トヨタシステムズは、トヨタ車体と共同で高速AI予測システム「3D-OWL」を活用した空力性能予測の検討を発表した。ミニバン車両を対象とした空力性能サロゲートモデル構築を検討している。
トヨタシステムズは2024年11月20日、高速AI(人工知能)予測システム「3D-OWL(3D Operation with Learning)」を活用した「ミニバン車両を対象とした空力性能サロゲートモデル構築の検討」を発表した。トヨタ車体との共同研究の成果で、「自動車技術会2024 秋季大会」において講演した。
空力性能評価は、デザイン案が固まってきた後に実施するが、フィードバックを受けてデザイン変更を繰り返すため時間がかかる。そこで、3DモデルとCAE解析データを活用した3D-OWLシステムを車両開発初期に用いることで、意匠開発と空力性能(Cd)予測の同期化を目指す。
特にミニバン車両は、車室空間の確保が優先されがちで、空力性能と背反することが多い。他車型以上に意匠との両立が求められる傾向があるため、学習データとして、ミニバン車両の外形意匠を特徴づける16の設計因子を選定し、モーフィング技術で200ケースの意匠を作成、計算解析した。
3D形状を2D画像で認識する技術、3D-OWLのガウス過程回帰を用いて、形状再現度を確保しながら計算負荷を低減している。ML(機械学習)の入力は、3次元メッシュで表現された形状を2次元画像にリダクションし、特徴量としたものを用いた。この2次元画像は、「Depth Map」と呼び、Cd、揚力係数Cl(Cl)値の2つの空力性能値、18個の圧力、流速分布を予測対象としている。
Depth Mapには、画像ファイルのRGBα成分を使用し、3次元情報を保存。2バイト分の解像度、αの成分はシルエット情報を持つ。RGBいずれかが0ではない場合に255、その他の場合は0とした。
Clはややバラツキが見られたが、初期検討時に空力抵抗係数(Cd)は十分な精度が得られたと判断した。また、流れ場も良好な予測結果が得られている。
同社は、3D-OWLについて、車両の空力性能以外を対象に、形状に起因する性能予測に適用範囲を広げることを検討している。
Copyright © ITmedia, Inc. All Rights Reserved.