗。
4.根据权利要求1或2所述的机械学习装置，其特征在于，
利用上述冷却装置的转速和运行时间的组以及上述冷却装置的制冷剂温度和制冷剂流量的组中的至少一个组，来计算上述冷却装置的损耗。
5.根据权利要求1或2所述的机械学习装置，其特征在于，
上述学习部构成为按照针对多个冷却装置取得的训练数据集来学习上述运行条件。
6.根据权利要求1或2所述的机械学习装置，其特征在于，
上述学习部具备：
回报计算部，其根据上述判定数据计算回报；以及
函数更新部，其用于根据上述回报，更新从当前的状态变量推测减少上述电动机、上述电动机控制装置中的至少一个以及上述冷却装置的损耗的合计的、恰当的上述冷却装置的转速和运行时间的组以及上述冷却装置的制冷剂温度和制冷剂流量的组中的至少一个组的函数。
7.根据权利要求6所述的机械学习装置，其特征在于，
上述学习部根据上述电动机和上述电动机控制装置中的至少一个的状态变量以及上述回报，更新与上述冷却装置的转速和运行时间的组以及上述冷却装置的制冷剂温度和制冷剂流量的组中的至少一个组对应的行为价值表。
8.根据权利要求6所述的机械学习装置，其特征在于，
上述学习部根据与上述电动机或上述电动机控制装置相同结构的其他电动机或电动机控制装置的状态变量和上述回报，更新与用于冷却该其他电动机或电动机控制装置的冷却装置的转速和运行时间的组以及上述冷却装置的制冷剂温度和制冷剂流量的组中的至少一个组对应的行为价值表。
9.根据权利要求7或8所述的机械学习装置，其特征在于，
上述回报计算部根据上述电动机的铜损和铁损、上述电动机控制装置的功率元件的损耗中的至少一个以及上述冷却装置的损耗的合计，或上述电动机和上述电动机控制装置的特定位置的温度相对于容许值的余量，来计算回报。
10.一种电动机控制装置，具备权利要求1至9中任一项所述的机械学习装置，该电动机控制装置的特征在于，
还具备：意图决定部，其根据上述学习部按照上述训练数据集进行学习而得的结果，决定上述冷却装置的转速和运行时间的组以及上述冷却装置的制冷剂温度和制冷剂流量的组中的至少一个组的指令值。
11.根据权利要求10所述的电动机控制装置，其特征在于，
上述学习部构成为按照由当前的状态变量以及上述判定数据的组合构成的追加的训练数据集，重新学习上述运行条件并更新上述运行条件。
12.根据权利要求10或11所述的电动机控制装置，其特征在于，
上述机械学习装置经由网络连接至上述电动机控制装置，
上述状态观测部构成为经上述网络取得当前的状态变量。
13.根据权利要求12所述的电动机控制装置，其特征在于，
上述机械学习装置存在于云服务器中。
14.根据权利要求10或11所述的电动机控制装置，其特征在于，
上述机械学习装置内置于控制上述电动机的上述电动机控制装置内。
15.一种电动机控制系统，其特征在于，具备：
权利要求10至14中任一项所述的电动机控制装置；
冷却装置，其用于冷却上述电动机或上述电动机控制装置；以及
温度检测元件，其输出上述温度数据。
16.根据权利要求15所述的电动机控制系统，其特征在于，
上述冷却装置还具备：冷却装置控制部，其控制冷却装置的制冷剂流量以及制冷剂温度，
上述状态观测部观测上述冷却装置的制冷剂流量以及制冷剂温度。
17.一种机械学习方法，其学习用于冷却电动机或电动机控制装置的冷却装置的运行条件，该机械学习方法的特征在于，包括如下步骤：
在上述冷却装置的动作过程中观测包含上述电动机以及上述电动机控制装置的各自的特定位置的温度数据中的至少一个的状态变量；
取得用于判定上述电动机、上述电动机控制装置和上述冷却装置的各自的损耗以及各自的特定位置的温度相对于容许值的余量的判定数据；以及
按照由上述状态变量和上述判定数据的组合构成的训练数据集，学习上述冷却装置的运行条件。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015-152415 | 2015-07-31 | ||
| JP2015152415 | 2015-07-31 | ||
| JP2016-129081 | 2016-06-29 | ||
| JP2016129081A JP6093076B2 (ja) | 2015-07-31 | 2016-06-29 | 冷却装置の稼働条件を学習する機械学習装置、機械学習装置を備えた電動機制御装置及び電動機制御システム並びに機械学習方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106681389A CN106681389A (zh) | 2017-05-17 |
| CN106681389B true CN106681389B (zh) | 2018-03-20 |
Family
ID=57986262
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610602130.1A Active CN106681389B (zh) | 2015-07-31 | 2016-07-27 | 机械学习装置及方法、电动机控制装置及电动机控制系统 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP6093076B2 (zh) |
| CN (1) | CN106681389B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6693938B2 (ja) * | 2017-11-17 | 2020-05-13 | ファナック株式会社 | 外観検査装置 |
| JP7452511B2 (ja) * | 2021-10-01 | 2024-03-19 | 株式会社豊田中央研究所 | モータ制御装置 |
