Bayesian Active Learningを用いた車体信頼性開発のためのセットベース設計手法
Set-Based Design Approach for Vehicle Reliability Development Using Bayesian Active Learning
- 提供方法
- 本サイト上にてダウンロード・閲覧可
- 形態
- 価格
- 一般価格(税込)：￥1,100 会員価格(税込)：￥880
- 文献番号
- 20265361
- 文献・情報種別
- 学術講演会予稿集（春）
No.83-26
- 掲載ページ
- 1-5(Total 5 p)
- 発行年月
- 2026年 5月
- 出版社
- (公社)自動車技術会
- 言語
- 日本語
- イベント
- 2026年春季大会
書誌事項
| 著者 | 1) 宮木 耕太, 2) 菅井 友駿, 3) 西川 幸治 |
|---|---|
| 著者（英） | 1) Kohta Miyaki, 2) Tomotaka Sugai, 3) Koji Nishikawa |
| 勤務先 | 1) トヨタ自動車, 2) トヨタ自動車, 3) トヨタ自動車 |
| 勤務先（英） | 1) Toyota Motor, 2) Toyota Motor, 3) Toyota Motor |
| 抄録 | 車体が耐えるべき最大入力負荷の設定において，悪路走行での車体入力モデルに機械学習によるサロゲートモデルを活用している．しかし，車体入力は非線形性が強い応答場である上に，本目的でのサロゲートモデルの活用では，任意の設計変数範囲においてその最大値を精度よく予測できる必要がある．本稿では非線形かつ複数の極大値を持つ応答に対して，極大値付近に着目し精度よく学習する手法を提案する． |
| 抄録（英） | In defining the target strength of the vehicle body, the maximum load that the vehicle body can endure is estimated by utilizing a surrogate model based on machine learning, which is created from the vehicle body input from rough-road simulations. However, the response surface of the vehicle body input has a strong nonlinearity, and in utilizing the surrogate model for this purpose,It is essential to accurately predict the maximum values within various ranges of design variables. This paper proposes a new method to learn by focusing on the vicinity of the peaks for responses that are nonlinear and possess multiple local maxima. 翻訳 |
