{"product_id":"ieej-btc2023mc020006","title":"深層学習による永久磁石モータの特性予測精度について","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003eMC2-6\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【C】2023年電気学会電子・情報・システム部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2023\/08\/23\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eOn prediction accuracy of PM motor characteristics using deep learning\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e三上 稜介（北海道大学）,五十嵐 一（北海道大学）\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eRyosuke Mikami (Hokkaido University),Hajime Igarashi (Hokkaido University)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e永久磁石モータ|深層学習|畳み込みニューラルネットワーク畳み込みニューラルネットワーク|Permanent Magnet motor|Deep Learning|Convolutional Neural Network\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e近年，地球温暖化などの背景から永久磁石モータに関する研究が重要視されている．永久磁石モータをシミュレーション解析する際に用いられる有限要素法は，膨大な計算コストが課題となっていることから，その代理モデルとしてCNNを用いる．モータの断面画像を入力とし，深層学習によりモータの性能を出力とする．この手法では，高速な解析が可能となる一方で，トルクリプル等の性能パラメータに関しては予測精度について困難が生じる．深層学習の予測性能は，学習データセットに大きく影響される．また，本発表では永久磁石モータの設計手法として，トポロジー最適化を用いるが，最適化過程では多様な形状が生じることから，性能予測はより困難となる．本研究では，性能予測が困難であるモータ形状についての判別，またそれらの形状を学習することによる予測性能の変化について述べる．\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2.0","offer_id":46404377411823,"sku":"IEEJ-BTC2023MC020006-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_42b2b9bb-7040-42ba-b0f5-360280238fe5.png?v=1745055853","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-btc2023mc020006","provider":"電気学会 電子図書館","version":"1.0","type":"link"}