<div class="csl-bib-body">
<div class="csl-entry">Baumann, M. S. (2026). <i>Modeling and real-time temperature estimation of PMSMs in electric vehicles</i> [Dissertation, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2026.146163</div>
</div>
-
dc.identifier.uri
https://doi.org/10.34726/hss.2026.146163
-
dc.identifier.uri
http://hdl.handle.net/20.500.12708/231990
-
dc.description.abstract
Eine genaue Kenntnis der Temperaturverteilung innerhalb von Permanentmagnet-Synchronmaschinen (PMSM) ist für einen sicheren, effizienten und zuverlässigen Betrieb insbesondere in automobilen Traktionsanwendungen unerlässlich. Kosten-, Integrations- und Zuverlässigkeitsanforderungen begrenzen jedoch die Anzahl und Platzierung von Temperatursensoren, insbesondere an rotierenden Komponenten wie dem Rotor, der die Permanentmagnete enthält. Daher ist der vollständige Temperaturzustand in der Praxis nicht direkt messbar, wodurch der Einsatz modellbasierter Schätzverfahren erforderlich wird. Die Kenntnis des Temperaturzustands ist für temperaturabhängige Regelungs- und Schutzstrategien erforderlich. In dieser Arbeit wird eine Modellierungsmethode für eine PMSM vorgestellt, bei der das thermische Modell mithilfe der Finite-Volumen-Methode abgeleitet und anhand von Messdaten kalibriert wird. Zur signifikanten Reduktion des Rechenaufwands um eine echtzeitfähige Berechnung des Temperaturzustands zu ermöglichen wird eine Modellordnungsreduktion angewendet, bei der wichtige (unsichere) Parameter, wie etwa Wärmeübergangskoeffizienten, erhalten bleiben. Eine experimentelle Validierung über verschiedene Lastzyklen hinweg bestätigt die Praxistauglichkeit und Genauigkeit des entwickelten Modells. Darüber hinaus zeigen Vergleiche mit Temperaturmessungen an Positionen, die nicht zur Kalibrierung verwendet wurden, dass die Methode die Temperaturverteilung in der gesamten Maschine zuverlässig abbildet, ohne dass die Modellstruktur angepasst werden muss. Die Identifikation eines präzisen thermischen Modells auf Basis von Messdaten ist in der Regel zeitaufwändig und komplex, wobei das Ergebnis stark von den verfügbaren Daten abhängt. Zur Vereinfachung dieses Prozesses wird eine Methode zur optimalen Versuchsplanung von Zyklen zur Parameteridentifikation entwickelt. Ziel ist es, den Informationsgehalt der Messdaten zu maximieren, die Genauigkeit und Robustheit der Parameterschätzung zu verbessern und die Gesamtdauer der Prüfstandsversuche zu verkürzen. Die Methode basiert auf einem Optimierungsproblem unter Verwendung des entwickelten reduzierten Gray-Box-Modells der PMSM. Die Kostenfunktion berücksichtigt das A-Optimalitätskriterium auf Basis der Fisher-Informationsmatrix. Die Methode wird sowohl durch Simulationen als auch durch Prüfstandsversuche validiert. Die Ergebnisse zeigen, dass der mit der vorgeschlagenen Methode entworfene Zyklus zu einer geringeren Parametervarianz und einer verbesserten Modellgenauigkeit im Vergleich zu manuell entworfenen Zyklen führt. In experimentellen Untersuchungen mit zwei Datensätzen vergleichbarer Dauer wurden durch die Kalibrierung des Modells mit dem Datensatz, der die optimal entworfenen Anregungszyklen enthält, deutliche Genauigkeitsverbesserungen erzielt. So wurde der root mean squared error (RMSE) der Permanentmagnettemperatur um nahezu 4 °C reduziert, während sich der maximale Absolutfehler um mehr als 30 °C verringerte. Abschließend wird ein beobachterbasierter Ansatz zur Schätzung der Temperaturverteilung in der Maschine unter Verwendung verfügbarer Messdaten vorgestellt, ohne Temperatursensoren an allen wichtigen Komponenten zu benötigen. Es werden zwei Beobachter entwickelt: Einer basiert auf einem elektrischen Maschinenmodell und schätzt die Temperatur der Permanentmagnete über die temperaturabhängigen verketteten magnetischen Flüsse. Der zweite Beobachter nutzt das reduzierte thermische Modell, das sowohl die geschätzte Permanentmagnettemperatur als auch gemessene Temperaturen des Stators am Wickelkopf einbezieht. Die Ergebnisse zeigen, dass die Fusion elektrischer und thermischer Beobachtungen zu genaueren und schneller konvergierenden Temperaturschätzungen führt als die Verwendung nur einer der beiden Methoden. Für die Permanentmagnete verbessert der fusionierte Ansatz die Fehlerdynamik deutlich, indem Anfangsschätzfehler von 30 °C innerhalb von 1 min auf unter 10 °C reduziert werden, während bei ausschließlicher Nutzung thermischer Beobachtungen hierfür mehr als 6 min erforderlich sind. Darüber hinaus wird der über einen Testdatensatz ermittelte RMSE durch die Einbeziehung des auf dem elektrischen Maschinenmodell basierenden Beobachters von nahezu 15 °C auf unter 7 °C reduziert.
