ホーム > 特許ランキング > トヨタ自動車株式会社
知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-09-02
(45)【発行日】2024-09-10
(54)【発明の名称】磁石温度推定装置
(51)【国際特許分類】
H02P 29/66 20160101AFI20240903BHJP
H02K 11/25 20160101ALI20240903BHJP
【ＦＩ】
H02P29/66
H02K11/25
【請求項の数】
4
(21)【出願番号】P 2021073977
(22)【出願日】2021-04-26
(65)【公開番号】P2022168480
(43)【公開日】2022-11-08
【審査請求日】2023-09-12
(73)【特許権者】
【識別番号】000003207
【氏名又は名称】トヨタ自動車株式会社
(74)【代理人】
【識別番号】100099759
【弁理士】
【氏名又は名称】青木 篤
(74)【代理人】
【識別番号】100123582
【弁理士】
【氏名又は名称】三橋 真二
(74)【代理人】
【識別番号】100092624
【弁理士】
【氏名又は名称】鶴田 準一
(74)【代理人】
【識別番号】100147555
【弁理士】
【氏名又は名称】伊藤 公一
(74)【代理人】
【識別番号】100123593
【弁理士】
【氏名又は名称】関根 宣夫
(74)【代理人】
【識別番号】100133835
【弁理士】
【氏名又は名称】河野 努
(72)【発明者】
【氏名】永野 知哉
【審査官】島倉 理
(56)【参考文献】
【文献】特開２０２０－１１４１６７（ＪＰ，Ａ）
【文献】国際公開第２０１３／１４５２６７（ＷＯ，Ａ１）
【文献】特開２０１９－１８５５８０（ＪＰ，Ａ）
【文献】国際公開第２０１５／１７０７４７（ＷＯ，Ａ１）
【文献】特開２０１９－１５５５７３（ＪＰ，Ａ）
【文献】特開昭６１－０１８８３０（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｈ０２Ｐ ２９／６６
Ｈ０２Ｋ １１／２５
(57)【特許請求の範囲】
【請求項1】
一定時間毎に測定された、ステータコイル温度と、モータ回転数と、オイル温度と、オイルポンプ回転数を含むパラメータを取得するパラメータ取得部と、該パラメータの一定区間毎の移動平均値を算出する算出部と、
該パラメータの移動平均値が入力された場合に該モータのロータに取り付けられた磁石の温度を出力するように学習された学習モデルに、該算出部により算出された移動平均値を入力し、該学習モデルから出力された磁石温度の推定値を取得する温度取得部と、
該温度取得部が取得した磁石温度の推定値を出力する出力部とを有し、
該学習モデルが、一次元畳み込みニューラルネットワークからなり、ステータコイル温度と、モータ回転数と、オイル温度と、オイルポンプ回転数の各移動平均値に対して、これらパラメータの数と同数のサイズのフィルタを少しずつ移動させながら該フィルタによる畳み込み処理を行うことにより各パラメータの値とフィルタの値との積和からなる出力値が求められ、該出力値を用いて一次元畳み込みニューラルネットワークの学習が行われる磁石温度推定装置。
【請求項2】
該パラメータは、ステータコイル温度と、モータ回転数と、オイル温度と、オイルポンプ回転数に加え、モータトルクと、モータ電流と、インバータ周波数とを含む請求項１に記載の磁石温度推定装置。
【請求項3】
該算出部は、該移動平均値として、指数平滑移動平均値を算出する請求項１に記載の磁石温度推定装置。
【請求項4】
該温度取得部による磁石温度の推定値の取得間隔を車両の駆動負荷に応じて変化させ、車両の駆動負荷が低いときの磁石温度の推定値の取得間隔を車両の駆動負荷が高いときの磁石温度の推定値の取得間隔よりも長くした請求項１に記載の磁石温度推定装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は磁石温度推定装置に関する。
【背景技術】
【0002】
永久磁石を備えたロータとステータからなる回転型電動モータにおいて、永久磁石の温度が高くなると永久磁石の磁力が低下するために、電動モータは予定されている出力を出せなくなる。従って、永久磁石の温度を検出する必要が生ずる。しかしながら、市販車両において、ロータに取り付けられた永久磁石の温度を検出することは難しい。そこで、ロータに取り付けられた永久磁石の温度を推定するようにした磁石温度推定装置が公知である（例えば特許文献１を参照）。この磁石温度推定装置では、概略的に言うと、ロータ外周面と電動モータの周囲を流れるオイルの温度との温度差に基づき算出されたロータからオイルへの単位時間当たりの放熱量と、オイルの温度上昇量に基づき算出されたロータからオイルへの単位時間当たりの放熱量との差からロータの単位時間当たりの温度上昇量を算出し、算出されたロータの単位時間当たりの温度上昇量を積算することによりロータの温度、即ち、磁石の温度を推定するようにしている。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０１４－９３８６７号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、このように算出されたロータの単位時間当たりの温度上昇量を積算することにより磁石の温度を推定すると、単位時間当たりの温度上昇量を積算している間に誤差が蓄積し、磁石温度の推定値が実際の磁石温度から大きく乖離する場合が多いという問題がある。
【課題を解決するための手段】
【0005】
そこで、本発明によれば、一定時間毎に測定された、ステータコイル温度と、モータ回転数と、オイル温度と、オイルポンプ回転数を含むパラメータを取得するパラメータ取得部と、
パラメータの一定区間毎の移動平均値を算出する算出部と、
パラメータの移動平均値が入力された場合にモータのロータに取り付けられた磁石の温度を出力するように学習された学習モデルに、算出部により算出された移動平均値を入力し、学習モデルから出力された磁石温度の推定値を取得する温度取得部と、
温度取得部が取得した磁石温度の推定値を出力する出力部とを有し、
