OptimusとMapleSimを用いたハイブリッドカーの最適化

Transcription

1 Optimus と MapleSim を用いたハイブリッドカーの最適化 サイバネットシステム株式会社マルチドメインソリューション事業部 PIDO 部古市洋也

2 アジェンダ 1. はじめに 2.Noesis Solutions 社とOptimusの紹介 3. シミュレーション概要 4. 最適化問題設定 5. 最適化の結果 6. まとめ 2

3 アジェンダ 1. はじめに 2.Noesis Solutions 社とOptimusの紹介 3. シミュレーション概要 4. 最適化問題設定 5. 最適化の結果 6. まとめ 3

4 ハイブリッドカーの急速な普及 - 背景 - ハイブリッドカーは 技術の集大成 system subsystem subsystem subsystem component component component component component component 自動車開発のシステム構成イメージ 4

5 ハイブリッドカーの急速な普及 - 背景 - ハイブリッドカーは 技術の集大成 パワートレイン エンジン トランスミッション ファイナルドライブ バルブトレイン シリンダーブロック マニホールド ギヤリング トルクコンバータ クラッチ ホイール デファレンシャルギア 自動車開発のシステム構成イメージ 5

6 - 課題 - マルチドメインに跨る複雑な現象により設計空間の分析や設計の理論的な裏付けが困難単純な手作業が多く発生 ( パラメータ変更 結果集計 評価 シミュレーション中の待ち時間等 ) トライ & エラーを伴う経験と勘に基づく設計アプローチでは限界 - 解決策 - 最適化ツールにより解決! MapleSim モデルのパラメータ解析の自動化による開発期間短縮 実験計画法と応答曲面モデルを活用した設計空間のトレンドの直感的な把握 最適化アルゴリズムによる経験に頼らない設計の改善 - 目的 - MapleSim と Optimus を用いて ハイブリッドカーの多目的最適化を実施し ハイブリッドシステムの設計指針を定める 6

7 アジェンダ 1. はじめに 2.Noesis Solutions 社とOptimusの紹介 3. シミュレーション概要 4. 最適化問題設定 5. 最適化の結果 6. まとめ 7

8 -Noesis Solutions 社 - (PIDO, Process Integration and Design Optimization 設計プロセスの統合化と設計最適化 ) 会社名 : Noesis Solutions NV ( ノエシスソリューションズ ) Noesis とは古代ギリシャ語で 理解を会得するまでのプロセス という意味 所在地 : ベルギー王国ルーベン市 PIDO マーケットにフォーカスするため 2003 年 7 月 LMS International 社より独立 15 年以上にわたる最適化コンサルティングの実績 2010 年 7 月サイバネットシステムの 100% 子会社として日本のマーケットにフォーカスした開発体制を構築 8

9 -Optimus- 開発背景最適化分野にて世界的権威を誇る米ミシガン大学 Panos Y. Papalamblos 教授が Ford GM 社向けに作成した最適化プログラムがベース 1996 年に商用化されて以来 シミュレーションを用いた設計プロセスの高速化 をコンセプトに操作性と効率性を重視して開発 Ver. 3.0 Ver. 4.0 Ver. 5.3 Optimus Rev 年 7 月リリース ( 最新バージョン ) 9

10 - 導入実績 ( 自動車関連業界 )- 全世界 1000 ライセンス以上の導入実績日本では 300 ライセンスの実績を突破! 自動車メーカー : サプライヤー : 航空宇宙 : モータースポーツ : タイヤ : 農業 / 建設機械 : バイク : 軍事 : 10

11 - Optimus とは - Optimus は シミュレーションを用いた設計プロセスの自動化 統合化 最適化をシーケンスチャートによる直感的な GUI により実現する 最適化ソリューションツールです シミュレーション実行 評価値 実験計画法 自動実行 応答曲面 設計空間分析 実験結果等 最適化プロセス 設計変数 最適化 11

12 - 適用例 - 実験データ 同定 シミュレーション 局所解 大域解 局所解 12

13 アジェンダ 1. はじめに 2.Noesis Solutions 社とOptimusの紹介 3. シミュレーション概要 4. 最適化問題設定 5. 最適化の結果 6. まとめ 13

14 - ハイブリッドカー - ハイブリッドカー 異なる 2 つ以上の動力源を持つ車両 SUBARU LEGACY TOYOTA Prius 三菱 i-miev MAZDA DEMIO HONDA FIT Hybrid 日産 LEAF IC エンジン車 ( ガソリン / ディーゼル ) ハイブリッドカー シリーズ方式 (GM シボレー ボルト ) パラレル方式 ( ホンダ ) スプリット方式 ( トヨタプリウス ) 電気自動車 動力源による車の分類 14

