Deep Neural Networkを用いた初期波形推定による単板磁気試験器における磁束波形制御の高速化に関する検討

カテゴリ: 全国大会

論文No: 2-063

グループ名: 【全国大会】令和4年電気学会全国大会論文集

発行日: 2022/03/01

タイトル(英語): Speedup of Flux Waveform Control Based on Deep Neural Network in Single Sheet Tester

著者名: 角和樹（法政大学）,岡本吉史（法政大学）,藤原耕二（同志社大学）,佐々木秀徳（法政大学）

著者名(英語): Kazuki Sumi (Hosei University, graduate schools),Yoshihumi Okamoto (Hosei University),Koji Fujiwara (Doshisha University),Hidenori Sasaki (Hosei University)

キーワード: 深層ニューラルネットワーク|電磁鋼鈑|磁気特性測定|LabVIEW|単板磁気試験器|波形制御法|Deep Neural Network|Electrical Steel Sheet|Magnetic Property Measurement|LabVIEW|Single Sheet Tester|Waveform Control

要約(日本語): 主要鉄芯材料である電磁鋼鈑の磁気特性を測定する有力な試験法として単板磁気特性試験法がある。当該試験法は，磁束正弦波条件を満たすため，基本波に対して高調波成分を多く含む歪波電圧を励磁巻線に印加することで磁束波形制御を行う必要がある。特に，高磁束密度領域での波形制御法（従来法）では，励磁電圧波形を反復し，修正を行うことから，フィードバック回数が著しく増加してしまい，測定時間の増大が懸念される。本稿では，Deep Neural Network（DNN）を用いて励磁電圧波形を初期波形として推定する波形制御機構を磁気測定システムに実装し，波形制御の高速化および有用性について検討したので報告する。

本誌掲載ページ: 70-71 p

原稿種別: 日本語

PDFファイルサイズ: 536 Kバイト