学習モデルが、一次元畳み込みニューラルネットワークからなり、ステータコイル温度と、モータ回転数と、オイル温度と、オイルポンプ回転数の各移動平均値に対して、これらパラメータの数と同数のサイズのフィルタを少しずつ移動させながらフィルタによる畳み込み処理を行うことにより各パラメータの値とフィルタの値との積和からなる出力値が求められ、この出力値を用いて一次元畳み込みニューラルネットワークの学習が行われる磁石温度推定装置が提供される。
パラメータの一定区間毎の移動平均値を算出する算出部と、
パラメータの移動平均値が入力された場合にモータのロータに取り付けられた磁石の温度を出力するように学習された学習モデルに、算出部により算出された移動平均値を入力し、学習モデルから出力された磁石温度の推定値を取得する温度取得部と、
温度取得部が取得した磁石温度の推定値を出力する出力部とを有し、
学習モデルが、一次元畳み込みニューラルネットワークからなり、ステータコイル温度と、モータ回転数と、オイル温度と、オイルポンプ回転数の各移動平均値に対して、これらパラメータの数と同数のサイズのフィルタを少しずつ移動させながらフィルタによる畳み込み処理を行うことにより各パラメータの値とフィルタの値との積和からなる出力値が求められ、この出力値を用いて一次元畳み込みニューラルネットワークの学習が行われる磁石温度推定装置が提供される。
【発明の効果】
【0006】
磁石温度を正確に推定することができる。
【図面の簡単な説明】
【0007】
【発明を実施するための形態】
【0008】
図１を参照すると、１はハイブリッド車両のトランスアクスルのハウジング、２は車両駆動用のモータ、３はオイルポンプ、４はオイルクーラを夫々示す。モータ２は、軸受５により回転可能に支承された回転軸６と、回転軸６上に固定されたロータ７と、ロータ７を包囲するステータ８からなる。本発明による実施例では、ロータ７に永久磁石（図示せず）が取り付けられている。この場合、この永久磁石は、ロータ７内に埋め込まれている場合もあるし、ロータ７の外周面上に固定されている場合もある。一方、ステータ８内にはステータコイル（図示せず）が配置されており、ステータコイルに駆動電流が供給されるとロータ７が備える永久磁石の磁場との相互作用によりロータ７が回転する。なお、モータ２は、車両の駆動力源として用いられるばかりでなく、発電機としても使用される。ステータコイルへの駆動電流の供給制御はインバータ９によって行われ、このインバータ９は電子制御ユニット２０によって制御される。
【0009】
トランスアクスルのハウジング１内には、モータ２および減速歯車機構を潤滑しかつ冷却するためのオイルが供給されている。トランスアクスルのハウジング１内の底部に溜まっているオイルはオイルポンプ３によりオイルクーラ４に送り込まれ、オイルクーラ４内において、機関冷却水との間の熱交換作用により冷却されたオイルは、再び、トランスアクスルのハウジング１内に送り込まれる。オイルポンプ３は、エンジンにより駆動される場合と、オイルポンプ駆動モータにより駆動される場合がある。図１に示される実施例では、オイルポンプ３は、エンジンにより駆動されている。
【0010】
図１に示されるように、電子制御ユニット２０はデジタルコンピュータからなり、双方向性バス２１によって互いに接続されたＲＯＭ（リードオンリメモリ）２２、ＲＡＭ（ランダムアクセスメモリ）２３、ＣＰＵ（マイクロプロセッサ）２４、入力ポート２５および出力ポート２６を具備する。ステータ８にはステータコイルの温度を測定するための温度センサ１０が取付けられており、この温度センサ１０の出力信号は、対応するＡＤ変換器２７を介して入力ポート２５に入力される。モータ２の回転軸６には、モータ２の回転数を測定するための回転数センサ１１が取付けられており、この回転数センサ１１の出力信号は、対応するＡＤ変換器２７を介して入力ポート２５に入力される。
【0011】
また、トランスアクスルのハウジング１内の底部には、オイルトランスアクスルのハウジング１内に溜まっているオイルの温度を測定するための温度センサ１２が取り付られており、この温度センサ１２の出力信号は、対応するＡＤ変換器２７を介して入力ポート２５に入力される。更に、オイルポンプ３には、オイルポンプ３の回転数を測定するための回転数センサ１３が取付けられており、この回転数センサ１３の出力信号は、対応するＡＤ変換器２７を介して入力ポート２５に入力される。なお、オイルポンプ３がエンジンにより駆動されている場合には、回転数センサ１３として、機関回転数を検出する回転数センサを用いることもできる。
【0012】
一方、インバータ９からは、モータ２の駆動電流、モータ２の駆動電圧、およびインバータ周波数を表す信号が、夫々対応するＡＤ変換器２７を介して入力ポート２５に入力される。この場合、電子制御ユニット２０内では、モータ２の駆動電流およびモータ２の駆動電圧から、モータ２の駆動トルクが算出されている。
【0013】
さて、永久磁石は温度が高くなると磁力が低下する。従って、ロータ７に取り付けられた永久磁石の温度が高くなると、モータ７は予定されている出力を出せなくなる。従って、永久磁石の温度を検出する必要が生ずる。しかしながら、市販車両において、ロータ７に取り付けられた永久磁石の温度を検出することは難しく、従って、永久磁石の温度を推定することが必要となる。そこで、永久磁石の温度について検討を重ねた結果、ロータ７に取り付けられた永久磁石の温度は、モータ７の回転に関するパラメータと相関があり、しかも、ロータ７に取り付けられた永久磁石の温度は、これらパラメータの過去から現在までの時間的変化の影響を大きく受けることが判明したのである。
【0014】
この場合、ロータ７に取り付けられた永久磁石の温度は、モータの回転に関するパラメータのうちで、ステータコイルの温度と、モータ２の回転数と、オイルの温度と、オイルポンプ３の回転数との相関が特に強く、これらステータコイルの温度と、モータ２の回転数と、オイルの温度と、オイルポンプ３の回転数の過去から現在までの時間的変化が、ロータ７に取り付けられた永久磁石の温度に大きな影響を与えることが判明している。図２には、これらステータコイルの温度Ｔｓと、モータ２の回転数Ｒｍと、オイルの温度Ｔｉと、オイルポンプ３の回転数Ｒｐの時間的変化の一例が示されており、更に、図２には、ロータ７に取り付けられた永久磁石の温度Ｔｒの実際の時間的変化が実線で示されている。
【0015】
