| 研究課題/領域番号 |
18K18840
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分21:電気電子工学およびその関連分野
|
|---|
| 研究機関 | 北海道大学 |
|---|
研究代表者 |
五十嵐 一 北海道大学, 情報科学研究院, 教授 (90212737)
|
|---|
| 研究期間 (年度) |
2018-06-29 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2019年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2018年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
|
|---|
| キーワード | トポロジー最適化 / 深層学習 / 遺伝的アルゴリズム / 電磁界解析 / モータ / 最適設計 / IPMモータ / 転移学習 / 永久磁石モータ / IPMモータ― / 共進化 |
|---|
| 研究成果の概要 |
電気自動車の駆動モータを始めとする電気機器の開発では，制約条件を満たし，かつ優れた性能を持つ構造を見出す必要がある．穴の生成消滅を含めて機器形状を自由に変形して最適構造を探索するトポロジー最適化は，このような複雑な最適設計問題に有効である．しかし電気機器のトポロジー最適化では，膨大な回数の電磁界有限要素解析を伴うため，実行に長い計算時間を必要としており，これが実利用の大きな障害となっていた．本研究では深層学習により機器特性を予測することで，トポロジー最適化の計算時間を大幅に短縮できることを初めて示した．開発した高速最適化法は，電気機器のみならず広い対象の設計に有効である．
|
| 研究成果の学術的意義や社会的意義 |
深層学習は画像認識や音声認識など様々な分野に応用されている．しかし最適設計など設計・開発への応用は多くなかった．本研究では，深層学習によりトポロジー最適化が高速化できることを初めて示した．高速化により，製品の性能が向上できるのみならず，深層学習に与える学習データも豊富に取得できる．さらに得られたデータにより深層学習機の推定精度が向上する．このように，両者が共進化できることを明らかにした．
|
