潜在空間への埋め込みによる永久磁石モータのトポロジー最適化－基礎検討

カテゴリ: 全国大会

論文No: 5-024

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): Basic Study on Embedding of Permanent Magnet Motors into Latent Space for Topology Optimization

著者名: 佐藤駿輔（北海道大学）,五十嵐一（北海道大学）

著者名(英語): Hayaho Sato (Hokkaido University),Hajime Igarashi (Hokkaido University)

キーワード: 永久磁石モータ|形状最適化|深層学習|埋め込み|ビッグデータ|オートエンコーダ|permanent magnet motor|shape optimization|deep learning|embedding|big data|auto encoder

要約(日本語): 本報告では，計算環境に依存しない高速な永久磁石モータ設計のため，永久磁石形状と磁性体トポロジーからなるビッグデータを低次元の潜在空間へ埋め込み，潜在空間上で形状最適化を行う方法を提案する。形状を埋め込んだ後，潜在空間上のベクトルを入力として性能値を予測する代理モデルを構築する。最適化においては代理モデルによる予測値を個体評価に用い，磁界解析は一切行わない。提案手法による最適化を行い，潜在空間上で得られた解を有限要素法で磁界解析した結果，参照モデルを超える性能が得られた。また，提案手法は有限要素法の1935.4倍高速であり，従来用いられていた畳み込みニューラルネットワークと比較しても62.3倍高速であった。

本誌掲載ページ: 38-40 p

原稿種別: 日本語

PDFファイルサイズ: 1,178 Kバイト