基于深度学习的电机多目标技术优化元建模
机器学习
2023-08-25 v3
摘要
旋转电机的优化在时间和计算上均十分昂贵。由于参数化的差异，设计优化通常针对每种电机技术分别执行。本文中，我们展示了应用变分自编码器（VAE）同时优化两种不同电机技术，即异步电机和永磁同步电机。训练后，我们采用深度神经网络和解码器作为元模型，在优化循环中通过统一潜空间分别预测全局关键性能指标（KPIs）并生成相关的新设计。数值结果展示了在高维设计空间中的并行参数化多目标技术优化。该基于 VAE 的方法与经典的基于深度学习的直接 KPI 预测方法进行了定量比较。
引用
@article{arxiv.2306.09087,
title = {Deep learning based Meta-modeling for Multi-objective Technology Optimization of Electrical Machines},
author = {Vivek Parekh and Dominik Flore and Sebastian Schöps},
journal= {arXiv preprint arXiv:2306.09087},
year = {2023}
}
备注
12 pages, 15 figures