機械学習を用いた2層IPMSMの特性予測精度向上と磁石量最小化設計時間の短縮

カテゴリ: 研究会(論文単位)

論文No: SA21025,RM21025

グループ名: 【B】電力・エネルギー部門 静止器/【D】産業応用部門 回転機合同研究会

発行日: 2021/03/01

タイトル(英語): Improvement of Characteristic Prediction Accuracy of IPMSM and Reduction in Design Time of Permanent Magnet Volume Minimization Using Machine Learning

著者名: 清水 悠生(大阪府立大学),森本 茂雄(大阪府立大学),真田 雅之(大阪府立大学),井上 征則(大阪府立大学)

著者名(英語): Yuki Shimizu(Osaka Prefecture University),Shigeo Morimoto(Osaka Prefecture University),Masayuki Sanada(Osaka Prefecture University),Yukinori Inoue(Osaka Prefecture University)

キーワード: 埋込磁石同期モータ|機械学習|サポートベクタ―回帰|勾配ブースティング|遺伝的アルゴリズム|形状最適化|interior permanent magnet synchronous motor|machine learning|support vector regression|gradient boosting|genetic algorithm|shape optimization

要約(日本語): 埋込磁石同期モータ(IPMSM)は設計自由度が高く，短期間での自動設計システムの構築が求められている。先行研究で筆者らは，機械学習を活用したIPMSM運転特性の高精度な予測方法について報告した。しかし，最適化設計において予測精度の低い解空間への収束傾向が表れ，要求トルクを満足する形状を設計できなかった。そこで本稿では，代理モデルの予測精度向上方法と最適化設計内で精度を維持する方法，その結果について報告する。

要約(英語): In a previous study, we reported a highly accurate prediction method of IPMSM characteristics using machine learning; however, a tendency to converge to a solution space with low prediction accuracy was observed in the optimization design. In this paper, we propose a method to improve the prediction accuracy of the surrogate models.

本誌: 2021年3月4・5日静止器/回転機合同研究会―2

本誌掲載ページ: 61-66 p

原稿種別: 日本語

PDFファイルサイズ: 1,701 Kバイト