なお、図２において、ステータコイルの温度Ｔｓは温度センサ１０により測定され、モータ２の回転数Ｒｍは回転数センサ１１により測定され、オイルの温度Ｔｉは温度センサ１２により測定され、オイルポンプ３の回転数Ｒｐは回転数センサ１３により測定される。一方、ロータ７に取り付けられた永久磁石の実際の温度Ｔｒの検出は、例えば、サーミスタにより検出された温度情報を無線でもって外部に送信可能なテレメータを用いて行われる。この場合、テレメータは永久磁石の実際の温度Ｔｒを検出可能なようにロータ７内に埋め込まれる。また、ロータ７に取り付けられた永久磁石の実際の温度Ｔｒとして、シミュレーションにより得られた温度を用いることもできる。
【0016】
さて、上述したように、ステータコイルの温度Ｔｓと、モータ２の回転数Ｒｍと、オイルの温度Ｔｉと、オイルポンプ３の回転数Ｒｐの過去から現在までの時間的変化が、ロータ７に取り付けられた永久磁石の温度に大きな影響を与えることが判明している。そこで、本発明のよる実施例では、ステータコイルの温度Ｔｓと、モータ２の回転数Ｒｍと、オイルの温度Ｔｉと、オイルポンプ３の回転数Ｒｐの過去から現在までの時間的変化から、一次元畳み込みニューラルネットワークを用いて、ロータ７に取り付けられた永久磁石の現在の温度Ｔｒを推定するようにしている。なお、図２において破線は、ロータ７に取り付けられた永久磁石の温度Ｔｒの推定値の時間的変化を示している。
【0017】
さて、本発明のよる実施例では、ステータコイルの温度Ｔｓと、モータ２の回転数Ｒｍと、オイルの温度Ｔｉと、オイルポンプ３の回転数Ｒｐの測定値が１秒毎に取得される。この場合、本発明のよる実施例では、時刻ｔ－９から時刻ｔまでの１０秒間において１秒毎に取得されたステータコイルの温度Ｔｓと、モータ２の回転数Ｒｍと、オイルの温度Ｔｉと、オイルポンプ３の回転数Ｒｐの時系列データから、一次元畳み込みニューラルネットワークを用いて、ロータ７に取り付けられた永久磁石の現在の温度Ｔｒの推定値ＴＴｒが求められる。
【0018】
そこで、次に、図２に示される場合を例にとって、図３から図５を参照しつつ、一次元畳み込みニューラルネットワークを用いた推定方法の概要について説明する。図３の上方部分には、時刻ｔ－９から時刻ｔまでの１０秒間における１秒毎の各測定値ａ、ｂ、ｃ、ｄの一覧表が示されている。図２に示される場合には、これらの各測定値ａ、ｂ、ｃ、ｄは、ステータコイルの温度Ｔｓと、モータ２の回転数Ｒｍと、オイルの温度Ｔｉと、オイルポンプ３の回転数Ｒｐの測定値を示している。
【0019】
一方、これらの各測定値ａ、ｂ、ｃ、ｄに対して適用されるフィルタが図３の中央部分に示されている。このフィルタは、測定値ａ、ｂ、ｃ、ｄに対して、夫々４個の要素ｗａ（１）１～ｗａ（１）４、ｗｂ（１）１～ｗｂ（１）４、ｗｃ（１）１～ｗｃ（１）４、および ｗｄ（１）１～ｗｄ（１）４ が割り当てられている。即ち、このフィルタは、フィルタサイズが４とされており、チャネル数が４とされている。この場合、最初に、時刻ｔ－６（図３）では、図３の上方部分において破線で囲まれた時刻ｔ－９から時刻ｔ－６の各測定値ａ、ｂ、ｃ、ｄと、フィルタの対応する各要素の値との積和が算出される。即ち、図３の上方部分において破線で囲まれた時刻ｔ－９から時刻ｔ－６の各測定値ａ、ｂ、ｃ、ｄに対して、フィルタの対応する各要素の値を乗算し、１６個得られる乗算結果の総和（ａｔ－９・ｗａ（１）１＋ａｔ－８・ｗａ（１）２＋・・・・＋ｄｔ－７・ｗｄ（１）３＋ｄｔ－６・ｗｄ（１）４）が算出される。この算出された積和の値が、図３の下方部分において破線で囲まれた時刻ｔ－６における出力値ｚ（１）ｔ－６とされる。
【0020】
次いで、図３の時刻ｔ－５では、図３の上方部分において一点鎖線で囲まれた時刻ｔ－８から時刻ｔ－５の各測定値ａ、ｂ、ｃ、ｄと、フィルタの対応する各要素の値との積和（ａｔ－８・ｗａ（１）１＋ａｔ－７・ｗａ（１）２＋・・・・＋ｄｔ－６・ｗｄ（１）３＋ｄｔ－５・ｗｄ（１）４）が算出される。この算出された積和の値が、図３の下方部分において一点鎖線で囲まれた時刻ｔ－５における出力値ｚ（１）ｔ－５とされる。即ち、図３の上方部分において破線で囲まれた時刻ｔ－９から時刻ｔ－６の各検出値ａ、ｂ、ｃ、ｄに対し、フィルタにより畳み込みを行った結果が出力値ｚ（１）ｔ－６とされ、図３の上方部分において一点鎖線で囲まれた時刻ｔ－８から時刻ｔ－５の各測定値ａ、ｂ、ｃ、ｄに対し、フィルタにより畳み込みを行った結果が出力値ｚ（１）ｔ－５とされる。
【0021】
このように各測定値ａ、ｂ、ｃ、ｄに対し、フィルタを少しずつ移動させながらフィルタによる畳み込みを行うことによって、時刻ｔ－６から時刻ｔまでの出力値（ｚ（１）ｔ－６・・・ｚ（１）ｔ）が算出される。一方、この一次元畳み込みニューラルネットワークの例では、図４Ａに示されるように、フィルタサイズ＝４でチャネル数＝４のフィルタが更に１９個用いられており、これら１９個の各フィルタについて、図３に示される各測定値ａ、ｂ、ｃ、ｄに対し、フィルタを少しずつ移動させながらフィルタによる畳み込みを行うことによって、図４Ｂに示されるように、１９個の時刻ｔ－６から時刻ｔまでの出力値（ｚ（２）ｔ－６・・・ｚ（２）ｔ）・・・（ｚ（２０）ｔ－６・・・ｚ（２０）ｔ）が算出される。即ち、全部で２０個の時刻ｔ－６から時刻ｔまでの出力値（ｚ（１）ｔ－６・・・ｚ（１）ｔ）・・・（ｚ（２０）ｔ－６・・・ｚ（２０）ｔ）が算出され、これら時刻ｔ－６から時刻ｔまでの出力値を用いて、一次元畳み込みニューラルネットワークの学習が行われ、学習済みの一次元畳み込みニューラルネットワークを用いて、ロータ７に取り付けられた永久磁石の現在の温度Ｔｒの推定値ＴＴｒが求められる。なお、この場合、フィルタの移動量を任意の移動量、即ち、任意のストライドとすることができる。
【0022】
図５に、一次元畳み込みニューラルネットワークの構造を示す。図３に示されるような各測定値ａ、ｂ、ｃ、ｄが一次元畳み込みニューラルネットワーク入力されると、図５の畳み込み層において、これらの測定値ａ、ｂ、ｃ、ｄに対し、各フィルタによる畳み込み処理が行われ、図３および図４Ｂに示されるような全部で２０個の時刻ｔ－６から時刻ｔまでの出力値（ｚ（１）ｔ－６・・・ｚ（１１ｔ）・・・（ｚ（２０）ｔ－６・・・ｚ（２０）ｔ）が算出される。これらの各出力値には、シグモイド関数等の活性化関数が乗算され、活性化関数の乗算された各出力値が全結合層の各ノードに入力される。なお、この場合、全結合層の前にプーリング層を設けることもできる。全結合層の各ノードからの出力は出力層のノードに入力され、出力層のノードから永久磁石の現在の温度Ｔｒの推定値ＴＴｒが出力される。
【0023】
