使用带退化跟踪和故障容错多工况转矩自适应的梯度感知神经调节实现电动两轮车轮毂电机的预测性温度控制

为日常街道打造更智能的电动滑板车

电动滑板车正在繁忙城市中迅速普及，但藏在车轮里的紧凑电机可能在不知不觉中过热并加速老化。本文提出了一种新方法，使轮毂电机能够前瞻性地考虑散热问题、自我保护并仍然为骑手提供平顺且有力的加速体验。通过将物理建模、人工智能与巧妙的安全逻辑相结合，作者展示了未来滑板车如何在多年日常使用中既更有趣又更可靠。

为什么热是隐秘的敌人

在许多低成本电动两轮车中，电机直接集成在后轮内。这能节省零件并提高效率，但也会在气流受限的狭小空间里困住热量，尤其是在频繁起停的交通、陡坡或酷热夏季。如果温度攀升过高，铜绕组、磁体和绝缘材料会更快老化甚至失效。大多数现有滑板车用简单的温度阈值来防护：一旦传感器报告高温，控制器就会突发式切断转矩。这确实能保护硬件，但会让骑行感到突然的动力丧失，而且在较凉或轻松的骑行时常常留下未被利用的“热裕量”。

为轮毂电机设计的三层“脑”

作者提出了一种混合梯度感知神经调节（GANR）系统，它像为轮毂电机配备了三层“大脑”。首先，一个轻量级神经网络利用滑板车已有的信号——电流、电压、速度和外界温度——估计并预测电机温度，这样即便温度传感器漂移、噪声增多或完全失效，系统仍能工作。第二，该系统通过电机健康指数跟踪电机的长期热损伤，这个数值会随着电机经历数千次高温循环而逐渐下降。第三，一个多工况转矩控制器同时使用当前温度与健康指数，以及环境与骑行强度，来决定未来几秒钟内可安全输出的转矩。它不再只是在阈值被触及后才反应，而是监测电机升温速度并在问题到来前平滑地降低转矩。

监测健康、热裕量与前方路况

在系统内部，采用了简化但验证可靠的热模型来估算热量如何从铜绕组传导到电机壳体再散到空气中。在此基础上，系统计算出“热裕量”和“降额时间”：电机距离临界温度还有多远，以及若情况不变还剩多少秒会需要降额。同时，电机健康指数基于已知的温度—寿命关系积累损伤——偶尔略高的温度问题不大，但长期接近极限会明显缩短剩余寿命。控制器将这些指标与电池能量和所选骑行模式（经济、普通或运动）结合，用以在性能优先、平衡或保护之间做出选择。在炎热气候下，它会自动收紧安全限制；在凉爽天气则允许在退让前输出更多转矩。

处理故障并适配低成本硬件

由于低成本滑板车使用性能有限的微控制器，作者在设计神经网络和控制逻辑时谨慎考虑了严格的CPU周期和内存预算。他们对网络进行剪枝和量化，以便所有智能模块都能装进几十千字节，并在每个控制周期内远低于一毫秒地执行。一个专用的回退状态机监视传感器和神经估算器：若温度传感器粘滞、漂移或超出量程，系统会自动切换到由估算器驱动的安全模式并设置保守的转矩上限；若处理器负载突增或出现意外故障，它还能进一步回退到简单查表控制。始终有看门狗和安全检查，确保任何失效都以平滑降低转矩的方式处理，而不是突然停机或造成失控升温。

模拟结果对骑手意味着什么

通过对城市工况和激烈爬坡骑行的详细仿真，作者将GANR控制器与标准的比例—积分方案进行比较。新方法将电机峰值温度降低了数度，使高风险温度以上的时间大幅减少，并几乎消除了“热失控”场景。它还将需要降额的时刻最多推迟约14%，提高了约7%的能效，并在传感器表现异常时仍将温度预测误差控制在约2°C左右。在反复高强度骑行——尤其是炎热天气下——GANR系统的电机健康指数明显高于传统控制器，这表明电机寿命更长，车主遇到意外的概率更低。

更安全、更耐用的电动出行

简言之，这项工作表明，给电动滑板车加入适度的预测性智能，可以让它变得更坚固且更好骑。轮毂电机不再等到过热后才突然降功率，而是学会感知工况如何变化、自己已消耗了多少耐久以及还剩多少安全裕量，然后平滑地调节转矩，让骑手感受持续稳定的性能，同时硬件在背后悄然自我保护。由于整个设计针对廉价嵌入式芯片进行优化，它为在拥挤且受热压力大的城市中推广更智能、更安全、更耐用的电动两轮车提供了一条切实可行的路径。

引用: 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

关键词: 电动滑板车, 电机热管理, 神经网络控制, 预测性转矩降额, 故障容错电动汽车系统