モータ構造と特性の関係抽出を用いた対話型自動トポロジー最適化の実現

電気自動車等に用いられる埋込永久磁石同期モータは永久磁石の配置やコアの形状がモータ特性に大きく影響することから，設計に多くの工程を要する．そこで，より最適な新規構造を効率的に取得することを目的としたシミュレーションベースの最適化手法が注目されている．特にトポロジー最適化は材料分布を自由度高く考慮可能である．しかしながら，トポロジー最適化の探索空間が膨大であることから，同時に考慮可能な特性数が限られる．そこで，本研究では深層学習モデルを用いて最適化アルゴリズムに設計指針を与えることで，効率よく多数の特性に対して従来の構造を凌駕する新規的な断面構造を生み出すことを目的としている．本研究では，まず説明根拠を可視化する深層学習モデルを用いて，モータの特性と特性が寄与する領域を可視化する手法を開発する．さらに考慮する特性を増やし，それぞれの特性に対する寄与領域の可視化を行う．さらに，本手法をトポロジー最適化に適用し，高効率な探索手法を開発する．本最適化手法により，多数の特性を考慮可能な最適化を実現する．本年度は埋込型永久磁石同期モータの平均トルクとトルク振幅に関する寄与領域の可視化を行った．また，深層学習モデルの高精度化のため，二次元断面における磁束密度分布やギャップ磁束密度分布を入力とした平均トルクおよびトルク振幅の推定手法を提案した．さらに，複数の特性を同時に考慮するため，複数の出力を有する深層学習モデルの構築手法を確立した．これらの手法をトポロジー最適化に適用した．これらの研究成果は令和5年電気学会全国大会，令和4年産業応用部門大会，国際会議IGTE2022，学術論文誌IEEE AccessおよびIEEE Transactions on Magneticsにて発表を行っている．

電気自動車等に用いられる埋込永久磁石同期モータは永久磁石の配置やコアの形状がモータ特性に大きく影響することから，設計に多くの工程を要する．そこで，より最適な新規構造を効率的に取得することを目的としたシミュレーションベースの最適化手法が注目されている．特にトポロジー最適化は材料分布を自由度高く考慮可能である．しかしながら，トポロジー最適化の探索空間が膨大であることから，同時に考慮可能な特性数が限られる．そこで，本研究では深層学習モデルを用いて最適化アルゴリズムに設計指針を与えることで，効率よく多数の特性に対して従来の構造を凌駕する新規的な断面構造を生み出すことを目的としている．本研究では，まず説明根拠を可視化する深層学習モデルを用いて，モータの特性と特性が寄与する領域を可視化する手法を開発する．さらに考慮する特性を増やし，それぞれの特性に対する寄与領域の可視化を行う．さらに，本手法をトポロジー最適化に適用し，高効率な探索手法を開発する．本最適化手法により，多数の特性を考慮可能な最適化を実現する．本年度は埋込型永久磁石同期モータの平均トルクとトルク振幅に関する寄与領域の可視化を行った．また，深層学習モデルの高精度化のため，二次元断面における磁束密度分布やギャップ磁束密度分布を入力とした平均トルクおよびトルク振幅の推定手法を提案した．さらに，複数の特性を同時に考慮するため，複数の出力を有する深層学習モデルの構築手法を確立した．これらの手法をトポロジー最適化に適用した．これらの研究成果は令和5年電気学会全国大会，令和4年産業応用部門大会，国際会議IGTE2022，学術論文誌IEEE AccessおよびIEEE Transactions on Magneticsにて発表を行っている．