| 研究課題/領域番号 |
19K14961
|
|---|
| 研究機関 | 静岡大学 |
|---|
研究代表者 |
關根 惟敏 静岡大学, 工学部, 助教 (00765993)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 多導体ケーブル / アイソジオメトリック解析 / 特性解明 / 形状最適化 / 重回帰分析 / 最適化アルゴリズム / 深層学習 |
|---|
| 研究実績の概要 |
「特性解析」と「形状最適化」の改善と「深層学習モデルの生成」を行った．まず「特性解析」と「形状最適化」では，簡易的なSパラメータによる評価ではなく，クロストーク電圧とコモンモード電流を用いた評価へと変更した．これは，設計において製品の性能を評価する際，より直接的に関係するのがこれらの値だからである．クロストーク電圧はワイヤ間の電磁干渉の大きさを，コモンモード電流は外部への電磁放射の大きさを表し，どちらも小さいほど良い性能を持つと言える．また，扱えるワイヤの本数に制限がないようにプログラムを拡張した．さらに「形状最適化」では，蜂の巣状のグリッドを用いた粗い最適化を遺伝的アルゴリズムに基づいて実行した後，ブレントの方法を用いて詳細な最適化を行う段階的な手法に変更した．結果として，「グラウンド線の半径を他のワイヤよりも大きくする」，「中心に配置したグラウンド線の周りに他のワイヤを均等に配置する」という条件を満たし，グラウンド線と他のワイヤとの距離が約4mmのときにクロストーク電圧とコモンモード電流が最も小さくなることを確認した．これは，最適化前のワイヤ配置における大きさの10分の1以下となっており，非常に効果的に最適化が達成できたと言える．一方，「深層学習モデルの生成」では，深層学習モデルの一つである畳み込みニューラルネットワークを用いて，多導体ケーブルの断面画像を入力とする，回帰，二項分類，多クラス分類のモデルをそれぞれ生成した．このとき，回帰モデルではコモンモード電流の値を出力とし，二項分類ではコモンモード電流の値が閾値よりも大きいか小さいかで分類した．また，多クラス分類ではコモンモード電流をその大きさに応じて区分し，区分ごとにクラスを設定して分類を行った．結果として，多導体ケーブルの断面画像からコモンモード電流の推定やクラス分類が精度良くできることが確認できた．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
当初は機械学習の手法を用いて特性分析や形状最適化を行うことを計画していた．一方，文献調査や検証を通して，本研究の遂行のためには機械学習ではなく，より複雑な処理が行える深層学習がふさわしいとの考えに至った．そこで本年度は深層学習のモデルを採用し，その応用可能性を検証できたため，当初の計画以上に進展していると考える．
|
| 今後の研究の推進方策 |
現在までに，提案する方法論で特性解明と形状最適化が行えることを機械・深層学習の手法を用いずに確認できている．今後はこの方法論に基づいて，深層学習の手法を用いて特性解明と形状最適化を行う．また，現在は多導体ケーブルの電気的特性としてクロストーク電圧とコモンモード電流を従来の数値解析手法に基づいて算出している一方，本数が増えて複雑化するとアイソジオメトリック解析による効率化が不可欠であるため，アイソジオメトリック解析による電気的特性の算出もプログラムへと実装する．
|
| 次年度使用額が生じた理由 |
新型コロナウイルス感染症による影響で旅費が発生しなかったため，次年度使用額が生じた．翌年度も引き続き旅費として使用する．
|
