機械学習を用いたヒステリシス損失の予測精度向上について

カテゴリ: 全国大会

論文No: 5-132

グループ名: 【全国大会】令和6年電気学会全国大会論文集

発行日: 2024/03/01

タイトル(英語): Improvement of Prediction Accuracy in Hysteresis Loss Prediction by Machine Learning

著者名: 地引琢人（北海道大学）,林翔吾（北海道大学）,五十嵐一（北海道大学）,阿波根明（JSOL）

著者名(英語): Takuto Jibiki (Hokkaido University),Shogo Hayashi (Hokkaido University),Hajime Igarashi (Hokkaido University),Akira Ahagon (JSOL)

キーワード: ヒステリシス損失|インダクタ|スカラプレイモデル|機械学習|hysteresis loss|inductor|scalar play model|machine learning

要約(日本語): 近年，電気機器の高周波化によりヒステリシス損失（ヒス損）の高精度解析が重要となっている。高精度なヒステリシスのモデリング法としてプレイモデルがあるが，ヒステリシス曲線上の状態遷移を追う過程が煩雑なためヒス損計算に時間を要する。著者らはプレイモデルを用いたヒス損解析の高速化のために機械学習を用いた手法を提案したが，予測精度が低いという問題があった。本研究ではヒス損の予測に用いる回帰モデルの構造を変更することで予測精度の改善を試みた。結果として，回帰モデルの層数およびパラメータ数を増やすことで，ヒス損予測の相対誤差を1.7%まで下げることができた。

本誌掲載ページ: 224-225 p

原稿種別: 日本語

PDFファイルサイズ: 391 Kバイト