文献

J-GLOBAL ID：202102261505514335   整理番号：21A3121987

能動学習を用いた最悪条件の自動検出手法の開発

A detection method of worst conditions in vehicle dynamics tests using Bayesian Active Learning

著者 (4件)： 山本望琴 (トヨタ自動車) ,  新谷浩平 (トヨタ自動車) ,  尾越敦貴 (トヨタ自動車) ,  石崎啓祐 (トヨタ自動車)
資料名： Dynamics & Design Conference (CD-ROM)  (Dynamics & Design Conference (CD-ROM))
巻： 2020  ページ： ROMBUNNO.224  発行年： 2020年 
JST資料番号： L1497B  ISSN： 2424-2993  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 自動車開発におけるNV・ドライバビリティ(以下:ドラビリ)性能は,お客様の運転操作快適性に直結する為重要な評価指標の一つである.しかし,ドラビリ現象は車両毎のハード諸元や制御仕様によって悪化条件が異なり,実車試験による抽出が困難である.現状,シミュレーションや実車で網羅的に試験する必要があるが,限られたリソーセスの中で検討することは容易ではない.一方で能動学習を用いると,最低限の実験回数で目的関数の最適化が可能となる.本研究では,能動学習を用いたドラビリ最悪条件の自動検出手法を提案する.(著者抄録)

シソーラス用語： *自動車 ,  製品開発 ,  *学習 ,  学習アルゴリズム ,  *ドライバビリティ ,  動特性 ,  CAE【計算機】 ,  *事例研究 ,  *検出 ,  目的関数 ,  最適化 ,  スクリーニング
準シソーラス用語： *最悪ケース解析 ,  *自動検出 ,  *能動学習

分類 (2件)： 走行性能  (QG02020S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 能動学習 ,  自動検出 ,  手法 ,  開発