研究課題
電気自動車の駆動モータを始めとする回転機の設計では，複雑な相関を持つ多数の特性量に関する仕様を満足しつつ，限られた時間内で性能を最大化しなければならない．トポロジー最適化は寸法等を変数とする従来法とは異なり，穴の生成消滅を含めて機器形状を自由に変形し，目的の仕様を満たす機器構造を探索する．トポロジー最適化により，性能要求を満たす新しい回転機構造を発見できるため，研究者のみならず産業界から注目が集まっている．しかし電気機器のトポロジー最適化には膨大な回数の電磁界有限要素解析を伴うため，実行に数日～数週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る．本研究はトポロジー最適化の計算時間を大幅に短縮し，それにより新規回転機構造の発見を可能とすることを目的とする．本年度は，永久磁石埋め込み型モーター(IPMモータ―)に焦点を当て，深層学習を用いたトポロジー最適化の基礎検討を行った．まずIPMモータの断面画像より，平均トルク，トルクリップルの特性を出力する深層学習機を構成した．つぎに深層学習機を用いて，IPMモータ―のトポロジー最適化を行った．この結果，有限要素法を用いてトルク性能を評価する従来のトポロジー最適化に比べ，10%の計算時間でほぼ同程度の最適化結果が得られることを確認した．また，本手法は多目的最適化の高速化にも有効であることを実証した．これらの研究成果を国際会議CEFC2018にて発表したところ，出席者から非常に高い注目を集めた．
1: 当初の計画以上に進展している
本年度は，まず計画通り深層学習機によるモーターのトルク性能の推定精度を評価した．この結果，深層学習機は期待通り高い精度を有することがわかった．このため，次年度以降に計画していた深層学習機を使ったトポロジー最適化の研究を前倒しして行った．この結果，深層学習の導入によりトポロジー最適化の計算量を1/10程度に短縮できる可能性があることがわかった．このことから，本研究は計画以上に進展していると評価した．
前年度に構成した深層学習機は，モーターのトルク性能を10程度のクラスに分類するものであった．この場合，トポロジー最適化における進化計算の最終段階では，上位のクラスに個体集団が集まるため，個体の差別化をするのが難しかった．このため，次年度においてはモーターのトルク性能を実数値で評価する回帰計算を，深層学習機で実現する予定である．
国際会議に参加する際，安価な旅券を手配し，経費の節約に努めた結果，未使用分が生じた．次年度以降に，学会での発表回数を予定より増やすことで，未使用分を有効に使用する計画である．
すべて 2019 2018 その他
すべて 雑誌論文 (5件) (うち査読あり 5件、 オープンアクセス 4件) 学会発表 (6件) (うち国際学会 4件、 招待講演 1件) 備考 (1件)
IEEE Transactions on Magnetics
巻: - ページ: -
10.1109/TMAG.2019.2901906
10.1109/TMAG.2019.2899934
Journal of Advanced Simulation in Science and Engineering
巻: vol.6, no.1 ページ: 149, 156
https://doi.org/10.15748/jasse.6.149
巻: vol.54, no.11 ページ: 8400904
DOI: 10.1109/TMAG.2018.2841364
IEICE Transactions on Electronics
巻: vol. E101.C, no.10 ページ: 784, 790
https://doi.org/10.1587/transele.E101.C.784
https://hbd.ist.hokudai.ac.jp/research.html
