Повышение плотности мощности электродвигателя усугубляет проблемы теплового менеджмента, и точное прогнозирование эквивалентного теплопроводящего коэффициента тепловой трубы имеет решающее значение для проектирования охлаждения двигателя. В отношении системы охлаждения двигателя и вопросов производительности и прогнозирования тепловых труб, в данной работе эквивалентный теплопроводящий коэффициент используется как оценочный показатель, экспериментально исследуется влияние ключевых параметров, таких как мощность теплового источника, относительное положение конденсационного и испарительного участков, угол изгиба, на теплопередачу тепловой трубы. На этой основе были построены и сравнивались по эффективности пять моделей машинного обучения: оптимизированная генетическим алгоритмом обратная нейронная сеть (GA-BPNN), сверточная нейронная сеть (CNN), метод опорных векторов с наименьшими квадратами (LSSVM), случайный лес (RF) и экстремальное градиентное бустинг (XGBoost). Результаты показали, что гравитация и угол изгиба оказывают наибольшее влияние на теплопроводность тепловой трубы: тепловая труба с изгибом на 90° сверху имеет наилучшую теплопроводность, которая в 30 раз превышает теплопроводность нижнего изгиба; средняя абсолютная ошибка в процентах у модели XGBoost составила 3,72%, коэффициент детерминации 0,95, среднеквадратическая ошибка лишь немного хуже, чем у модели GA-BPNN; модель XGBoost имеет наивысшую точность среди выбранных пяти моделей и время обучения менее 2 секунд; прогноз модели XGBoost показал, что производительность тепловых труб варьируется в зависимости от места установки и угла изгиба, и для улучшения однородности температуры обмоток двигателя рекомендуется использовать тепловые трубы с углом изгиба 0° для охлаждения двигателя.

электродвигатель; тепловая труба; эквивалентный теплопроводящий коэффициент; машинное обучение