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
Multi Performance Parametric Optimization for Motor Using Machine Learning Models and Robust Validation
- 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
- 20266337
- 文献・情報種別
- 学術講演会予稿集（秋）
No.162-26
- 掲載ページ
- 1-2(Total 2 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) 八川 晃一, 2) 安達 亮一, 3) 中山 遼太郎 |
|---|---|
| 著者（英） | 1) Koichi Yakawa, 2) Ryoichi Adachi, 3) Ryotaro Nakayama |
| 勤務先 | 1) マツダ, 2) マツダ, 3) マツダ |
| 勤務先（英） | 1) Mazda, 2) Mazda, 3) Mazda |
| 抄録 | 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． |
| 抄録（英） | 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. 翻訳 |