ところで、図３の上方部分の一覧表に示されるような時刻ｔ－９から時刻ｔまでの１０秒間における１秒毎の各測定値ａ、ｂ、ｃ、ｄに対して、各フィルタによる畳み込み作業を行うと、記憶すべきデータ量が多いために大きな記憶容量が必要となり、一次元畳み込みニューラルネットワークの学習すべき重みの量が多いために永久磁石の現在の温度Ｔｒの推定値ＴＴｒを求めるのに時間を要する。そこで本発明のよる実施例では、各測定値ａ、ｂ、ｃ、ｄの過去から現在までの時間的変化が、永久磁石の現在の温度Ｔｒの推定値ＴＴｒに与える影響を損なうことなく、データの記憶容量を低減し、学習すべき重みの量を低減するために、各測定値ａ、ｂ、ｃ、ｄの移動平均値を求めて、求められたに各測定値ａ、ｂ、ｃ、ｄの移動平均値に対して、各フィルタによる畳み込み処理を行うようにしている。
【0024】
そこで、次に、図６から図８Ｂを参照しつつ、移動平均値を用いた一次元畳み込み処理について説明する。最初に図６を参照すると、図６の上方部分には、図３の上方部分に示される一覧表と同一の、時刻ｔ－９から時刻ｔまでの１０秒間における１秒毎の各測定値ａ、ｂ、ｃ、ｄの一覧表が示されている。本発明による実施例では、図６の上方部分に示される各測定値ａ、ｂ、ｃ、ｄに対して、移動平均処理が行われる。図６に示される例においては、時刻ｔ－５では、測定値ａについて、図６の上方部分において破線で囲まれた時刻ｔ－９から時刻ｔ－５までの過去５秒間の測定値（ａｔ－９、ａｔ－８、ａｔ－７、ａｔ－６、ａｔ－５）の移動平均値が算出され、この測定値（ａｔ－９、ａｔ－８、ａｔ－７、ａｔ－６、ａｔ－５）の移動平均値が、図６の下方部分の一覧表の時刻ｔ－５において破線で囲まれたｍａｔ－５とされる。また、時刻ｔ－４では、測定値ａについて、図６の上方部分において一点鎖線で囲まれた時刻ｔ－８から時刻ｔ－４までの過去５秒間の測定値（ａｔ－８、ａｔ－７、ａｔ－６、ａｔ－５、ａｔ－４）の移動平均値が算出され、この測定値（ａｔ－８、ａｔ－７、ａｔ－６、ａｔ－５、ａｔ－４）の移動平均値が、図６の下方部分の一覧表の時刻ｔ－４において一点鎖線で囲まれたｍａｔ－４とされる。
【0025】
同様にして、時刻ｔ－３から時刻ｔまでの各移動平均値ｍａｔ－３、ｍａｔ－２、ｍａｔ－１、ｍａｔが算出される。また、図６の下方部分の一覧表に示されるように、測定値ｂについても、同様にして、時刻ｔ－５から時刻ｔまでの各移動平均値ｍｂｔ－５、ｍｂｔ－４、ｍｂｔ－３、ｍｂｔ－２、ｍｂｔ－１、ｍｂｔが算出され、測定値ｃについても、同様にして、時刻ｔ－５から時刻ｔまでの各移動平均値ｍｃｔ－５、ｍｃｔ－４、ｍｃｔ－３、ｍｃｔ－２、ｍｃｔ－１、ｍｃｔが算出され、測定値ｄについても、同様にして、時刻ｔ－５から時刻ｔまでの各移動平均値ｍｄｔ－５、ｍｄｔ－４、ｍｄｔ－３、ｍｄｔ－２、ｍｄｔ－１、ｍｄｔが算出される。時刻ｔ－９から時刻ｔまでの全ての各測定値ａ、ｂ、ｃ、ｄについて、図６の下方部分の一覧表に示されるような移動平均値ｍａｔ－５、ｍａｔ－４・・・ｍｄｔ－１、ｍｄｔが算出されると、これらの移動平均値ｍａｔ－５、ｍａｔ－４・・・ｍｄｔ－１、ｍｄｔに対して一次元畳み込み処理が行われる。
【0026】
次に、この移動平均値ｍａｔ－５、ｍａｔ－４・・・ｍｄｔ－１、ｍｄｔに対する一次元畳み込み処理について、図７から図８Ｂを参照しつつ説明する。なお、この移動平均値ｍａｔ－５、ｍａｔ－４・・・ｍｄｔ－１、ｍｄｔに対する一次元畳み込み処理も、図３から図４Ｂを参照しつつ説明した一次元畳み込み処理と同様な方法で行われる。図７を参照すると、図７の上方部分には、図６の下方部分に示される一覧表と同一の一覧表が示されている。一方、図７の中央部分には、移動平均値ｍａｔ－５、ｍａｔ－４・・・ｍｄｔ－１、ｍｄｔに対して適用されるフィルタが示されている。このフィルタも、図３の中央部分に示されるフィルタと同様に、フィルタサイズは４であり、チャネル数も４である。
【0027】
この場合にも、最初に、図７の時刻ｔ－２では、図７の上方部分において破線で囲まれた時刻ｔ－５から時刻ｔ－２の各移動平均値ｍａｔ－５、ｍａｔ－４・・・ｍｄｔ－３、ｍｄｔ－２と、フィルタの対応する各要素の値との積和が算出される。即ち、図７の上方部分において破線で囲まれた時刻ｔ－５から時刻ｔ－２の各移動平均値ｍａｔ－５、ｍａｔ－４・・・ｍｄｔ－３、ｍｄｔ－２に対して、フィルタの対応する各要素の値を乗算し、１６個得られる乗算結果の総和（ｍａｔ－５・ｗａ（１）１＋ｍａｔ－４・ｗａ（１）２＋・・・・＋ｍｄｔ－３・ｗｄ（１）３＋ｍｄｔ－２・ｗｄ（１）４）が算出される。この算出された積和の値が、図７の下方部分において破線で囲まれた時刻ｔ－２における出力値ｚ（１）ｔ－２とされる。
【0028】
次いで、図７の時刻ｔ－１では、図７の上方部分において一点鎖線で囲まれた時刻ｔ－４から時刻ｔ－１の各移動平均値ｍａｔ－４、ｍａｔ－３・・・ｍｄｔ－２、ｍｄｔ－１と、フィルタの対応する各要素の値との積和（ｍａｔ－４・ｗａ（１）１＋ｍａｔ－３・ｗａ（１）２＋・・・・＋ｍｄｔ－２・ｗｄ（１）３＋ｍｄｔ－１・ｗｄ（１）４）が算出される。この算出された積和の値が、図７の下方部分において一点鎖線で囲まれた時刻ｔ－１における出力値ｚ（１）ｔ－１とされる。即ち、図７の上方部分において破線で囲まれた時刻ｔ－５から時刻ｔ－２の各移動平均値ｍａｔ－５、ｍａｔ－４・・・ｍｄｔ－３、ｍｄｔ－２に対し、フィルタにより畳み込み処理を行った結果が出力値ｚ（１）ｔ－２とされ、図７の上方部分において一点鎖線で囲まれた時刻ｔ－４から時刻ｔ－１の各移動平均値ｍａｔ－４、ｍａｔ－３・・・ｍｄｔ－２、ｍｄｔ－１に対し、フィルタにより畳み込みを行った結果が出力値ｚ（１）ｔ－１される。
【0029】
このように各移動平均値ｍａｔ－５、ｍａｔ－４・・・ｍｄｔ－１、ｍｄｔに対し、フィルタを少しずつ移動させながらフィルタによる畳み込み処理を行うことによって、時刻ｔ－２から時刻ｔまでの出力値（ｚ（１）ｔ－２・・・ｚ（１）ｔ）が算出される。一方、この一次元畳み込みニューラルネットワークの例でも、図８Ａに示されるように、フィルタサイズ＝４でチャネル数＝４のフィルタが更に１９個用いられており、これら１９個の各フィルタについて、図７に示される各移動平均値ｍａｔ－５、ｍａｔ－４・・・ｍｄｔ－１、ｍｄｔに対し、フィルタを少しずつ移動させながらフィルタによる畳み込みを行うことによって、図８Ｂに示されるように、１９個の時刻ｔ－２から時刻ｔまでの出力値（ｚ（２）ｔ－２・・・ｚ（２）ｔ）・・・（ｚ（２０）ｔ－２・・・ｚ（２０）ｔ）が算出される。即ち、全部で２０個の時刻ｔ－２から時刻ｔまでの出力値（ｚ（１）ｔ－２・・・ｚ（１）ｔ）・・・（ｚ（２０）ｔ－２・・・ｚ（２０）ｔ）が算出され、これら時刻ｔ－２から時刻ｔまでの出力値を用いて、一次元畳み込みニューラルネットワークの学習が行われ、学習済みの一次元畳み込みニューラルネットワークを用いて、ロータ７が備える永久磁石の現在の温度Ｔｒの推定値ＴＴｒが求められる。なお、この場合も、フィルタの移動量を任意の移動量、即ち、任意のストライドとすることができる。
