[論文レビュー] Global Attention-based Encoder-Decoder LSTM Model for Temperature Prediction of Permanent Magnet Synchronous Motors

Jun Li, Thangarajah Akilan|arXiv (Cornell University)|Jul 30, 2022

Electric Motor Design and Analysis被引用数 7

ひとこと要約

本稿では、外部で計測可能な入力（電流、電圧、回転速度など）を用いて、永久磁石同期モーター（PMSM）の内部温度を予測するため、グローバルアテンションを組み込んだエンコーダ・デコーダLSTMモデルを提案する。モデルは、最先端のMSE 1.72およびMAE 5.34を達成し、標準LSTMおよび双方向モデルと比較して、MSE低減率が最大56％に達する。これは、改善されたアテンション駆動型シーケンスアラインメントによるものである。

ABSTRACT

Temperature monitoring is critical for electrical motors to determine if device protection measures should be executed. However, the complexity of the internal structure of Permanent Magnet Synchronous Motors (PMSM) makes the direct temperature measurement of the internal components difficult. This work pragmatically develops three deep learning models to estimate the PMSMs' internal temperature based on readily measurable external quantities. The proposed supervised learning models exploit Long Short-Term Memory (LSTM) modules, bidirectional LSTM, and attention mechanism to form encoder-decoder structures to predict simultaneously the temperatures of the stator winding, tooth, yoke, and permanent magnet. Experiments were conducted in an exhaustive manner on a benchmark dataset to verify the proposed models' performances. The comparative analysis shows that the proposed global attention-based encoder-decoder (EnDec) model provides a competitive overall performance of 1.72 Mean Squared Error (MSE) and 5.34 Mean Absolute Error (MAE).

研究の動機と目的

• 複雑な内部構造とセンサ設置の制限により、PMSMの内部温度を予測する課題に対処すること。
• 外部の電気的・機械的入力のみを用いて、ステータ巻線、歯、ヨーク、永久磁石の温度を推定するデータ駆動型ディープラーニングモデルを開発すること。
• アテンション機構を用いたシーケンスモデリングにより、従来のモデルを上回る予測精度を向上させること。
• 標準LSTM、双方向LSTM、グローバルアテンションを組み込んだエンコーダ・デコーダアーキテクチャを含む、モデル変種を体系的に評価すること。
• 電気自動車の応用におけるリアルタイムの熱応力予測において、優れた性能とロバスト性を示すこと。

提案手法

• 時系列入力（電圧、電流、回転速度、周囲温度および冷却材温度）を、複数のターゲット温度出力にマッピングする、シーケンス・ツー・シーケンスのエンコーダ・デコーダLSTMアーキテクチャを設計する。
• 前向きおよび後向きの時間的依存関係を両方キャプチャできるように、双方向エンコーダ・デコーダLSTMを実装する。
• デコーダにグローバルアテンション機構を統合し、現在の予測ステップにおける関連性に基づいてエンコーダ状態を動的に重み付けする。
• 52 kWのPMSMに埋め込まれた熱電対とdSPACEデータ取得装置を用いて収集したベンチマークデータセットを用いて、すべてのモデルをエンド・トゥ・エンドで訓練する。
• 全ターゲット部品において、平均二乗誤差（MSE）および平均絶対誤差（MAE）を評価指標として使用する。
• アテンションおよび双方向構造の性能および推論時間への影響を分離するために、アブレーションスタディを実施する。

実験結果

リサーチクエスチョン

• RQ1 グローバルアテンションを組み込んだエンコーダ・デコーダLSTMモデルは、標準および双方向LSTMベースラインと比較して、複数のPMSM部品の温度予測精度を優れて達成できるか？
• RQ2 入力と出力信号の間に予測不能な時間遅延が存在する場合、アテンション機構は予測性能をどのように向上させるか？
• RQ3 双方向符号化およびアテンション機構を追加する際の、モデルの複雑さ、推論時間、予測精度のトレードオフはいかなるものか？
• RQ4 TCNベースの先行研究モデルと比較して、提案モデルは多ターゲットPMSM温度予測においてどの程度優れているか？
• RQ5 PMSM部品間の異種的かつ非定常的な熱的ダイナミクスが存在する状況でも、アテンション機構はロバスト性を向上させるか？

主な発見

• グローバルアテンションを組み込んだエンコーダ・デコーダLSTMは、テストセットにおいてMSE 1.72およびMAE 5.34という最良の全体的性能を達成した。
• アテンション機構は、追加パラメータがたった400個にとどまるにもかかわらず、標準エンコーダ・デコーダLSTMと比較してMSEで約31％の精度向上を実現した。
• 双方向LSTMモデルは、パラメータ数が3倍で、1バッチあたり19 msの推論時間を要するにもかかわらず、MSE 3.94およびMAE 6.39と性能が劣った。
• 提案モデルは、双方向LSTMモデルと比較して、MSEを56％、MAEを16％低減し、アテンションの有効性が双方向性を上回ることを示した。
• 先行研究のTCNベースモデルと比較して、MSEで43％以上、MAEで15％以上優れており、多ターゲットPMSM温度予測分野における新基準を確立した。
• アテンション機構は、入力と出力信号の間の予測不能な時間遅延に対しても、効果的にアラインメントを改善し、全部品において予測精度を向上させた。