グラフ構造と深層学習を活用したIPMSMの特性予測

カテゴリ: 研究会(論文単位)

論文No: SA23078,RM23077

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: 2023/08/25

タイトル(英語): Prediction of IPMSM Characteristics Using Graph Structures and Deep Learning

著者名: 清水 悠生(立命館大学)

著者名(英語): Yuki Shimizu(Ritsumeikan University)

キーワード: 埋込磁石同期モータ|深層学習|グラフニューラルネットワーク|トルク|鉄損|IPMSM|deep learning|graph neural network|torque|iron loss

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形状を画像で表現する自動設計システムを報告したが，生成難易度が高いという問題があった。本研究では，表現自由度と製造性の両立を目指して，IPMSM形状をグラフ構造で表現し，グラフニューラルネットワークを用いて特性を予測する手法について報告する。

要約(英語): This study proposes a method to represent IPMSM geometry in a graph structure and to predict its characteristics using a graph neural network, aiming at both expressiveness freedom and manufacturability.

本誌: 2023年8月28日-2023年8月29日静止器/回転機合同研究会-2

本誌掲載ページ: 53-58 p

原稿種別: 日本語

PDFファイルサイズ: 3,547 Kバイト