【0030】
図９には、図２に示されるステータコイルの温度Ｔｓの測定値と、モータ２の回転数Ｒｍの測定値と、オイルの温度Ｔｉの測定値と、オイルポンプ３の回転数Ｒｐの測定値の夫々について移動平均処理を行ったときのステータコイルの温度Ｔｓと、モータ２の回転数Ｒｍと、オイルの温度Ｔｉと、オイルポンプ３の回転数Ｒｐの移動平均値の時間的変化と、ロータ７が備える永久磁石の実際の温度Ｔｒの時間的変化（実線）と、ロータ７が備える永久磁石の温度Ｔｒの推定値の時間的変化（破線）の一例が示されている。
【0031】
ところで、図９に示される例では、上述したように、時刻ｔ－２から時刻ｔまでの出力値を用いて、一次元畳み込みニューラルネットワークの学習が行われ、従って、一次元畳み込みニューラルネットワークの学習期間は、図９においてＳで示される範囲となる。これに対し、図２に示される例では、前述したように時刻ｔ－６から時刻ｔまでの出力値を用いて、一次元畳み込みニューラルネットワークの学習が行われ、従って、一次元畳み込みニューラルネットワークの学習期間は、図２においてＳで示される範囲となる。この場合、図９に示される場合でも、図２に示される場合でも、一次元畳み込みニューラルネットワークの学習に用いられる情報量はほぼ同じである。従って、移動平均値ｍａｔ－５、ｍａｔ－４・・・ｍｄｔ－１、ｍｄｔに対して、畳み込み処理を行った場合、即ち、図９に示される場合、図２に示される場合に比べて、学習に用いられる情報量をほぼ同一に維持しつつ、一次元畳み込みニューラルネットワークの学習期間を短くすることができる。その結果、データ保持量を削減することができ、記憶容量を低減することが可能となる。
【0032】
次に、図１０Ａおよび図１０Ｂを参照しつつ、一次元畳み込みニューラルネットワークの学習処理について説明する。この一次元畳み込みニューラルネットワークの学習処理は、例えば、図１に示される電子制御ユニット２０内において行われる。一次元畳み込みニューラルネットワークの学習を行うときには、最初に、車両の駆動負荷を種々に変化させ、このときに、単位時間毎に、例えば、１秒毎に測定されたステータコイルの温度Ｔｓと、モータ２の回転数Ｒｍと、オイルの温度Ｔｉと、オイルポンプ３の回転数Ｒｐと、ロータ７が備える永久磁石の実際の温度Ｔｒとが、電子制御ユニット２０のＲＡＭ２３内に記憶される。図１０Ａは、電子制御ユニット２０のＲＡＭ２３内に記憶された各時刻ｔ１、ｔ２、ｔ３、ｔ４、ｔ５、ｔ６、ｔ７、ｔ８・・・におけるステータコイルの温度Ｔｓと、モータ２の回転数Ｒｍと、オイルの温度Ｔｉと、オイルポンプ３の回転数Ｒｐと、ロータ７が備える永久磁石の実際の温度Ｔｒとを示している。なお、図１０Ａにおける時刻ｔ１は、ステータコイルの温度Ｔｓ等の記憶が開始されたときの時刻を示している。
【0033】
電子制御ユニット２０内では、電子制御ユニット２０のＲＡＭ２３内に記憶された図１０Ａに示される各測定値から移動平均値が算出され、算出された移動平均値は、電子制御ユニット２０のＲＡＭ２３内に記憶される。図１０Ｂは、電子制御ユニット２０のＲＡＭ２３内に記憶された移動平均値の一覧表を示している。なお、以下、一例として、過去４秒間の測定値の移動平均値を求めた場合を例にとって、図１０Ｂの一覧表に示された移動平均値について、図１１Ａおよび図１１Ｂを参照しつつ説明する。
【0034】
図１１Ａは、移動平均値として、単純移動平均（ＳＭＡ）により得られた移動平均値を用いた場合を示している。この場合には、図１１Ａに示されるように、図１０Ｂの時刻ｔ４における移動平均値ｍａ４は、図１０Ａの時刻ｔ１から時刻ｔ４までの測定値ａ１、ａ２、ａ３、ａ４の単純平均値であり、図１０Ｂの時刻ｔ４における移動平均値ｍｂ４は、図１０Ａの時刻ｔ１から時刻ｔ４までの測定値ｂ１、ｂ２、ｂ３、ｂ４の単純平均値である。図１０Ｂの時刻ｔ４における残りの移動平均値ｍｃ４およびｍｄ４についても同様である。
【0035】
また、図１１Ａに示されるように、図１０Ｂの時刻ｔ５おける移動平均値ｍａ５は、図１０Ａの時刻ｔ２から時刻ｔ５までの測定値ａ２、ａ３、ａ４、ａ５の単純平均値であり、図１０Ｂの時刻ｔ５おける移動平均値ｍｂ５は、図１０Ａの時刻ｔ２から時刻ｔ５までの測定値ｂ２、ｂ３、ｂ４、ｂ５の単純平均値である。図１０Ｂの時刻ｔ５における残りの移動平均値ｍｃ５およびｍｄ５についても同様である。なお、図１１Ａには、この単純移動平均（ＳＭＡ）の一般式が示されている。
【0036】
一方、図１１Ｂは、移動平均値として、指数平滑移動平均（ＥＭＡ）により得られた移動平均値を用いた場合を示している。この指数平滑移動平均（ＥＭＡ）は、過去の測定値の代わりに前回の指数平滑移動平均（ＥＭＡ）を用い、現在の測定値に重みを持たせるために現在の測定値を２倍にして、これらの平均値を求めたものである。この指数平滑移動平均（ＥＭＡ）は、前回の指数平滑移動平均（ＥＭＡ）が算出されていないときには、各測定値を用いて、指数平滑移動平均（ＥＭＡ）が算出される。
【0037】
例えば、図１０Ｂの時刻ｔ１、ｔ２、ｔ３では、指数平滑移動平均（ＥＭＡ）は算出されておらず、従って、図１０Ｂの時刻ｔ４では、各測定値を用いて、指数平滑移動平均（ＥＭＡ）が算出される。即ち、図１１Ｂに示されるように、図１０Ｂの時刻ｔ４における指数平滑移動平均値ｍａ４は、図１０Ａの時刻ｔ１から時刻ｔ３までの測定値ａ１、ａ２、ａ３と、時刻ｔ４での測定値ａ４の２倍との和を分子の項数（＝５）で除した値とされ、図１０Ｂの時刻ｔ４における指数平滑移動平均値ｍｂ４は、図１０Ａの時刻ｔ１から時刻ｔ３までの測定値ｂ１、ｂ２、ｂ３と、時刻ｔ４での測定値ｂ４の２倍との和を分子の項数（＝５）で除した値とされる。図１０Ｂの時刻ｔ４における残りの指数平滑移動平均値ｍｃ４およびｍｄ４についても同様である。
【0038】
