전동기의 고출력 밀도화로 인해 열 관리 문제가 점점 심각해지고 있으며, 열관의 등가 열전도율을 정확하게 예측하는 것이 전동기 냉각 설계에 매우 중요합니다. 전동기 냉각 시스템 내 열관 성능 및 성능 예측 문제를 대상으로, 본 논문은 등가 열전도율을 평가 지표로 사용하여 열원 출력, 응축 구간과 증발 구간의 상대 위치, 굴곡 각도 등의 주요 매개변수가 열관의 열전달 성능에 미치는 영향 메커니즘을 실험적으로 연구하였습니다. 이를 바탕으로 유전 알고리즘으로 최적화된 역전파 신경망(GA-BPNN), 합성곱 신경망(CNN), 최소제곱 서포트 벡터 머신(LSSVM), 랜덤 포레스트(RF), 극한 그래디언트 부스팅(XGBoost) 총 5가지 머신러닝 모델의 성능을 구축하고 비교하였습니다. 결과는 중력과 굴곡 각도가 열관의 열전도 성능에 가장 큰 영향을 미치며, 위쪽 90° 굴곡된 열관이 가장 우수한 열전도 성능을 보이며 이는 아래쪽의 30배에 달한다는 것을 보여줍니다; XGBoost 모델의 평균 절대 백분율 오차는 3.72%, 결정 계수는 0.95이며, 평균 제곱근 오차는 GA-BPNN 모델 다음으로 낮아 선택한 5가지 모델 중 정확도가 가장 높고 학습 시간은 2초 미만입니다; XGBoost 모델의 예측 결과는 설치 위치 및 굴곡 각도에 따라 열관 성능이 다름을 보여주며, 전동기 권선의 온도 균등성을 향상시키기 위해 굴곡 각도 0° 열관 사용을 권장합니다.

전동기; 열관; 등가 열전도율; 머신러닝