| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-01-21 12:50 機械学習を用いた冷媒回路のサロゲートモデル化に関する研究 ○中 直斗・ライチェフ ビセル（広島大）・上村 匠・川口幹祐・小林謙太・植木善治・和田好隆（マツダ）・檜垣 徹・金田和文（広島大）  PRMU2024-33 |
|
| 抄録 | （和） | 現在，自動車の冷媒回路における物理量，使用電力・熱交換料の解析はComputer-Aided Engineering (CAE)のシミュレーションを用いて計算されている．CAEによる解析は高精度な結果を算出可能な一方で，計算コストが大きいため，様々な状況を想定したパラメータスタディーに向かないという問題を抱えている．本研究では，乗用車の冷媒回路における計算の時間的効率を改善するため，冷媒回路の制御値，中間物理量，使用電力・熱交換量のデータをもとに，物理量および使用電力・熱交換量を予測するDeepOTransformerとDeepOLSTMという2つの機械学習モデルを作成し，その性能を検証した．検証の結果，従来の物理シミュレーションよりも高速で予測が可能であり，さらにベースラインモデルと比較しても高精度な予測が達成されたことが示された． |
| （英） | This study addresses the computational inefficiency of parameter studies for automotive refrigerant circuits, which currently rely on high-fidelity but time-consuming CAE simulations. To improve time efficiency, the authors develop two machine learning models—DeepOTransformer and DeepOLSTM—trained on control values, intermediate physical parameters, power consumption, and heat exchange data. These models predict the refrigerant circuit’s physical quantities, power usage, and heat transfer rates more rapidly than conventional physics-based simulations. Compared to a baseline model, their approach achieves higher accuracy and significantly faster computation, making it a promising method for analyzing various operating conditions in automotive refrigerant systems efficiently. | |
| キーワード | （和） | 深層学習 / サロゲートモデル / 時系列予測 / Transformer / DeepONet / / / |
| （英） | Deep learning / surrogate model / time series forecasting / Transformer / DeepONet / / / | |
| 文献情報 | 信学技報, vol. 124, no. 336, PRMU2024-33, pp. 1-6, 2025年1月. | |
| 資料番号 | PRMU2024-33 | |
| 発行日 | 2025-01-14 (PRMU) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2024-33 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM VRSJ-SIG-MR MVE |
| 開催期間 | 2025-01-21 - 2025-01-22 |
| 開催地（和） | 九州大学 伊都キャンパス 椎木講堂 |
| 開催地（英） | |
| テーマ（和） | 医用・健康のためのCV/PR/XR技術 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2025-01-PRMU-CVIM-SIG-MR-MVE |
| 本文の言語 | 日本語 |
| タイトル（和） | 機械学習を用いた冷媒回路のサロゲートモデル化に関する研究 |
| サブタイトル（和） | |
| タイトル（英） | Surrogate Modeling of Refrigerant Circuits Using Machine Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / Deep learning |
| キーワード(2)（和/英） | サロゲートモデル / surrogate model |
| キーワード(3)（和/英） | 時系列予測 / time series forecasting |
| キーワード(4)（和/英） | Transformer / Transformer |
| キーワード(5)（和/英） | DeepONet / DeepONet |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 中 直斗 / Naoto Naka / ナカ ナオト |
| 第1著者 所属（和/英） | 広島大学 (略称： 広島大) Hiroshima University (略称： Hiroshima Univ.) |
| 第2著者 氏名（和/英/ヨミ） | ライチェフ ビセル / Bisser Raytchev / |
| 第2著者 所属（和/英） | 広島大学 (略称： 広島大) Hiroshima University (略称： Hiroshima Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 上村 匠 / Takumi Uemura / ウエムラ タクミ |
| 第3著者 所属（和/英） | マツダ株式会社 (略称： マツダ) Mazda Motor Corporation (略称： Mazda) |
| 第4著者 氏名（和/英/ヨミ） | 川口 幹祐 / Mikimasa Kawaguchi / カワグチ ミキマサ |
| 第4著者 所属（和/英） | マツダ株式会社 (略称： マツダ) Mazda Motor Corporation (略称： Mazda) |
| 第5著者 氏名（和/英/ヨミ） | 小林 謙太 / Kenta Kobayashi / コバヤシ ケンタ |
| 第5著者 所属（和/英） | マツダ株式会社 (略称： マツダ) Mazda Motor Corporation (略称： Mazda) |
| 第6著者 氏名（和/英/ヨミ） | 植木 善治 / Yoshiharu Ueki / ウエキ ヨシハル |
| 第6著者 所属（和/英） | マツダ株式会社 (略称： マツダ) Mazda Motor Corporation (略称： Mazda) |
| 第7著者 氏名（和/英/ヨミ） | 和田 好隆 / Yoshitaka Wada / ワダ ヨシタカ |
| 第7著者 所属（和/英） | マツダ株式会社 (略称： マツダ) Mazda Motor Corporation (略称： Mazda) |
| 第8著者 氏名（和/英/ヨミ） | 檜垣 徹 / Toru Higaki / ヒガキ トオル |
| 第8著者 所属（和/英） | 広島大学 (略称： 広島大) Hiroshima University (略称： Hiroshima Univ.) |
| 第9著者 氏名（和/英/ヨミ） | 金田 和文 / Kazufumi Kaneda / カネダ カズフミ |
| 第9著者 所属（和/英） | 広島大学 (略称： 広島大) Hiroshima University (略称： Hiroshima Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-01-21 12:50:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2024-33 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.336 |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2025-01-14 (PRMU) |
[研究会発表申込システムのトップページに戻る]