15 - シリーズ ( 直列 ) 方式 - フロント IC エンジン 発電機 バッテリー DC モーター バッテリー残量 シリーズ方式模式図 15

16 - ハイブリッドシステムモデル - < モデルの補足 > mean value engine modelを使用 ニッケルマンガン水素電池 ( 等価回路 )@ 200V MapleSim モデル 燃費測定方法(NYCC) により 60 分の時刻暦応答シミュレーション合計約 10,000 回の計算ステップ 16

17 アジェンダ 1. はじめに 2.Noesis Solutions 社とOptimusの紹介 3. シミュレーション概要 4. 最適化問題設定 5. 最適化の結果 6. まとめ 17

18 - 自動化の設定 - 使用アプリケーション MapleSim 4.5 Optimus Rev9 SL1 計算時間と使用マシンスペック MapleSim 専用インタフェース 約 60 秒 /1 回 マシンスペック : Intel Core2 Duo, 1.60GHz, 1.99GB RAM, 32bit Windows XP 18

19 目的関数 - 最適化問題設定 - 燃費 fuel_consumption (km/l) 高い程良い 走行性能 performance 低い程良い NYCC 走行パターンからの速度誤差 設計変数 ( 制御パラメータ ) 名前 範囲 エンジン速度 EngineSpeed (rpm) 充電を開始するバッテリー残量の閾値 SOCThresholdLow ( 正規化 ) バッテリーセル数 NumCells ( 整数 )

20 - 最適化アプローチ - アプローチ A アプローチ B STEP1 実験計画法 ラテン超方格法 200 回 STEP1 多目的最適化 NSEA+ STEP2 応答曲面モデル Radial Basis Function, RBF ( 基底関数タイプ : 3 次 ) STEP3 多目的最適化 NSEA+ 20

21 アジェンダ 1. はじめに 2.Noesis Solutions 社とOptimusの紹介 3. シミュレーション概要 4. 最適化問題設定 5. 最適化の結果 6. まとめ 21

22 - 実験計画法 - STEP1 実験計画法 ラテン超方格法 200 回 約 3.5 時間 相関散布図 ヒストク ラム 設計変数 : EngineSpeed 発電機を駆動してバッテリーを充電する時のエンジン速度 SOCThresholdLow 充電を開始する時のバッテリーの残量の閾値 NumCells バッテリーのセル数 散布図 目的関数 : fuel_consumption 燃費 performance 走行性能 相関係数 22

23 - 応答曲面モデル - STEP2 応答曲面モデル Radial Basis Function ( 基底関数タイプ : 3 次 ) R^2_press ( 燃費 ) = セクションプロット 燃費が最大となる領域を青枠で表示 3 次元プロット 23

24 - 応答曲面モデル - Radial Basis Function ( 基底関数タイプ : 3 次 ) R^2_press ( 走行性能 ) = セクションプロット 走行性能が最小となる領域を赤枠で表示 3 次元プロット 24

25 - 最適化 - STEP3 多目的最適化 NSEA+ 目的関数 : 燃費の最大化 走行性能の最小化 目標とするパレート最適解の数 : 20 個体数 : 20 内部的に近似モデルを作成するオプション利用 総計算回数 : 140 (7 世代 ) 約 2 時間 設計変数 変数名範囲初期設計 EngineSpeed (rpm) SOCThresholdLow NumCells fuel consumption (km/l) performance

26 - 最適化 - 散布図 パレート最適解 performance performance 初期設計 改善方向 fuel_consumption 26 fuel_consumption

27 - 最適化 - 散布図 パレート最適解 fuel_consumption fuel_consumption fuel_consumption performance EngineSpeed SOCThresholdLow NumCells fuel_consumption performance performance performance fuel_consumption 最適解 performance 最適解 パレート最適解 計算点 EngineSpeed SOCThresholdLow NumCells 27

28 - 最適化 - 平行座標プロット performance EngineSpeed SOCThresholdLow NumCells fuel_consumption performance 28

29 平行座標プロット 初期設計 fuel_consumption 最適解 初期設計 performance performance 最適解 fuel_consumption 最適解 EngineSpeed SOCThresholdLow NumCells fuel_consumption performance 最適解 performance 変数名初期設計燃費最適解 走行性能最適解 EngineSpeed (rpm) SOCThresholdLow NumCells fuel consumption (km/l) % performance %

30 アジェンダ 1. はじめに 2.Noesis Solutions 社とOptimusの紹介 3. シミュレーション概要 4. 最適化問題設定 5. 最適化の結果 6. まとめ 30

31 - まとめ - MapleSimとOptimusを連携し ハイブリッドシステムのパラメータ最適化を実現 効率良く最適解を探索! 設計空間のトレンドを把握! 最適化アルゴリズムによる理論的な裏付けのある最適解を算出! 今後の課題.. EV や PHEV システムの最適化 パラメータを増加 31

32 ご清聴ありがとうございました 32