Прогнозное управление температурой ступичного электродвигателя двухколёсного транспортного средства с использованием градиентно‑чувствительной нейронной регуляции, отслеживания деградации и отказоустойчивой адаптации к мультиусловному крутящему моменту

Более умные электросамокаты для повседневных улиц

Электросамокаты быстро становятся обычным явлением в оживлённых городах, но компактные двигатели, скрытые в их колёсах, могут незаметно перегреваться и изнашиваться. В этой статье рассматривается новый подход, который позволяет таким вколёсным двигателям прогнозировать нагрев, защищать себя от повреждений и при этом обеспечивать пассажирам плавное и мощное ускорение. Сочетая физику, искусственный интеллект и продуманную логику безопасности, авторы показывают, как будущие самокаты могут стать и веселее в управлении, и надёжнее при многолетней ежедневной эксплуатации.

Почему тепло — скрытый враг

Во многих недорогих электрических двухколёсных транспортных средствах двигатель встроен прямо в заднее колесо. Это экономит детали и повышает КПД, но при этом удерживает тепло в ограниченном пространстве с плохой циркуляцией воздуха, особенно в условиях движения с частыми остановками и троганиями, на крутых подъёмах или в палящую жару. При сильном повышении температуры медная обмотка, магниты и изоляция стареют быстрее или даже выходят из строя. Большинство современных самокатов защищаются простыми порогами температуры: когда датчик фиксирует высокий показатель, контроллер резко снижает крутящий момент. Это спасает аппарат, но воспринимается как внезапная потеря мощности и часто оставляет неиспользованный «тепловой запас» в прохладные дни или при неспешной езде.

Трёхслойный «мозг» для ступичного двигателя

Авторы предлагают систему гибридной градиентно‑чувствительной нейронной регуляции (GANR), которая действует как трёхслойный «мозг» для ступичного двигателя. Во‑первых, лёгкая нейронная сеть оценивает и прогнозирует температуру двигателя, используя уже доступные сигналы — ток, напряжение, скорость и температуру окружающего воздуха — так что система продолжит работать даже при дрейфе, зашумлении или отказе датчика температуры. Во‑вторых, система отслеживает суммарный долгосрочный тепловой ущерб двигателя с помощью Индекса Состояния Двигателя, числа, которое постепенно снижается по мере того, как двигатель проходит тысячи горячих циклов. В‑третьих, контроллер крутящего момента для множества условий использует как текущую температуру, так и этот индекс состояния, а также данные об окружающей погоде и интенсивности поездки, чтобы решить, какой крутящий момент безопасно выдать в ближайшие секунды. Вместо реактивного срабатывания после достижения предела он учитывает скорость нагрева двигателя и плавно снижает крутящий момент до наступления проблемы.

Наблюдение за здоровьем, тепловым запасом и предстоящим сценарием

Под капотом система применяет упрощённую, но проверенную термическую модель для оценки того, как тепло переходит от медных обмоток к корпусу двигателя и далее в воздух. Поверх этого вычисляется «тепловой запас» и «время до снижения крутящего момента»: насколько мотор удалён от критической температуры и сколько секунд осталось до необходимости дерейтинга, если ничего не изменится. Одновременно Индекс Состояния Двигателя аккумулирует повреждения на основе известных закономерностей «температура‑жизненный ресурс» — кратковременный небольшой перегрев допустим, но долгие периоды близко к пределу явно сокращают оставшийся ресурс. Контроллер объединяет эти индикаторы с энергией батареи и выбранным режимом езды (эко, нормальный или спорт), чтобы выбирать между ориентированным на производительность, сбалансированным или защитным поведением. В тёплом климате он автоматически ужесточает безопасные пределы; в прохладную погоду — безопасно разрешает больший крутящий момент до вмешательства.

Обработка отказов и размещение на дешёвом железе

Поскольку недорогие самокаты используют скромные микроконтроллеры, авторы тщательно проектируют нейронные сети и логику управления так, чтобы они укладывались в жёсткие ограничения по циклам ЦП и памяти. Они обрезают и квантуют сети, чтобы весь интеллект помещался в десятки килобайт и выполнялся значительно быстрее миллисекунды за цикл управления. Специальная аварийная машина состояний контролирует датчики и нейронный оцениватель: если датчик температуры залипает, дрейфует или выходит за пределы диапазона, система автоматически переключается в режим безопасности с оценителем и консервативными ограничениями крутящего момента. Если нагрузка процессора резко возрастает или происходят неожиданные сбои, возможен дальнейший откат к простому управлению по таблице поиска. На протяжении всего процесса сторожевые таймеры и проверки безопасности обеспечивают, что любой сбой приводит к плавному снижению крутящего момента, а не к внезапной остановке или неконтролируемому перегреву.

Что показывают симуляции для ездоков

На детализированных симуляциях городских и энергичных подъёмных поездок авторы сравнивают свой контроллер GANR со стандартной схемой пропорционально‑интегрального управления. Новый подход удерживает максимальные температуры двигателя на несколько градусов ниже, проводит значительно меньше времени выше рискованных порогов и почти исключает сценарии «термического выбега». Он также откладывает необходимость снижения крутящего момента примерно на 14%, улучшает энергоэффективность примерно на 7% и поддерживает ошибки прогноза температуры около всего лишь 2 °C даже при неисправностях датчиков. При повторяющихся тяжёлых поездках — особенно в жару — Индекс Состояния Двигателя для системы GANR остаётся значительно выше, чем у традиционного контроллера, что указывает на более долгий срок службы двигателя и меньше неприятных сюрпризов для владельцев.

Более безопасная и долговечная электрическая мобильность

Проще говоря, эта работа показывает, как придание электросамокату умеренной дозы прогнозного интеллекта может сделать его и более выносливым, и приятным в управлении. Вместо того чтобы ждать перегрева и затем резко снижать мощность, ступичный двигатель учится чувствовать изменение условий, понимать, насколько он уже изношен, и сколько остаётся запаса безопасности. Затем он плавно формирует крутящий момент, чтобы ездок ощущал стабильную динамику, а аппарат незаметно защищал себя. Поскольку вся система адаптирована для работы на недорогих встроенных чипах, она предлагает практический путь к более умным, безопасным и долговечным электрическим двухколёсным транспортным средствам в густонаселённых, перегретых городах.

Цитирование: Deshmukh, S., Lokhande, N. & Yeolekar, S. Predictive temperature control of electric two wheeler hub motor using gradient aware neural regulation with degradation tracking and fault tolerant multi condition torque adaptation. Sci Rep 16, 13436 (2026). https://doi.org/10.1038/s41598-026-37505-y

Ключевые слова: электросамокаты, терморегулирование двигателя, управление нейронной сетью, прогнозное снижение крутящего момента, отказоустойчивые электрические системы