权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Generation of new three-dimensional structure of permanent magnet motors using topology optimization

利用拓扑优化生成新型永磁电机三维结构

基本信息

批准号：
21H01301
负责人：
五十嵐一
金额：
$ 10.98万
依托单位：
Hokkaido University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

トポロジー最適化は，寸法や位置などの形状パラメータを事前に設定して最適化するパラメータ最適化とは異なり，穴の生成・消滅を含めて自由に物体を変形して，最適形状を探査する．本研究では，永久磁石モータの最適設計法を大きく拡張し，鉄心のみならず永久磁石の形状と配向を自由変化させるとともに，モータ軸方向への構造変化を包含する3次元トポロジー最適化を実現する．本研究により，電気自動車などに使用される薄型モータの性能向上を実現とするとともに，たとえば軸方向に回転子が磁石埋め込み型から表面磁石型に変化するような，全く新しいモータ3次元構造の獲得と，それによるモータ性能の飛躍的向上を目指す．さらに本最適化法を設計現場で活用可能にするため，3次元深層学習による高速化を実現する．本年度は，上記目的のために次の研究を実施した．(i)永久磁石モータを回転軸方向に数層に分け，それぞれの層で最適な断面形状を求める2.5次元のトポロジー最適化を実現した．これにより，高い平均トルクと極めて低いトルクリプルを持つ新しい永久磁石モータを見出すことができた．(ii)極数やスロット数，永久磁石配置・構造などの大域構造と，フラックスバリアや固定子ティースなどの局所構造を同時に最適化するために，モンテカルロ木探索を用いた最適設計法を開発した．本法により，モータの大域構造と局所構造の同時最適化が実現できることを数値解析により実証した．(iii)永久磁石モータのトポロジー最適化を高速化するために，モータ断面の画像から電流－トルク特性と電流－磁束特性を推定するための深層学習器を開発した．深層学習によるトルク特性の高速な予測により，トポロジー最適化を高速化できた．

The optimization of the shape of the object is determined by setting the position of the object in advance, optimizing the shape of the object, and detecting the optimal shape of the object. In this paper, the optimal design method of permanent magnet is studied. The shape and orientation of permanent magnet are changed freely. The structural change of permanent magnet axis includes three dimensional optimization. In this study, the performance of the electric automatic vehicle is improved by using the thin type of magnet in the axial direction, and the three-dimensional structure of the electric automatic vehicle is obtained. This optimization method can be applied to the design field, and the 3D deep learning can be realized at high speed. This year, we will continue to carry out our research on this issue. (i)The permanent magnet is divided into several layers in the direction of rotation axis, and the optimum cross section shape of each layer is obtained by optimizing the cross section shape of each layer in 2.5 dimensions. This is a new permanent magnet. (ii)The number of poles and the number of poles, the large-area structure of the permanent magnet configuration and structure, and the local station structure of the permanent magnet configuration and the fixed magnet configuration can be optimized at the same time. Therefore, the optimal design method for the exploration of the permanent magnet configuration is developed. This method is based on a large domain structure and a simultaneous optimization of a local structure. (iii)Permanent magnet optimization for high speed, current-beam characteristics estimation, deep learning device development Deep learning features high-speed prediction, optimization and speed-up.