変分オートエンコーダによる永久磁石モータのトポロジー最適化の高速化

カテゴリ: 研究会(論文単位)

論文No: SA22082,RM22085

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: 2022/09/26

タイトル(英語): Fast Topology Optimization of Permanent Magnet Motor Using Variational Autoencoder

著者名: 佐藤 駿輔(北海道大学),五十嵐 一(北海道大学)

著者名(英語): Hayaho Sato(Graduate school of information science and technology, Hokkaido university),Hajime Igarashi(Graduate school of information science and technology, Hokkaido university)

キーワード: 永久磁石モータ|変分オートエンコーダ|代理モデル|トポロジー最適化|permanent magnet motor|variational autoencoder|surrogate model|topology optimization

要約(日本語): 本研究では，変分オートエンコーダ（VAE）を用いた形状の潜在表現化によって，永久磁石モータのトポロジー最適化の高速化を行う．事前計算によって得たモータ形状群をVAEによって低次元の潜在空間へ埋め込み，潜在空間上で最適化を行う．モータの特性は潜在空間上のベクトルを入力とする代理モデルで計算する．代理モデルの不確実性を評価するため，Monte Carlo dropoutを用いる．提案手法によってPareto解の近似を高い精度で得られることを示す．

要約(英語): This research aims to speed up the topology optimization of permanent magnet motors by latent representation of shapes using variational autoencoder (VAE). A set of motor shapes obtained from pre-computation are embedded into a low-dimensional latent space using VAE, and optimization is performed in the latent space. Motor characteristics are computed using a surrogate model to which a vector in the latent space is inputted. Monte Carlo dropout is used to evaluate the reliability of the surrogate model. It is shown that the proposed method can approximate the Pareto solution with high accuracy.

本誌: 2022年9月29日-2022年9月30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: 2,270 Kバイト