畳込み処理を活用したDeep Operator Networkによるモータトルクマップ推定に関する検討

カテゴリ: 研究会(論文単位)

論文No: SA23079,RM23078

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): An Investigation on Motor Torque Map Prediction using Deep Operator Networks with Convolutional Processing

著者名: 佐々木 秀徳(法政大学),岩田 和久(法政大学),佐藤 孝洋(室蘭工業大学),佐藤 佑樹(青山学院大学)

著者名(英語): Hidenori Sasaki(Hosei University),Kazuhisa Iwata(Hosei University),Takahiro Sato(Muroran Insritute of Technology),Yuki Sato(Aoyama Gakuin University)

キーワード: Ｄｅｅｐ　Ｏｐｅｒａｔｏｒ　Ｎｅｔｗｏｒｋ|深層学習|トポロジー最適化|モータ|畳込み処理|Deep operator network|Deep learning|Topology optimization|Motor|Convolution

要約(日本語): 本発表ではDeep Operator Networkにより、電流依存のトルクマップを推定する手法を提案する。本手法はモータのトポロジー最適化で得られた形状を学習データとして用いる。_x000D_ Deep Operator NetworkはBranch netとTrunk netの二つのネットワークで構成されている。汎化性能を向上させるため、微分演算子自体をNeuralnetworkで構成する。_x000D_ 本検討では埋込永久磁石同期モータの形状ごとの電流トルク特性を推定するモデルを構築し、その有用性を議論する。

要約(英語): In this paper, a method for predicting current-dependent torque maps using the Deeo Operator Network is proposed. The method uses the shapes obtained from the topology optimization of the motor as training data.

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: 59-63 p

原稿種別: 日本語

PDFファイルサイズ: 1,519 Kバイト