ギャップ磁束密度分布を活用した回転機特性を推定する深層学習モデルの精度向上に関する基礎検討

カテゴリ: 部門大会

論文No: MC2-5

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): Basic Study on Improving the Prediction Accuracy of Deep Learning Models for Estimating Rotating Machine Characteristics using Gap Magnetic Flux Density Distribution

著者名: 鞆谷 孝祐（法政大学）,佐々木 秀徳（法政大学）

著者名(英語): Kosuke Tomotani (Hosei University),Hidenori Sasaki (Hosei University)

キーワード: 深層学習|モータ|トポロジー最適化トポロジー最適化|Deep Learning|Motor|Topology Optimization

要約(日本語): 本発表では回転機のギャップ磁束密度分布を入力とし、回転機特性を推定する深層学習モデルの推定精度向上のための前処理手法に関して報告する。回転機のギャップ磁束密度分布を入力とした深層学習モデルは回転機の回転子形状に依存せず、特性を推定可能であると考えられる。深層学習全般において、必要なデータを適切な前処理を行うことで推定精度の良好なモデルを構築可能である。本問題において、データの入力方法や前処理手法について詳細に議論された例は報告されていない。そこで、本発表では入力するデータをフーリエ変換を用いて適切に前処理する手法について検討を行った。本発表では、埋込型永久磁石同期モータの平均トルクおよびトルク振幅の推定モデルに提案手法を適用することで、推定精度向上における有用性を議論する。