深層学習を援用した多数目的トポロジー最適化法の検討

カテゴリ: 部門大会

論文No: MC6-5

グループ名: 【C】平成30年電気学会電子・情報・システム部門大会プログラム

発行日: 2018/09/05

タイトル(英語): An Investigation of Many-objective topology optimization supported by Deep Learning

著者名: 佐藤 孝洋(東芝),藤田 真史(東芝)

著者名(英語): Takahiro Sato|Masafumi Fujita

キーワード: トポロジー最適化|深層学習|多数目的最適化|有限要素法

要約(日本語): 電気機器のトポロジー最適化は，革新的形状を発見するために有効な手法の1つであり，進化計算を用いた手法は適用可能な問題範囲が広い利点がある。一般に，最適化計算中に得られた形状は，有限要素法などによる数値解析で評価することが多い。しかし最適化計算中には多数の形状を生成するため，多くの評価が必要になり，計算時間が長大化しやすい。そこで，最適化中に生成された形状を深層学習に入力し，その形状が解析するに値する評価を持つかを判断，明らかに性能が出ないと判断された形状を破棄する方法について検討する。これにより，トポロジー最適化中の評価回数を抑え，計算時間を短縮する。

PDFファイルサイズ: 877 Kバイト