2021 Fiscal Year Annual Research Report
Generation of new three-dimensional structure of permanent magnet motors using topology optimization
| Project/Area Number |
21H01301
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
五十嵐 一 北海道大学, 情報科学研究院, 教授 (90212737)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | トポロジー最適化 / 深層学習 / 永久磁石モータ / 最適設計 |
|---|
| Outline of Annual Research Achievements |
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．このため，設計者の想定を超える斬新な構造を得ることができる．このような背景から，産業的に重要な永久磁石モータのトポロジー最適化に関する研究が世界的に行われてきた．しかし，これまでのトポロジー最適化では，モータの断面形状のみを考えていたため，モータの3次元的な最適構造を見出すことができなかった．
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．(1)パラメータ最適化とトポロジー最適化を同時に実行する新しい最適化手法を開発した．(2)トポロジー最適化を高速に実施するために，モータ構造からトルク特性を予測する深層学習機を開発した．さらにこの深層学習機による推定の根拠を理解するために，注目領域を可視化する方法を検討した．(3)永久磁石モータのトポロジー最適化の探索性能を改善するために，ガボールフィルタを基底関数として形状を表現する新しい方法を開発した．(4)モータの多材料トポロジー最適化を高速化するために，深層学習機による特性推定法を開発した．これらの研究成果を国際学術雑誌に論文として発表した．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
本研究では，永久磁石モータの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次元構造の獲得を研究目標としている．本年度の研究により，トポロジー最適化を用いて，実際にそのような構造の永久磁石モータを得ることができ，そのモータの優れたトルク特性を確認することができた．この研究成果を国際学会COMPUMAGにて発表し，さらに拡張した論文を国際学術雑誌に投稿中である．
|
| Strategy for Future Research Activity |
今後は，以下の研究を実施する．(1)永久磁石モータを軸方向に層状に分割し，それぞれの層の構造を決定する2.5次元トポロジー最適化を実施する．またその研究成果を国際学術雑誌に投稿する．(2)薄型の永久磁石モータの3次元トポロジー最適化を実施する．またその成果を国際会議にて発表する．(3)永久磁石モータの体格や極数，スロット数などの基本的な構造と，回転子・固定子の磁気的な構造を同時に最適化する方法について研究する．このために，モンテカルロ木探索を活用する．(4)多数の永久磁石の配置を自由に変更することで，それらの最適な配置を求める方法について検討する．
|
