少数サンプル学習サロゲートモデルによるEVバッテリープレートの材料・形状同時最適化
Simultaneous Material and Shape Optimization of EV Battery Plates Using Surrogate Models Trained on Limited Samples
- 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
- 20266109
- 文献・情報種別
- 学術講演会予稿集（秋）
No.114-26
- 掲載ページ
- 1-4(Total 4 p)
- 発行年月
- 2026年 10月
- 出版社
- (公社)自動車技術会
- 言語
- 日本語
- イベント
- 2026年秋季大会
書誌事項
| 著者 | 1) 齋藤 博之, 2) 道下 孝之, 3) 河尻 耕太郎 |
|---|---|
| 著者（英） | 1) Hiroyuki Saito, 2) Takayuki Michishita, 3) Kotaro Kawajiri |
| 勤務先 | 1) エイゾス, 2) エイゾス, 3) エイゾス |
| 勤務先（英） | 1) AIZOTH, 2) AIZOTH, 3) AIZOTH |
| 抄録 | 放熱性能を担うEVバッテリープレートの設計では，熱および強度特性を同時に満たす必要がある．本検討では，少数サンプル学習で構築した高精度な熱・構造物理場予測サロゲートモデルを活用し，リアルタイム予測および材料・形状同時最適化を可能にする手法を示す． |
| 抄録（英） | In designing EV battery plates responsible for heat dissipation, both thermal and mechanical strength requirements must be satisfied simultaneously. This study presents a method that enables real-time prediction and simultaneous material and shape optimization by utilizing a high-accuracy surrogate model for thermo-structural physical field prediction, constructed through limited-sample learning. 翻訳 |
