深層強化学習を用いたデータ駆動トポロジー最適化に関する検討―磁石モータのパラメータ・トポロジー同時最適化の効率化―

カテゴリ: 研究会(論文単位)

論文No: SA25030,RM25030

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: 2025/03/03

タイトル(英語): Investigation of Data-driven Topology Optimization Based on Deep Reinforcement Learning-Efficient Parameter -Topology Hybrid Optimization of Magnet Motors -

著者名: 佐藤 孝洋(室蘭工業大学),真田 拓弥(豊田自動織機),佐々木 智則(豊田自動織機),岡部 大輔(豊田自動織機)

著者名(英語): Takahiro Sato(Muroran Institute of Technology),Takuya Sanada(Toyota Industries Corporation),Tomonori Sasaki(Toyota Industries Corporation),Daisuke Okabe(Toyota Industries Corporation)

キーワード: データ駆動|トポロジー最適化|深層強化学習|Ｄａｔａ－ｄｒｉｖｅｎ|Ｔｏｐｏｌｏｇｙ　ｏｐｔｉｍｉｚａｔｉｏｎ|Ｄｅｅｐ　ｒｅｉｎｆｏｒｃｅｍｅｎｔ　ｌｅａｒｎｉｎｇ

要約(日本語): 磁石形状を寸法パラメータで，磁性コアをトポロジー最適化で実施するハイブリッド最適化法は有効な方法の1つであるが、変数分離性が強いため問題の難度が高く、計算時間がかかる。そこで深層強化学習と連携するデータ駆動な方法を提案する。

要約(英語): Parameter-topology hybrid optimization is one of the effective approaches to simultaneous optimization of rotor shapes of IPMSM. However, because the magnet and topology parameters are related to each other, their simultaneous optimizations lead to difficult optimization category. In this work, an efficient parameter-topology hybrid optimization method is presented based on a data-driven approach.

本誌: 2025年3月6日-2025年3月7日静止器/回転機合同研究会-2

本誌掲載ページ: 1-6 p

原稿種別: 日本語

PDFファイルサイズ: 902 Kバイト