マツダ技報2025

36/257

d2C2 （d1d1 C1 （C2C1d2d1d2＝225，105，450Hz2′1′＝284. スパースモデリング技術P/IA/F150個に絞り込個とした。これらにP/IFig. 8（に示す。A/F）の中2362528dxNs），中間変数SPLOnpanels 組のサンプルからなるデータの0.52.9mmにおいては，の赤色のドットで示した共通のをそれぞれ指定の下，P/IA/Fの範囲内で2Hz2Hzの範囲内で225刻みに取得しdy個の構成因子からなる23625個からxd＝＝dd＝，′＝，6）～の6＝，＝＝，＝××（×（×＝X～36）2～＝＝＝2～Yた――＝）にマツダ技報No.41（2025）　　　Fig. 7（に示す。連鎖構造として現れた～フロントヘッダーSPLが可視化されている。従って，例えば，カが増大し，また，フロンが増大もしくは減少することで，乗員耳位置のChain Structure of Important Factors(6)Evaluation Points Appearing in Fig. 7(6)技術（教師あり機械学習技術）Sparse ModelingAI　本技術は，設計変数（入力）と目的変数（出力）のデータを一つの関数で直接結び付けて近似する基本的なサロゲートモデル（代理モデル）の方法論を拡張する。より詳細には，入出力の変数の間に位置する中間変数が出現順序を含めて別途定義される場合，それらを無視せず扱い，複数のサロゲートモデル構築とともに各変数間の重要な連鎖Fig. 5構造を表現しようとする技術である。具体的には，のフローチャートに示すとおり，設計変数・中間変数・目的変数が順序付きで与えられた前提の下で，目的変数から設計変数へと順序を遡って複数のランダムフォレストに基づくサロゲートモデルを逐次的に構築する独自のプロセスを実現する。その際，変数の個数が膨大でも対応できるよう，組合せ最適化に基づく変数選択も可能にしている。これらを通し，目的変数にとって重要な因子のみに絞り込まれた形で関係性の連鎖構造が出力され，因子の重要度（ジニ不純度）を関係性の強弱として扱って閾値とともに濃淡表現に反映して可視化できる技術となっている。3.2　適用事例　本節では，自動車のロードノイズ性能を対象として，周波数応答解析に基づくデータセット（サンプル数：Ns211，構成因子数：）を題材に，連鎖的ランダムフォレスト因子構造分析を適用した事例を述べる。ただし，設計変数dxNs），中間変数YNsdy的変数）はそれぞれ，ボディー主要骨格部品やフロントサスペンションクロスメンバーを含む部品板P/I厚，（ポイントイナータンス：加振点応答特性を表Sound Pressure す），LevelA/F（振動伝達特性を表す），：乗員耳位置での騒音音圧レベルを表す）とする。Onbodyframe Fig. 6Evaluation Points for P/I and A/F (6)　題材とした計Ns211詳細として，設計変数囲内で水準系の値をもつ部品板厚に基づく，計個の構成因子からなるデータを用いた。中間変数Fig. 6（においては，個の評価点から得られる何れも各点において225個分の値を全て横並びにした，計得した23625個の構成因子からなるデータを用いた。目的変数450Hzにおいては，SPLの値に基づく，計データを用いた。また，変数選択の過程では，ともにみ，部品板厚は変更なしの対し，連鎖的ランダムフォレスト因子構造分析を適用し，指定した中間変数とその順序に沿った確からしい連鎖構造を導けるかどうかを検証した。6）　結果をA/Fの各因子について，各評価点名を青色，赤色，緑色のテキストで示している。また，それらに対応する実際の評価点の位置をドットの色を統一して部品や評価点の位置が互いに近いものが線分で接続されていることから，確からしい連鎖構造が可視化されていると判断できた。また，特に重要度が高い連鎖構造として，薄い赤色の太線でハイライトしたとおり，カウルのP/I板厚～フロントウィンドウ100Hzウル板厚を増大させることで，フロントウィンドウ下部P/Iやダッシュロアパネル部のトウィンドウ部，トップシーリング部，フロントヘッダーA/F部のSPLが低減する，という解釈に基づくメカニズムの仮説立案につながった。ここでは割愛するが，文献（dyで，上記仮説は実際にカウル板厚を変更して周波数応答NsX （d2解析を追加で行った結果とともに妥当性も検証できた。），目Fig. 7の範28dxFig. 8刻みに取d14.1　技術の概要　本節では，構築したの一つ「スパースモデリング」（277（）