2023 Fiscal Year Annual Research Report
Unified Optimization of Motors Using Monte Carlo Tree Search
| Project/Area Number |
23KJ0013
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
佐藤 駿輔 北海道大学, 情報科学院, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2023-04-25 – 2024-03-31
|
| Keywords | 最適設計 / 永久磁石モータ / 多目的形状最適化 / インダクタ / トポロジー最適化 / ニューラルネットワーク / モンテカルロ木探索 |
|---|
| Outline of Annual Research Achievements |
本研究は、永久磁石（PM: Permanent Magnet）モータを主な対象とし、その基本構造と詳細形状を同時に最適化する総合最適化手法の開発と、開発した手法を用いた要求仕様に最適かつ高効率なPMモータの設計を目的としていた。
まず、採用前から今年度にかけて、総合最適化の多目的化に取り組み、これに関する論文が国際学術雑誌に掲載された。総合最適化はモンテカルロ木探索（MCTS: Monte Carlo Tree Search）をベースとしており、探索アルゴリズムの計算上、多目的形状最適化結果の単一スコア表現が多目的化のために必要であった。これを実現するため、我々はパレート解（複数の目的関数を考えたとき、他のどの解にも劣らない解）の個数による評価方法を導入した。この手法により、多目的最適化をMCTSに直接組み込むことが可能となり、総合最適化の多目的が実現した。PMモータモデルを用いた数値実験により、多様な基本構造と詳細形状群からなるパレート解が得られることを確かめた。
また、我々は総合最適化手法をインダクタの最適化に応用し、その有効性を示した。本成果に関する論文が国際学術雑誌に掲載された。
さらに、総合最適化はトポロジー最適化をベースとしているが、多くの場合はその結果形状を直感的に解釈することが難しい。この問題を解決するため、我々は畳み込みニューラルネットワーク（CNN: Convolutional Neural Network）をベースとした、トポロジー最適化結果の解釈手法を提案した。本手法をPMモータのトポロジー最適化結果に適用し、CNNが特性値の変化を予測できることを示した。本成果に関する論文が国際学術雑誌に掲載された。
|
