Deep Image Priorを用いた磁気シールドの位相最適化に関する基礎的検討

カテゴリ: 研究会(論文単位)

論文No: SA21068,RM21089

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: 2021/09/06

タイトル(英語): A fundamental study on topology optimization of magnetic shields by using Deep Image Prior

著者名: 一色 梨衣(早稲田大学),川俣 良太(早稲田大学),若尾 真治(早稲田大学),村田 昇(早稲田大学)

著者名(英語): Rie Isshiki(Waseda University),Ryota Kawamata(Waseda University),Shinji Wakao(Waseda University),Noboru Murata(Waseda University)

キーワード: 磁気シールド|位相最適化|密度法|畳み込みニューラルネットワーク|Ｄｅｅｐ　Ｉｍａｇｅ　Ｐｒｉｏｒ|Magnetic shield|Topology optimization|Density method|Convolutional Neural Network: CNN|Deep Image Prior

要約(日本語): 位相最適化手法の密度法は、形状表現の自由度が高い一方でチェッカーボード等の実設計に適さない形状が得られる欠点がある。機械学習におけるCNNは、画像復元において主要な骨格から学習し復元するDeep Image Priorという特性を持つ。本研究では、磁気シールド問題を取り上げ、密度法とCNNのDeep Image Priorを併用し、微細形状を避けて実設計に優れた最適化形状を得る手法を開発したので報告する。

要約(英語): The density method for the topology optimization has a high degree of freedom of shape expression, but has a drawback that a shape unsuitable for actual design such as a checkerboard can be obtained. CNN in machine learning has the property of Deep Image Prior, which starts to learn from the main frame in the process of image restoration. In this study, dealing with the magnetic shield problem, we develop a novel method that enables us to obtain an optimized shape that is excellent in actual design by using both the density method and Deep Image Prior of CNN.

本誌: 2021年9月9日－2021年9月10日静止器/回転機合同研究会－2

本誌掲載ページ: 13-18 p

原稿種別: 日本語

PDFファイルサイズ: 1,411 Kバイト