馬達智財聯盟 Motor Intellectual Property Alliance

基於卷積神經網路之馬達噪音舒適度與轉子設計研究

作者	鄭為中、謝旻甫、朱威達、黃柏維
摘要	隨著自動化的蓬勃發展，工業上馬達的應用需求日益增加，不論是加工場、製造商，只要林立在住宅區附近都是住戶們的噩夢，由於工業生產總會不可避免的帶來噪音，干擾到居民們的生活與睡眠品質，因此安靜的居家環境便成了經濟提升與發展的犧牲品。近年來欲對抗噪音這種資本主義帶來的外部成本，業界也針對馬達異音訊號的診斷技術發展，但隨之也需付出較高時間與金錢的成本才能加以改善。若能於馬達設計過程中，先行模擬出實際聲音，便能提升音質的舒適度，設計出環境友善的馬達。本文將分為四部分，第一部分為有關馬達設計抑制噪音與神經網路文獻蒐集。第二部分為馬達的逆向與實測，透過比對電氣特性與模擬噪音、實測噪音驗證有限元素分析軟體之準確度。第三部分為設計、訓練卷積神經網路，將聲音依照著醫學上定義舒適與不適的程度做分類，提供定義噪音的指標。第四部分蒐集不同轉子設計下在有限元素分析軟體內模擬輸出噪音的分類結果，並透過迴歸分析演算法找出神經網路所定義能產出最舒適噪音的轉子設計，最後以有限元素分析做驗證。
關鍵字	卷積神經網路、機器學習、馬達設計、噪音抑制