de
dc.description.abstract
Accurate knowledge of the temperature distribution within permanent magnet synchronous machines (PMSMs) is necessary for safe, efficient, and reliable operation in automotive traction applications. However, cost, integration, and reliability constraints limit the number and placement of temperature sensors, especially on rotating components such as the rotor containing the permanent magnets. Consequently, the full temperature state is not directly measurable in practice, which necessitates the use of model-based estimation methods. Knowledge of the temperature state is required for temperature-aware control and protection strategies. This thesis presents a modeling method for PMSMs, where the thermal model is derived using the finite-volume method and calibrated with measurement data. A model-order reduction technique is applied to significantly reduce computational cost to allow real time computation of the temperature state while preserving important parameters (such as heat transfer coefficients) in the model formulation. Experimental validation based on different load cycles confirms the feasibility and accuracy of the proposed model. Furthermore, comparisons with temperature measurements at locations not used for calibration show that the method accurately captures the temperature distribution in the whole machine. Identifying a precise thermal model based on measurements is typically time-consuming and complex and the results highly dependent on the available data. To ensure that high-quality data is obtained, a method for optimally designing experimental cycles for parameter identification is developed in this thesis. The goal is to maximize the information content of the measurements, improve estimation accuracy and robustness, and reduce the total duration of test bench experiments. The approach formulates a tailored optimization problem using the gray-box reduced-order finite-volume model of the PMSM. The objective function incorporates the A-optimality criterion based on the Fisher information matrix. Validation using both simulations and test bench experiments demonstrates that the proposed design method leads to reduced parameter variance and improved model accuracy compared to manually designed cycles. In experimental tests using two data sets of comparable duration, the model calibrated with the data set containing the optimally designed excitation cycles achieved significantly improved accuracy. The root mean squared error of the permanent magnet temperature was reduced by almost 4 °C, while the maximum absolute error decreased by more than 30 °C. Finally, an observer-based approach is developed to estimate the PMSM internal temperatures using available measurements, without requiring full temperature sensor coverage. Two observers are developed: one based on an electrical machine model that estimates the permanent magnet temperature via the temperature dependence of the magnetic flux linkage, and a second one based on the reduced-order thermal model that combines the estimate of the permanent magnet temperature with measured end winding temperatures. The results show that fusing electrical and thermal observations yields more accurate and responsive temperature estimates than either method alone. For the permanent magnets, the fused approach significantly improves the error dynamics, as initial estimation errors of 30 °C are reduced to below 10 °C within 1 min, whereas more than 6 min are required when only thermal observations are used. Furthermore, the aggregate root mean squared error on a testing dataset is reduced from almost 15 °C to below 7 °C by incorporating the observer based on the electrical machine model.
en
dc.language
English
-
dc.language.iso
en
-
dc.rights.uri
http://rightsstatements.org/vocab/InC/1.0/
-
dc.subject
Automatisierungs- und Regelungstechnik
de
dc.subject
Elektrotechnik
de
dc.subject
Modellierung
de
dc.subject
Optimierung
de
dc.subject
Automation and Control Engineering
en
dc.subject
Electrical Engineering
en
dc.subject
Modeling
en
dc.subject
Optimization
en
dc.title
Modeling and real-time temperature estimation of PMSMs in electric vehicles
en
dc.type
Thesis
en
dc.type
Hochschulschrift
de
dc.rights.license
In Copyright
en
dc.rights.license
Urheberrechtsschutz
de
dc.identifier.doi
10.34726/hss.2026.146163
-
dc.contributor.affiliation
TU Wien, Österreich
-
dc.rights.holder
Martin Stefan Baumann
-
dc.publisher.place
Wien
-
tuw.version
vor
-
tuw.thesisinformation
Technische Universität Wien
-
dc.contributor.assistant
Kemmetmüller, Wolfgang
-
tuw.publication.orgunit
E376 - Institut für Automatisierungs- und Regelungstechnik