德国汽车供应商采埃孚（ZF）能够精准测量电机内部温度，无论是温度过高、空间狭小，还是难以触及。这些精准的数据能够显著提升电机的功率输出，而且只需通过人工智能（AI）即可完成，无需任何额外硬件。最终结果是：功率更高、闲置电量更少，效率飞跃，回报丰厚。

图片来源：采埃孚

据外媒报道，凭借基于人工智能的TempAI解决方案，采埃孚正在整合一种全新方法，将电机的温度管理提升到全新水平。TempAI采用自学习温度模型，将预测准确率提高15%以上，从而显著提高电机的热利用率。

TempAI基于一个平台构建，该平台可根据测量数据自动生成基于物理的模型，并在极短时间内使其投入运行。由于所使用的AI模型所需的计算资源较少，现有的控制单元即可满足需求。这使得量产部署极具成本效益。

“这项技术使我们能够进一步提高驱动器的效率和可靠性。同时，TempAI也展示了数据驱动的开发如何不仅速度更快，而且更具可持续性和更强大。”采埃孚研发部门AI、数字工程和验证主管Stefan Sicklinger博士说道。

这项基于AI的技术已准备好投入量产，并可用于新一代采埃孚电机。“我们很自豪能够将这项创新投入量产，从而为更高效的电动汽车做出重大贡献。”电动动力总成技术开发主管Otmar Scharrer博士说道。“TempAI是电驱动温度管理领域的一项真正技术突破。”

即使在WLTP循环中，也能实现更高功率、更少闲置电量

更精确的温度预测可实现更有针对性的控制，直至达到热运行极限。结果：峰值功率提升高达6%，效率提升在WLTP循环中得到验证，WLTP循环是实际驾驶排放的全球标准。在动态驾驶过程中（例如在纽博格林北环赛道），能耗可降低6%至18%，具体取决于负载点。

更少的稀土元素，更短的开发周期

除了性能之外，TempAI还具有生态和经济优势：优化的热设计可以节省大量重稀土元素。同时，每个项目的开发时间也显著缩短：从几个月缩短到几天。在电驱动系统的开发过程中，由于成本或时间原因，目前尚无可靠的物理模型，而AI可以帮助理解和记录电机内部的运行过程。挑战在于：转子内部的温度只能在运行过程中直接测量，成本较高。

然而，在试验台架和后续测试车辆上进行的大量功能测试中，系统地记录了大量的测量数据。这些数据包括来自环境（例如油底壳）的温度值以及转子转速。各种可能的运行点及其时间序列会产生数百万个数据点。这些数据取决于驾驶员是否以及何时全力以赴，还是以步行速度滑行。经过“训练”，人工智能算法可以精确地过滤掉那些对转子和定子温度变化尤为重要的依赖关系。