Prediktiv temperaturstyrning av navmotor för elektriska tvåhjulingar med gradientmedveten neuralkontroll, degraderingsspårning och feltolerant adaptationsstyrning av vridmoment under flera förhållanden

Smartare el-scootrar för vardagliga gator

El-scootrar blir snabbt ett vanligt inslag i stadsmiljöer, men de kompakta motorer som sitter inne i hjulen kan i tysthet överhettas och slitas ut. Denna artikel undersöker en ny metod för att låta dessa navmotorer förutse värmeutveckling, skydda sig mot skador och ändå ge åkare mjuk, kraftfull acceleration. Genom att förena fysik, artificiell intelligens och genomtänkt säkerhetslogik visar författarna hur framtida scootrar kan bli både roligare att köra och mer tillförlitliga under år av daglig användning.

Varför värme är den dolda fienden

I många lågbudget tvåhjulingar är motorn byggd direkt i bakhjulet. Det sparar komponenter och förbättrar effektiviteten, men det fångar också värme i ett trångt utrymme med dålig luftcirkulation, särskilt i stop‑and‑go-trafik, branta uppförsbackar eller tryckande sommarnätter. Om temperaturerna stiger för högt åldras kopparlindningar, magneter och isolering snabbare eller kan till och med gå sönder. De flesta nuvarande scootrar försvarar sig med enkla temperaturtrösklar: när en sensor rapporterar höga värden skär kontrollern abrupt av vridmomentet. Det skyddar hårdvaran, men kan upplevas som plötslig kraftförlust och lämnar ofta oanvänd "termisk marginal" under svalare dagar eller lugna turer.

En trelagers "hjärna" för navmotorn

Författarna föreslår ett Hybrid Gradient‑Aware Neural Regulation (GANR)-system som fungerar som en trelagers hjärna för navmotorn. Först uppskattar och predicerar ett lättviktigt neuralt nätverk motortemperaturen med signaler som scootern redan har — ström, spänning, hastighet och utomhustemperatur — så att styrningen kan fortsätta även om temperatursensorn drifter, blir brusig eller fallerar helt. För det andra spårar systemet hur mycket långsiktig värmeskada motorn har ackumulerat genom ett Motor Health Index, ett tal som gradvis minskar i takt med att motorn genomgår tusentals heta cykler. För det tredje använder en flerförhållande-vridmomentsregulator både aktuell temperatur och detta hälsovärde, plus omgivande väder och körintensitet, för att avgöra hur mycket vridmoment som är säkert att leverera under de närmaste sekunderna. Istället för att bara reagera efter att en gräns passerats ser den hur snabbt motorn värms upp och tonar försiktigt ner vridmomentet innan problem uppstår.

Övervakning av hälsa, termisk marginal och vägen framåt

Under ytan använder systemet en förenklad men välprövad termisk modell för att uppskatta hur värme flödar från kopparlindningar till motorns kåpa och vidare till luften. Ovanpå detta beräknas en "termisk marginal" och en "tid till vridmomentsnedsättning": hur långt motorn är från en kritisk temperatur och hur många sekunder som återstår innan derating skulle behövas om inget förändras. Samtidigt ackumulerar Motor Health Index skador baserat på kända temperatur‑livslängdslagar — att gå lite varm ibland är okej, men långa perioder nära gränsen minskar tydligt återstående livslängd. Reglagen smälter samman dessa indikatorer med batterienergi och valt körläge (eco, normal eller sport) för att välja mellan prestationsinriktat, balanserat eller skyddande beteende. I varma klimat stramas säkra gränser automatiskt åt; i svalt väder tillåts mer vridmoment innan nedtrappning.

Hantering av fel och anpassning till billig hårdvara

Eftersom lågbudgetscootrar använder beskedliga mikrokontrollerare designar författarna noggrant neurala nätverk och kontrolllogik för att köras inom strikta CPU‑cykel‑ och minnesbudgetar. De beskär och kvantiserar nätverken så att all intelligens får plats i tiotals kilobyte och exekveras på klart under en millisekund per styrcykel. En dedikerad fallback‑tillståndsmaskin övervakar sensorer och den neurala estimatormotorn: om en temperatursensor fastnar, driver eller går utanför räckvidd växlar systemet automatiskt till ett estimatordrivet säkert läge med konservativa vridmomentsgränser. Om processorbelastningen skjuter i höjden eller oväntade fel uppstår kan det falla tillbaka ytterligare till enkel styrning via uppslagstabeller. Genomgående ser watchdogs och säkerhetskontroller till att varje fel leder till en gradvis vridmomentsminskning snarare än plötslig avstängning eller okontrollerad uppvärmning.

Vad simuleringarna visar för åkare

Med detaljerade simuleringar av stads- och aggressiva backklättringsturer jämför författarna sin GANR‑regulator med ett standard proportional‑integral‑schema. Den nya metoden håller toppmotortemperaturerna flera grader lägre, tillbringar avsevärt mindre tid över riskfyllda trösklar och eliminerar nästan scenarier med "termisk runaway". Den fördröjer också behovet av vridmomentsnedsättning med upp till cirka 14 %, förbättrar energieffektiviteten med ungefär 7 % och håller temperaturprediktionsfel kring endast 2 °C även när sensorer beter sig illa. Vid upprepade hårda turer — särskilt i varmt väder — förblir Motor Health Index för GANR‑systemet betydligt högre än för en konventionell regulator, vilket tyder på längre motortid med färre överraskningar för ägarna.

Säkrare, mer långlivad elektrisk mobilitet

Enkelt uttryckt visar detta arbete hur en modest dos prediktiv intelligens kan göra en el-scooter både tåligare och trevligare att köra. Istället för att vänta tills den blir för varm och sedan plötsligt dra ner effekten lär sig navmotorn att känna av hur förhållandena förändras, hur "trött" den redan är och hur mycket säkerhetsmarginal som återstår. Den formar sedan vridmomentet mjukt så att åkare upplever konsekvent prestanda medan hårdvaran tyst skyddar sig själv. Eftersom hela designen är anpassad för att köras på billiga inbyggda chip erbjuder den en praktisk väg mot smartare, säkrare och mer hållbara elektriska tvåhjulingar i trånga, värmebelastade städer.

Citering: 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

Nyckelord: el-scootrar, motortermisk hantering, neuronätverksreglering, prediktiv vridmomentsbegränsning, feltoleranta EV-system