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
| Project/Area Number |
22K14247
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 21010:Power engineering-related
|
|---|
| Research Institution | Hosei University |
|---|
Principal Investigator |
佐々木 秀徳 法政大学, 理工学部, 講師 (70909176)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2024: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2022: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
|
|---|
| Keywords | トポロジー最適化 / 深層学習 / XAI / 回転機 / 埋込型永久磁石同期モータ / 機械学習 / 自動設計 / モータ |
|---|
| Outline of Research at the Start |
本研究では、モータの画期的な磁気構造を獲得するため、設計指針を最適化過程に応じて自動的に策定する対話型トポロジー最適化を実現する。新規的かつ合理的なモータ構造を取得することを目指すため、深層学習手法で抽出された特徴量をトポロジー最適化の指針決定に用いる。本手法により、多数の特性を同時に考慮可能なトポロジー最適化を実現し、永久磁石型同期モータやリラクタンスモータの性能の向上を達成する。
|
| Outline of Annual Research Achievements |
埋込永久磁石同期モータの磁気構造はモータ特性に大きく影響するが，磁気回路が非常に複雑となることから，理論計算のみでは正確な特性評価が難しく，有限要素法などの数値計算シミュレーションを用いた評価が一般的である．また，本手法と数理最適化を融合したトポロジー最適化は新規的な磁気構造の創出が期待されている．トポロジー最適化の課題として，探索次元の増大に伴う最適化の計算コストが挙げられる．さらに，得られた最適解の構造は非常に複雑であり，特性への寄与を考察することが難しいことも課題の一つである．そこで，本研究では深層学習の説明性を利用することでこれらの課題を解決し，新規的なモータ磁気構造を得ることを目的としている．
本年度は埋込型永久磁石同期モータの平均トルクおよびトルク振幅を推定する畳み込みニューラルネットワークとShapley additive explanations（SHAP）を用いて，それぞれの特性に対する寄与領域の可視化結果の妥当性検証を行った．有限要素法と照らし合わせ，SHAPの出力が特性に寄与する領域に集中していることを確認した．また，本手法を用いて最適化の後段に集中的に最適化する領域を自動判断する二段解トポロジー最適化手法を提案した．本手法により，従来手法に比べ約58.5％の最適化時間削減効果を得た．さらに，最適化において多数の特性を考慮するにあたり，変分自己符号化器により抽出した潜在空間内による効率的な探索手法を開発した．他にも，さらなる精度向上のため，入力データの削減方法や適切なモデルの検証を行った．
これらの研究成果は令和6年電気学会全国大会，電気学会静止器/回転機合同研究会，国際会議ISEM2023およびIEEE Transactions on Magneticsにて発表を行っている．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
本年度は最適化と深層学習モデルの融合によるモータ構造最適化手法の効率化を実現することができた．さらに，本年度計画していた電流などの基本条件を構造と同時に考慮するモデルの構築に関する検討も行った．また，モータのMTPA制御やMTPV制御を考慮したトポロジー最適化の実現のため，鎖交磁束を推定するモデルの高精度化に注力した．その結果，適切な手法の実現目途が立ち，今後発表予定である．さらに，モータなどの電気機器に特化した説明性モデルについての検討が進んでおり，近日中に発表を行う．以上の状況から，当初の計画以上の成果が得られていると判断した．
|
| Strategy for Future Research Activity |
今後，電流条件などの構造以外の入力情報に対して，モータ特性に対する寄与領域を出力可能か検討を行い，当初目標としていた多数の基本条件や制御パラメータを同時に考慮した多数特性に対する自由度の高いトポロジー最適化を実現する．さらに，本手法を埋込型永久磁石同期モータへ適用する予定である．
|
Report
(2 results)
Research Products
(21 results)
