IPMモータのトポロジー最適化のための深層学習を用いた応力制約分類器の学習

カテゴリ: 部門大会

論文No: MC2-4

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Study of stress constraint classifier using deep learning for topology optimization of IPM motors.

著者名: 竹之内 光（京都大学）,比留間 真悟（京都大学）,松尾 哲司（京都大学）,美舩 健（京都大学）

著者名(英語): Kou Takenouchi (Kyoto University),Shingo Hiruma (Kyoto University),Tetsuji Matsuo (Kyoto University),Takeshi Mifune (Kyoto University)

キーワード: IPMモータ|応力制約|トポロジー最適化|深層学習|有限要素法NSGA2|Interior permanent magnet motor|Stress constraint|Topology optimization|Deep learning|Finite element methodNSGA2

要約(日本語): 近年，永久磁石同期モータ（IPMモータ）の高効率化や低騒音化などを目的に，トポロジー最適化の磁気回路設計への適用が注目されている。しかし，従来の最適化では電磁気的な特性のみが考慮されることが多く，提案された形状が十分な強度を有するとは限らない。本報告では，応力条件を課すことで高効率・高強度のIPMモータのトポロジー最適化について検討を行う。さらに，最適化の計算コスト削減のために，機械学習により分類器を構築し，最適化後のデータを教師データとして訓練し，新奇な形状について応力制約を満たすかどうかを判定する学習器の作成を試みる。
本研究ではNSGA2を用いた遺伝的アルゴリズムによる多目的最適化を行う。また，連結制約や応力制約を考え，生成される形状の違いについて議論する。さらにトポロジー最適化を適用して得られた形状と応力値を学習データとして深層学習器の訓練を行い，応力制約の予測精度について議論する。