一方、図１１Ｂに示されるように、図１０Ｂの時刻ｔ５おける指数平滑移動平均値ｍａ５の算出には、図１０Ａの時刻ｔ２から時刻ｔ４までの測定値ａ２、ａ３、ａ４に代えて夫々前回の指数平滑移動平均値ｍａ４が用いられ、指数平滑移動平均値ｍａ５は、３個の前回の指数平滑移動平均値ｍａ４と、時刻ｔ５での測定値ａ５の２倍との和を分子の項数（＝５）で除した値とされ、図１０Ｂの時刻ｔ５おける指数平滑移動平均値ｍｂ５は、３個の前回の指数平滑移動平均値ｍｂ４と、時刻ｔ５での測定値ｂ５の２倍との和を分子の項数（＝５）で除した値とされる。図１０Ｂの時刻ｔ５における残りの移動平均値ｍｃ５およびｍｄ５についても同様である。なお、図１１Ｂには、この指数平滑移動平均（ＥＭＡ））の一般式が示されている。
【0039】
一次元畳み込みニューラルネットワークの重みの学習は、電子制御ユニット２０のＲＡＭ２３内に記憶された図１０Ｂに示される移動平均値の一覧表に基づき、図５に示される一次元畳み込みニューラルネットワークを用いて行われる。即ち、図１０Ｂは、一次元畳み込みニューラルネットワークの重みの学習を行うための訓練用データセットを示している。一次元畳み込みニューラルネットワークの重みの学習時には、最初に、時刻ｔ４から時刻ｔ９までの各移動平均値ｍａ４・・・ｍａ９、ｍｂ４・・・ｍｂ９、ｍｃ４・・・ｍｃ９、ｍｄ４・・・ｍｄ９が、図５に示される一次元畳み込みニューラルネットワークに入力され、入力された時刻ｔ４から時刻ｔ９までの各移動平均値ｍａ４・・・ｍａ９、ｍｂ４・・・ｍｂ９、ｍｃ４・・・ｍｃ９、ｍｄ４・・・ｍｄ９に対し、フィルタを少しずつ移動させながらフィルタによる畳み込み処理を行うことによって、時刻ｔ７から時刻ｔ９までの出力値（ｚ（１）７、ｚ（１）８、ｚ（１）９）・・・（ｚ（２０）７、ｚ（２０）８、ｚ（２０）９）が算出される。
【0040】
これら時刻ｔ７から時刻ｔ９までの各出力値には、シグモイド関数等の活性化関数が乗算され、活性化関数の乗算された各出力値が全結合層の各ノードに入力される。全結合層の各ノードからの出力は出力層のノードに入力され、出力層のノードから永久磁石の温度を示す出力値が出力される。この出力値と教師データ、即ち、時刻ｔ９における永久磁石の実際の温度Ｔｒ９との差が小さくなるように、誤差逆伝播法を用いて、各フィルタの各要素の値、および、全結合層の重み、即ち、一次元畳み込みニューラルネットワークの重みの学習が行われる。時刻ｔ７から時刻ｔ９までの出力値を用いた一次元畳み込みニューラルネットワークの重みの学習が終了すると、次に、時刻ｔ８から時刻ｔ１０までの出力値を用いた一次元畳み込みニューラルネットワークの重みの学習が行われる。このようにして、図１０Ｂの一覧表における最後の時刻に達するまで、一次元畳み込みニューラルネットワークの重みの学習が行われる。
【0041】
一次元畳み込みニューラルネットワークの重みの学習が終了すると、学習済みの一次元畳み込みニューラルネットワークが、電子制御ユニット２０のＲＡＭ２３内に記憶され、この学習済みの一次元畳み込みニューラルネットワークを用いて、ロータ７に取り付けられた永久磁石の温度Ｔｒの推定処理が行われる。
【0042】
図１２は、この学習済みの一次元畳み込みニューラルネットワークを用いて、車両の運転中に電子制御ユニット２０内において行われる磁石温度の推定ルーチンを示している。なお、このルーチンは、１秒毎の割り込みによって実行される。
図１２を参照すると、まず初めに、ステップ４０において、温度センサ１０により測定されたステータコイルの温度Ｔｓと、回転数センサ１１により測定されたモータ２の回転数Ｒｍと、温度センサ１２により測定されたオイルの温度Ｔｉと、回転数センサ１３により測定されたオイルポンプ３の回転数Ｒｐとが取得され、ＲＡＭ２３内に記憶される。次いで、ステップ４１では、磁石温度の推定ルーチンの実行が開始されてから一定時間Ｘ１が経過したか否か、即ち、移動平均値を算出するのに必要な数の測定値が取得されたか否かが判別される。４個の測定値に基づいて移動平均値を算出している場合には、この一定時間Ｘ１は４秒とされる。
図１２を参照すると、まず初めに、ステップ４０において、温度センサ１０により測定されたステータコイルの温度Ｔｓと、回転数センサ１１により測定されたモータ２の回転数Ｒｍと、温度センサ１２により測定されたオイルの温度Ｔｉと、回転数センサ１３により測定されたオイルポンプ３の回転数Ｒｐとが取得され、ＲＡＭ２３内に記憶される。次いで、ステップ４１では、磁石温度の推定ルーチンの実行が開始されてから一定時間Ｘ１が経過したか否か、即ち、移動平均値を算出するのに必要な数の測定値が取得されたか否かが判別される。４個の測定値に基づいて移動平均値を算出している場合には、この一定時間Ｘ１は４秒とされる。
【0043】
ステップ４１において、磁石温度の推定ルーチンの実行が開始されてから一定時間Ｘ１が経過していないと判別されたときには、処理サイクルを終了する。これに対し、ステップ４１において、磁石温度の推定ルーチンの実行が開始されてから一定時間Ｘ１が経過したと判別されたときには、ステップ４２に進んで、移動平均値が算出され、次いで、ステップ４３に進んで、算出された移動平均値が、ＲＡＭ２３内に記憶される。なお、移動平均値として、単純移動平均（ＳＭＡ）により得られた移動平均値を用いる場合には、ステップ４２では、図１１Ａの時刻ｔ４で示される移動平均値が算出される。また、１秒後の次の割り込みルーチンでは、図１１Ａの時刻ｔ５で示される移動平均値が算出される。
【0044】
一方、移動平均値として、指数平滑移動平均（ＥＭＡ）により得られた移動平均値を用いる場合には、ステップ４２では、図１１Ｂの時刻ｔ４で示される移動平均値が算出される。また、１秒後の割り込みルーチンでは、図１１Ｂの時刻ｔ５で示される移動平均値が算出され、その後は、図１１Ｂの時刻ｔ５で示される移動平均値図と同様な移動平均値が算出される。
【0045】
次いで、ステップ４４では、磁石温度の推定ルーチンの実行が開始されてから一定時間Ｘ２が経過したか否か、即ち、一次元畳み込みニューラルネットワークを用いた磁石温度の推定が可能となる時刻になったか否かが判別される。ステップ４４において、磁石温度の推定ルーチンが開始されてから一定時間Ｘ２が経過していないと判別されたときには、処理サイクルを終了する。これに対し、磁石温度の推定ルーチンの実行が開始されてから一定時間Ｘ２が経過したと判別されたときには、ステップ４５に進み、学習済みの一次元畳み込みニューラルネットワークを用いて、磁石温度の推定値の演算処理が行われる。即ち、算出された移動平均値が学習済みの一次元畳み込みニューラルネットワークに入力される。算出された移動平均値が学習済みの一次元畳み込みニューラルネットワークに入力されると、学習済みの一次元畳み込みニューラルネットワークから磁石温度の推定値が出力される（ステップ４６）。
