CNN-LSTMを活用した段スキューIPMSMトポロジー最適化の高速化に関する検討

カテゴリ: 全国大会

論文No: 5-046

グループ名: 【全国大会】令和7年電気学会全国大会論文集

発行日: 2025/03/01

タイトル(英語): Study on Accelerating Topology Optimization for Step-Skewed Interior Permanent Magnet Motor Using CNN-LSTM

著者名: 関口汐音（法政大学）,佐々木秀徳（法政大学）

著者名(英語): Shion Sekiguchi (Hosei University),Hidenori Sasaki (Hosei University)

キーワード: 畳み込みニューラルネットワーク|長短期記憶ユニット|埋込磁石同期モータ|トポロジー最適化|段スキュー|遺伝的アルゴリズム|convolutional neural network|Long Short-Term Memory|interior permanent magnet synchronous motor|topology optimization|step skew|genetic algorithm

要約(日本語): トポロジー最適化は埋込磁石同期モータの磁気構造設計に有効であるが，モータの磁気構造設計にトポロジー最適化を適用する場合，探索点分のモータ特性値を有限要素法(FEM)による特性値算出は解析時間が長大化する懸念がある。そのためFEMの代替モデルとして高速にモータ特性を推定する畳み込みニューラルネットワーク(CNN)が提案されているが，CNNはスカラ値を予測するため，段スキューや2.5次元最適化への適用が難しい。本研究では，材料分布からトルク波形を予測するCNN-LSTMモデルによる段スキューを考慮したIPMSMのロータ形状最適化手法を提案する。

本誌掲載ページ: 73-74 p

原稿種別: 日本語

PDFファイルサイズ: 846 Kバイト