変分オートエンコーダによる永久磁石モータモデル生成と最適化

カテゴリ: 研究会(論文単位)

論文No: SA23024,RM23024

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: 2023/02/27

タイトル(英語): Permanent Magnet Motor Model Generation and Optimization with Variable Auto Encoder

著者名: 青柳 泰我(北海道大学),五十嵐 一(北海道大学),杉本 麻梨子(株式会社東芝),新谷 翔吾(株式会社東芝),岡 佳史(株式会社東芝),粟津 稔(株式会社東芝)

著者名(英語): Taiga Aoyagi(Hokkaido University),Hajime Igarashi(Hokkaido University),Mariko Sugimoto(Toshiba),Shogo Shintani(Toshiba),Yoshifumi Oka(Toshiba),Minoru Awazu(Toshiba)

キーワード: 永久磁石同期モータ|トポロジー最適化|パラメータ最適化|深層学習|Interior Permanent Magnet Synchronous Motor|Topology Optimization|Parameter Optimization|Deep learning

要約(日本語): 企業にはこれまでの設計に関する知見が蓄積されているため，これを最適設計に生かす方法が求められていた．本発表では，設計知見を基に構成した永久磁石モータ形状を変分オートエンコーダに学習させ，この変分オートエンコーダによりモータ形状を生成することで，要求仕様を満足する最適解を探索する方法を提案する．またこの過程で得た永久磁石モータのフラックスバリアにトポロジー最適化を適用することで，更なる性能改善を行う方法についても議論する．

要約(英語): The company had accumulated design knowledge, and a way to apply this knowledge to optimal design was needed. The present paper presents a method to generate a variational auto encoder by learning a permanent magnet motor geometry based on the design knowledge. In this presentation, we propose a method to search for an optimal solution that satisfies the required specifications by training a variational autoencoder on a permanent magnet motor geometry constructed based on design knowledge and generating the motor geometry with the variational autoencoder. We also discuss how topology optimization can be applied to the flux barriers of permanent magnet motors obtained in this process to further improve performance.

本誌: 2023年3月2日-2023年3月3日静止器/回転機合同研究会-2

本誌掲載ページ: 33-36 p

原稿種別: 日本語

PDFファイルサイズ: 1,314 Kバイト