| JP7671261B2 (ja) | 2022-02-24 | 2025-05-01 | 株式会社豊田中央研究所 | 回転電機の温度制御装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000350413A (ja) * | 1999-06-01 | 2000-12-15 | Mitsubishi Electric Corp | 回転電機冷却ガス温度制御装置 |
| JP2007100967A (ja) * | 2005-09-30 | 2007-04-19 | Daikin Ind Ltd | 冷凍装置 |
| US20120253735A1 (en) * | 2011-03-29 | 2012-10-04 | Searete Llc | Method and apparatus for operating a motor with optimized efficiency |
| JP2014236622A (ja) * | 2013-06-04 | 2014-12-15 | 三菱電機エンジニアリング株式会社 | 電力供給制御装置および電力供給制御方法 |
-
2016
- 2016-06-29 JP JP2016129081A patent/JP6093076B2/ja active Active
- 2016-07-27 CN CN201610602130.1A patent/CN106681389B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP6093076B2 (ja) | 2017-03-08 |
| CN106681389A (zh) | 2017-05-17 |
| JP2017033546A (ja) | 2017-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107487176B (zh) | 电机冷却系统、控制方法、装置和电动汽车 | |
| CN106681389B (zh) | 机械学习装置及方法、电动机控制装置及电动机控制系统 | |
| CN103967871B (zh) | 用于控制用来为流体泵供能的电动马达的方法和设备 | |
| JP6848828B2 (ja) | 回転電機の冷却装置 | |
| US20140339932A1 (en) | Electric machine including a thermal control module | |
| US20240014765A1 (en) | Parameter setting device for setting parameter of electric motor model | |
| CN108291789A (zh) | 冷却塔控制系统和冷却塔控制方法 | |
| WO2015114847A1 (ja) | ポンプ台数制御方法、ポンプ台数制御装置、ポンプシステム、熱源システム及びプログラム | |
| US20230366745A1 (en) | Temperature estimation device for estimating temperature of temperature detector of electric motor | |
| CN104049626B (zh) | 用于冷却系统的部件的能量分析与预测建模的系统及方法 | |
| JP6841747B2 (ja) | 回転電機の冷却装置、および回転電機の冷却方法 | |
| CN115682453A (zh) | 冷水机组的运行控制方法、装置、电子设备和介质 | |
| CN105227029B (zh) | 一种压缩机的电机温度检测的方法及装置 | |
| US9819300B2 (en) | Machine learning apparatus for learning operation conditions of cooling device, motor control apparatus and motor control system having the machine learning apparatus, and machine learning method | |
| EP3380929B1 (en) | Method and system for controlling cooling system of power equipment | |
| CN107655141A (zh) | 水冷机组及其控制方法和控制装置 | |
| JP2015103712A (ja) | 設備とその冷却方法 | |
| US9989063B2 (en) | Monitoring device | |
| CN110326194A (zh) | 控制装置 | |
| CN108058587A (zh) | 一种车辆冷却系统的控制方法 | |
| JP4845710B2 (ja) | インバータ冷凍機の制御装置および電力消費システム | |
| CN114126353A (zh) | 用于预测水冷冷水机组空调系统的制冷负载系数的方法、装置及电子设备 | |
| JP6790623B2 (ja) | エンジンオイル昇温装置 | |
| JP6650759B2 (ja) | 冷却システム、空調制御装置および空調制御方法 | |
| JP7671261B2 (ja) | 回転電機の温度制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |