でで1（，）2（“3（）:化（）0――マツダ技報No.41（2025） 6. おわりに参考文献Fig. 18Torque Prediction ErrorICE及び電動車用モーターに対して，データ％減の適合工数で得られる目途が802006 2023, https://gpflow.github.io/自動車内燃機関エンジンの高精度モデルによるキャリブレーションの高精度化，高速化手2023 202351502023Fig. 16Differences in Torque Characteristics Depending on Rotor Temperature5.3 データ計測 モーターの過熱や過電流などの運転制約を避けながら効率的にデータ計測を行う手法として，位相βを固定しIaベクトルの大きさした。 この時，インバーターの制御性確保や故障防止のため電圧利用率や各部の温度，モーター振動などを常に監視し，制約値が所定値を超えた場合は運転を停止し，次の計測条件に移行させている。5.4 適合値の出力 適合値の算出は学習した各種モデルに基づいて最適値Model based calibrationを導出する意の運転条件に対して再計測せずに最適値を出力することが可能になった。更に，電圧利用率を所定値以下にすることを制約条件に加えることでバッテリ電圧ごとの適合値を迅速に出力できるようになった。本適合システムFig. を用いて求めた位相βの最適値と電圧利用率を示す（17）。電圧利用率が制約になる高回転領域では弱め磁束になるよう位相βが遅角し，運転範囲全域で制約を満たす最適値を得ることができた。Fig. 17Optimal Current Vector and Voltage Utilization 適合値のトルク精度として目標と実際の差をヒストグラム及び正規分布として表した（いほど精度よく適合できていることを示しており，社内適合基準を十分に満たすことを確認した。本システムにより適合工数従来比約たすことの目途付けができた。ICEICEGPflow 2.9.1 年春季大会講演予稿集，を階段状にスイープする方式を採用を採用しており，任Fig. 18）。分布が％減で社内の適合精度基準を満80 本稿では計測としてスイープ計測，モデル化としてガウス過程回帰，最適化としてベイズ最適化を取り入れて，開発プロセスを高効率化した内容を紹介した。これによりの制御適合開発では，安全性を考慮したシステム設計と組み合わせることで夜間評価を含めて自動での計測適合評価を実施でき，開発期間を従来比で半減以下にできた。また，電動車用モーターでの制御適合開発では，の開発技術・プロセスを応用活用して，要求精度を満足する適合値を従来比確認できた。これらの考え方や技術は，問題設定の変更によって他の制御適合開発にも活用可能であるため，技術適用先の拡張を行っていく。 Carl Edward Rasmussen and Christopher K. I. ）Williams: Gaussian Processes for Machine LearningMIT-Press （ GPflow Developers: ）Documentation.”GPflow/2.9.1/index.html米島ほか法開発，自動車技術会文献番号に近22
元のページ ../index.html#31