Multi Performance Parametric Optimization for Motor Using Machine Learning Models and Robust Validation
機械学習モデルを活用したモータパラメトリック多性能最適化とロバスト検証
- Delivery
- Available on this site
- Format
- Price
- Non-members (tax incl.)：￥1,100 Members (tax incl.)：￥880
- Publication code
- 20266337
- Paper/Info type
- Proceedings (Autumn)
No.162-26
- Pages
- 1-2(Total 2 p)
- Date of publication
- Oct 2026
- Publisher
- JSAE
- Language
- Japanese
- Event
- 2026 JSAE Annual Congress (Autumn)
Detailed Information
| Author(J) | 1) 八川 晃一, 2) 安達 亮一, 3) 中山 遼太郎 |
|---|---|
| Author(E) | 1) Koichi Yakawa, 2) Ryoichi Adachi, 3) Ryotaro Nakayama |
| Affiliation(J) | 1) マツダ, 2) マツダ, 3) マツダ |
| Affiliation(E) | 1) Mazda, 2) Mazda, 3) Mazda |
| Abstract(J) | 本発表では，機械学習モデルを用いたパラメトリック最適化による仕様探索と，ロバスト検証の手法を紹介する．電動車用モータの開発において，人間の手によるすり合わせでは多性能の相反を解決する仕様の導出や，ばらつき因子に対する網羅検証に時間がかかる．今回，JMAGの計算結果を基に機械学習モデルを作成し，最適化ツールに組み込み最適化を行った．また作成した機械学習モデルを用いてばらつき因子の影響評価を行った． Translation |
| Abstract(E) | In this presentation, we will introduce a method for exploring specification and the evaluation of variation factors through parametric optimization using machine learning models. In the development of electric vehicle motors,manual adjustments take time to derive specifications that resolve conflicting multi-performance issues and comprehensive verification of variation factors. We created a machine learning model based on JMAG calculation results, incorporated it into an optimization tool, and performed optimization. We also used the created machine learning model to evaluate the impact of variation factors. |
