機械学習を用いたIPMモータの効率的な形状崩壊防止による高速形状最適化

カテゴリ: 研究会(論文単位)

論文No: SA25031,RM25031

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): Fast Shape Optimization with Effective Shape Collapse Prevention for IPM Motors using Machine Learning

著者名: 中川 大輔(ニデック株式会社),上田 智哉(ニデック株式会社),佐々木 秀徳(法政大学),岩田 和久(法政大学),五十嵐 一(北海道大学)

著者名(英語): Daisuke Nakagawa(Nidec Corporation),Tomoya Ueda(Nidec Corporation),Hidenori Sasaki(Hosei University),Kazuhisa Iwata(Hosei University),Hajime Igarashi(Hokkaido University)

キーワード: パラメータ最適化|遺伝的アルゴリズム|機械学習|ＩＰＭモータ|Parameter optimization|Genetic algorithms|Machine learning|Interior permanent magnet motors

要約(日本語): IPMモータの寸法パラメータを用いた形状最適化において、形状の崩壊を防ぎつつ効率よく最適化を進める手法を提案する. 提案手法では遺伝的アルゴリズムのフローに形状破壊を判定する過程と, 形状が崩壊した個体を入れ替える過程を追加し, 全ての個体で形状が崩壊していない状態で最適化を実行する. この改良手法を用いることで, 従来よりも21倍高速に最適化を実行した.

要約(英語): The novel efficient parameter optimization algorithm for interior permanent magnetic motors that prevents shape collapse is proposed. When the shape collapse is detected, the proposed method generates an individual by perturbing a non-collapsed individual. This process reduces the rate of shape collapse compared to randomly generating new individuals. It is numerically shown that the proposed method works 21 times faster than the conventional method while maintaining the optimization performance.

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: 7-11 p

原稿種別: 日本語

PDFファイルサイズ: 1,261 Kバイト