【0046】
なお、一次元畳み込みニューラルネットワークの重みの学習時に、図１０Ｂにおいて、時刻ｔ４以降の各移動平均値ｍａ４・・・、ｍｂ４・・・、ｍｃ４・・・、ｍｄ４・・・に対し、フィルタを少しずつ移動させながらフィルタによる畳み込み処理を行うことによって、最初に時刻ｔ７から時刻ｔ９までの出力値（ｚ（１）７、ｚ（１）８、ｚ（１）９）・・・（ｚ（２０）７、ｚ（２０）８、ｚ（２０）９）を算出した場合には、学習済みの一次元畳み込みニューラルネットワークを用いて磁石温度の推定を行う際にも、図１０Ｂにおいて、時刻ｔ４以降の各移動平均値ｍａ４・・・、ｍｂ４・・・、ｍｃ４・・・、ｍｄ４・・・に対し、フィルタを少しずつ移動させながらフィルタによる畳み込み処理を行うことによって、最初に時刻ｔ７から時刻ｔ９までの出力値（ｚ（１）７、ｚ（１）８、ｚ（１）９）・・・（ｚ（２０）７、ｚ（２０）８、ｚ（２０）９）が算出される。従って、この場合には、時刻ｔ９において磁石温度の推定が可能となり、従って、この場合には、ステップ４４における一定時間Ｘ２は９秒とされる。磁石温度の推定処理が開始されると、その後は、１秒毎に、磁石温度の推定値が出力される。
【0047】
このように、本発明による磁石温度推定装置は、図１３の発明の構成図に示されるように、一定時間毎に測定された、対象モータ２の回転に関するパラメータを取得するパラメータ取得部５０と、これらパラメータの一定区間毎の移動平均値を算出する算出部５１と、モータ２の回転に関するパラメータの移動平均値が入力された場合にモータ２のロータ７が備える磁石の温度を出力するように学習された学習モデルに、算出部５１により算出された移動平均値を入力し、この学習モデルから出力された磁石温度の推定値を取得する温度取得部５２と、温度取得部５２が取得した磁石温度の推定値を出力する出力部５３とを具備している。
【0048】
この場合、本発明による実施例では、上述の学習モデルは、一次元畳み込みニューラルネットワークから構成される。また、本発明による実施例では、モータ２の回転に関するパラメータは、ステータコイル温度Ｔｓと、モータ回転数Ｒｍと、オイル温度Ｔｉと、オイルポンプ回転数Ｒｐとを含んでいる。また、本発明による実施例では、移動平均値として、指数平滑移動平均（ＥＭＡ）により得られた移動平均値を用いることができ、この場合、算出部５１は、移動平均値として、指数平滑移動平均値を算出する。
【0049】
また、ロータ７に取り付けられた永久磁石の温度は、モータ２のトルクと、モータ２のステータコイルを流れるモータ電流と、モータ２の回転速度に関連するインバータ周波数とも相関があり、これらモータ２のトルクと、モータ電流と、インバータ周波数の過去から現在までの時間的変化も、ロータ７に取り付けられた永久磁石の温度に影響を与えることが判明している。従って、モータ２の回転に関するパラメータは、ステータコイル温度Ｔｓと、モータ回転数Ｒｍと、オイル温度Ｔｉと、オイルポンプ回転数Ｒｐに加え、モータトルクと、モータ電流と、インバータ周波数とを含ませることができる。
【0050】
図１４は、車両の運転状態をランダムに変化させつつ車両を運転したときの磁石温度の推定誤差（推定値―実値）と頻度分布との関係を示している。図１４から、各測定値に対して移動平均処理を行ったとき（移動平均処理後）には、各測定値に対して図３から図４Ｂに示されるように移動平均処理を行っていないとき（移動平均処理前）に比べて、磁石温度の推定誤差が小さくなることがわかる。
【0051】
さて、図１２に示される磁石温度の推定ルーチンでは、前述したように、磁石温度の推定処理が開始されると、その後は、１秒毎に、磁石温度の推定値の演算処理が行われ、１秒毎に、磁石温度の推定値が出力される。ところが、車両の駆動負荷が小さいときには、磁石温度の変化速度は遅くなり、磁石温度の推定値を、短い間隔でもって取得する必要性が低下する。従って、車両の駆動負荷が小さいときには、消費電力を低減するために、磁石温度の推定値の演算処理の頻度を低下させることが好ましい。図１５および図１６に、
車両の駆動負荷が小さいときには、磁石温度の推定値の演算処理の頻度を低下させるようにした別の実施例を示す。
車両の駆動負荷が小さいときには、磁石温度の推定値の演算処理の頻度を低下させるようにした別の実施例を示す。
【0052】
この別の実施例では、図１５に示されるように、車両の駆動負荷が、設定負荷ＰＫよりも小さくなると、磁石温度の推定値の演算時間間隔Δｔが大きくされる。この場合、図１５に示される例では、車両の駆動負荷が設定負荷ＰＫよりも小さくなると、磁石温度の推定値の演算時間間隔Δｔが大きくされ、車両の駆動負荷が更に小さくなると、磁石温度の推定値の演算時間間隔Δｔが更に大きくされる。具体的に言うと、車両の駆動負荷が、設定負荷ＰＫよりも大きいときには、磁石温度の推定値の演算時間間隔Δｔが１秒とされ、車両の駆動負荷が設定負荷ＰＫよりも小さくなると磁石温度の推定値の演算時間間隔Δｔが５秒とされ、車両の駆動負荷が更に小さくなると磁石温度の推定値の演算時間間隔Δｔが１０秒とされる。
【0053】
図１６は、この別の実施例を実行するための磁石温度の推定ルーチンを示している。なお、このルーチンも、１秒毎の割り込みによって実行される。また、図１６に示される磁石温度の推定ルーチンのステップ６０からステップ６４は、図１２に示される磁石温度の推定ルーチンのステップ４０からステップ４４と同じである。
即ち、図１６を参照すると、まず初めに、ステップ６０において、温度センサ１０により測定されたステータコイルの温度Ｔｓと、回転数センサ１１により測定されたモータ２の回転数Ｒｍと、温度センサ１２により測定されたオイルの温度Ｔｉと、回転数センサ１３により測定されたオイルポンプ３の回転数Ｒｐとが取得され、ＲＡＭ２３内に記憶される。次いで、ステップ６１では、磁石温度の推定ルーチンの実行が開始されてから一定時間Ｘ１、例えば、４秒が経過したか否かが判別される。
