機械学習を用いた自動車駆動用IPMSMの効率とトルクリプルの多目的最適設計期間短縮

カテゴリ: 研究会(論文単位)

論文No: SA22024,RM22024

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: 2022/03/04

タイトル(英語): Design Time Reduction of Multi-Objective Optimization for Efficiency and Torque Ripple in IPMSM for Automotive Applications 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|ＸＧＢｏｏｓｔ|畳み込みニューラルネットワーク|多目的最適化|interior permanent magnet synchronous motor|XGBoost|convolutional neural network|multi-objective 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，IPMSMの速度―トルク特性を高精度に予測する寸法ベースの代理モデルについて報告し，最適設計期間の大幅な短縮を達成した。本研究では，効率とトルクリプルを高精度に予測可能な代理モデルの学習方法を提案し，短時間で多目的最適設計が完了することを報告する。

要約(英語): This study proposes a training method of the surrogate model that can predict the efficiency and torque ripple of IPMSMs for automotive applications with high accuracy, and reports that the multi-objective optimization for efficiency and torque ripple can be completed in a short time.

本誌: 2022年3月7日-2022年3月8日静止器/回転機合同研究会-2

本誌掲載ページ: 37-42 p

原稿種別: 日本語

PDFファイルサイズ: 1,424 Kバイト