An Improved TimesNet-Based Temperature Estimation Framework for PMSMs Using Feature Selection and Transfer Learning Methods

Helong Li

doi:10.1109/tie.2026.3718138

An Improved TimesNet-Based Temperature Estimation Framework for PMSMs Using Feature Selection and Transfer Learning Methods

2026-08-18

0

PRE

AI

DOI：10.1109/tie.2026.3718138

原文链接

原文求助

摘要

En 中文

高功率密度设计是永磁同步电机（PMSMs）的发展趋势，而内部温度的准确预测是一项具有实践意义且必要的科学研究。本文利用TimesNet模型对PMSMs进行高精度温度估计以捕捉多尺度热动力学特性。观测发现，通过引入高效的迁移学习（TL）策略并进行精细调整，TimesNet模型的泛化能力可得到显著提升，这指导了模型在跨工况和跨电机场景下的适应性。此外，采用最大信息系数（MIC）方法从非线性耦合变量中选择主导热特征，减少了计算冗余并提升了所选特征的可解释性。实验结果表明，所提出的方法在减少训练样本的同时实现了更优的估计精度和稳健的泛化能力。

Keyword:

Permanent magnet synchronous motors (PMSMs)

temperature estimation

TimesNet

transfer learning (TL)

An Improved TimesNet-Based Temperature Estimation Framework for PMSMs Using Feature Selection and Transfer Learning Methods

摘要

期刊

机构

引用论文