冷却水温予測のための重回帰分析と深層学習を活用した熱境界サロゲートモデルの構築
Construction of Thermal Boundary Surrogate Model Using Multiple Regression Analysis and Deep Learning for Prediction of Coolant Temperature
- 提供方法
- 他サイトにて提供・販売
- 入手方法の確認はこちら
- 文献番号
- 20234377
- 文献・情報種別
- 自動車技術会論文集
Vol.54 No.4
- 掲載ページ
- 764-769(Total 6 p)
- 発行年月
- 2023年 7月
- 出版社
- (公社)自動車技術会
- 言語
- 日本語
書誌事項
カテゴリ | 論文 |
---|---|
カテゴリ(英) | Paper 翻訳 |
著者 | 1) 下川 智史, 2) 奥山 学, 3) 曽川 幸助, 4) 川口 則雄, 5) 高橋 政克, 6) 嶋田 裕司 |
著者(英) | 1) Tomofumi Shimokawa, 2) Manabu Okuyama, 3) Kosuke Sogawa, 4) Norio Kawaguchi, 5) Masakatsu Takahashi, 6) Yuji Shimada |
勤務先 | 1) トヨタ自動車, 2) トヨタ自動車, 3) トヨタ自動車, 4) トヨタ自動車, 5) トヨタ自動車, 6) トヨタ自動車 |
抄録 | CHT解析を用いてエンジン内部の冷却水温を予測しているが,非常に多くの時間を掛け,実測値と同定を取った熱境界条件を用意しなければならない.そこで,重回帰分析と深層学習を組合わせることで説明可能性を高めつつ、高効率化かつ高精度のサロゲートモデルを構築し、熱境界条件の導出を効率化できたことを紹介する. |
抄録(英) | Engine coolant temperature prediction utilizes Conjugate Heat Transfer (CHT) analysis. However, identifying the combustion chamber walltemperature based on actual measurements is a time-consuming process. The purpose of this paper is to develop a surrogate model that canpredict the combustion chamber wall temperature faster than conventional methods. We propose that a surrogate model utilizing multipleregression analysis and deep learning can achieve high explanability and high efficiency. 翻訳 |