即ち、図１６を参照すると、まず初めに、ステップ６０において、温度センサ１０により測定されたステータコイルの温度Ｔｓと、回転数センサ１１により測定されたモータ２の回転数Ｒｍと、温度センサ１２により測定されたオイルの温度Ｔｉと、回転数センサ１３により測定されたオイルポンプ３の回転数Ｒｐとが取得され、ＲＡＭ２３内に記憶される。次いで、ステップ６１では、磁石温度の推定ルーチンの実行が開始されてから一定時間Ｘ１、例えば、４秒が経過したか否かが判別される。
【0054】
ステップ６１において、磁石温度の推定ルーチンの実行が開始されてから一定時間Ｘ１が経過していないと判別されたときには、処理サイクルを終了する。これに対し、ステップ６１において、磁石温度の推定ルーチンの実行が開始されてから一定時間Ｘ１が経過したと判別されたときには、ステップ６２に進んで、移動平均値が算出され、次いで、ステップ６３に進んで、算出された移動平均値が、ＲＡＭ２３内に記憶される。なお、移動平均値として、単純移動平均（ＳＭＡ）により得られた移動平均値を用いる場合には、ステップ６２では、図１１Ａの時刻ｔ４で示される移動平均値が算出され、１秒後の次の割り込みルーチンでは、図１１Ａの時刻ｔ５で示される移動平均値が算出される。一方、移動平均値として、指数平滑移動平均（ＥＭＡ）により得られた移動平均値を用いる場合には、ステップ６２では、図１１Ｂの時刻ｔ４で示される移動平均値が算出され、１秒後の割り込みルーチンでは、図１１Ｂの時刻ｔ５で示される移動平均値が算出される。
【0055】
次いで、ステップ６４では、磁石温度の推定ルーチンの実行が開始されてから一定時間Ｘ２、例えば、９秒が経過したか否かが判別される。ステップ６４において、磁石温度の推定ルーチンが開始されてから一定時間Ｘ２が経過していないと判別されたときには、処理サイクルを終了する。これに対し、磁石温度の推定ルーチンの実行が開始されてから一定時間Ｘ２が経過したと判別されたときには、ステップ６５に進み、車両の駆動負荷が、設定負荷ＰＫよりも大きいか否かが判別される。車両の駆動負荷が、設定負荷ＰＫよりも大きいと判別されたときには、ステップ６８にジャンプし、学習済みの一次元畳み込みニューラルネットワークを用いて、磁石温度の推定値の演算処理が行われる。即ち、算出された移動平均値が学習済みの一次元畳み込みニューラルネットワークに入力される。算出された移動平均値が学習済みの一次元畳み込みニューラルネットワークに入力されると、学習済みの一次元畳み込みニューラルネットワークから磁石温度の推定値が出力される（ステップ６９）。このときには、図１２に示される磁石温度の推定ルーチンが実行されたときと同様に、磁石温度の推定処理が開始されると、１秒毎に、磁石温度の推定値が出力される。
【0056】
一方、ステップ６５において、車両の駆動負荷が、設定負荷ＰＫよりも大きくないと判別されたときには、ステップ６６に進んで、図１５に示す関係から、車両の駆動負荷に応じた磁石温度の推定値の演算時間間隔Δｔが算出される。次いで、ステップ６６では、磁石温度の推定値の演算時間間隔Δｔが経過したか否かが判別される。ステップ６６において、磁石温度の推定値の演算時間間隔Δｔが経過していないと判別されときには、処理サイクルを終了する。これに対し、ステップ６６において、磁石温度の推定値の演算時間間隔Δｔが経過したと判別されときには、ステップ６８に進み、学習済みの一次元畳み込みニューラルネットワークを用いて、磁石温度の推定値の演算処理が行われる。従ってこのときには、車両の駆動負荷に応じた演算時間間隔Δｔでもって、例えば、５秒毎、或いは１０秒毎に磁石温度の推定値の演算処理が行われ、５秒毎、或いは１０秒毎に磁石温度の推定値が出力される。
【0057】
即ち、この別の実施例では、温度取得部５２（図１３）による磁石温度の推定値の取得間隔を車両の駆動負荷に応じて変化させ、車両の駆動負荷が低いときの磁石温度の推定値の取得間隔を車両の駆動負荷が高いときの磁石温度の推定値の取得間隔よりも長くしている。
【0058】
図１７Ａおよび図１７Ｂは、磁石温度の推定値を用いて行われるモータ２の駆動電流制御を示している。このモータ２の駆動電流制御では、図１７Ａに示されるように、磁石温度が高くなるほど、モータ２の駆動電流の最大値Ｉmax が低下せしめられる。図１７Ｂは、車両の運転中に電子制御ユニット２０内において行われるモータ２の駆動電流制御ルーチンを示している。なお、このルーチンは、一定時間毎の割り込みによって実行される。図１７Ｂを参照すると、まず初めに、ステップ７０において、車両の要求駆動負荷が算出される。次いで、ステップ７１では、車両の要求駆動負荷に基づいて、モータ２の駆動電流Ｉが算出される。次いで、ステップ７２では、磁石温度の推定値に基づいて、図１７Ａに示す関係から、モータ２の駆動電流の最大値Ｉmax が算出される。次いで、ステップ７３では、算出されたモータ２の駆動電流Ｉが最大値Ｉmax よりも大きいか否かが判別され、算出されたモータ２の駆動電流Ｉが最大値Ｉmax よりも大きいときには、ステップ７４に進んで、モータ２の駆動電流Ｉが最大値Ｉmaxとされる。
【0059】
図１８Ａおよび図１８Ｂは、磁石温度の推定値を用いて行われるオイルポンプ３の駆動制御を示している。この場合、オイルポンプ３として、オイルポンプ駆動モータにより駆動されるオイルポンプが使用され、図１８Ａに示されるように、磁石温度が高くなるほど、オイルポンプ駆動モータの駆動電流Ｉp が増大せしめられる。オイルポンプ駆動モータの駆動電流Ｉp が増大せしめられると、オイルクーラ４におけるオイルの冷却作用が高められるのでオイルの温度が低下し、磁石温度が低下せしめられる。図１８Ｂは、車両の運転中に電子制御ユニット２０内において行われるオイルポンプ３の駆動制御ルーチンを示している。なお、このルーチンは、一定時間毎の割り込みによって実行される。図１８Ｂを参照すると、まず初めに、ステップ８０において、図１８Ａに示す関係から、磁石温度の推定値に基づいて、オイルポンプ駆動モータの駆動電流Ｉp が算出される。次いで、ステップ８１では、オイルポンプ駆動モータの駆動電流が、算出された駆動電流Ｉp となるように、オイルポンプ３の駆動制御が行われる。
【0060】
１ ハウジング
２ モータ
３ オイルポンプ
７ ロータ
８ ステータ
１０，１２ 温度センサ
１１，１３ 回転数センサ
２ モータ
３ オイルポンプ
７ ロータ
８ ステータ
１０，１２ 温度センサ
１１，１３ 回転数センサ
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】