回帰型CNNによるトポロジー最適化の高速化

カテゴリ: 部門大会

論文No: PS3-5

グループ名: 【C】2019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: 2019/08/28

タイトル(英語): Acceleration of Topology Optimization Using Regression CNN

著者名: 土居 周平(北海道大学),浅沼 丈(北海道大学),五十嵐 一(北海道大学)

著者名(英語): Shuhei Doi|Jo Asanuma|Hajime Igarashi

要約(日本語): 近年，モータの性能向上が強く求められており，モータの高性能化には平均トルクやトルクリプル，鉄損などの多くの要素を考慮する必要がある。従来の最適化では，遺伝的アルゴリズム(GA)によって生成したすべての形状を，有限要素法(FEM)を用いた電磁界解析によって評価していた。しかし，それではFEMを用いた電磁解析の評価回数が膨大になってしまい最適化に時間を要してしまう。そこで本発表では，回帰型畳み込みニューラルネットワーク(CNN)を用いて平均トルクやトルクリプルを評価し，その評価値が優れている個体のみをFEMを用いて評価することで，最適化時間を短縮する手法について述べる。回帰型CNNは，入力をモータの材料分布画像とし，平均トルクとトルクリプルのそれぞれの評価値を出力とした。最適化には学習済みのネットワークを用いた。

PDFファイルサイズ: 586 Kバイト