Conference: 2026 대한전기학회 추계학술대회
Authors: 변제건, 강영재, 임명섭
DOI:
본 논문에서는 매입형 영구자석 동기전동기의 파라미터 예측 대체모델 구축에 필요한 유한요소해석 (Finite Element Analysis, FEA) 학습 데이터 수를 저감하기 위해 능동학습 기반 대체모델 학습 방법을 제안하였다. 동일한 학습 데이터로 학습한 4개의 심층신경망으로 앙상 블 모델을 구성하고, 모델 간 예측 분산을 불확실성 지표 로 정의하여 불확실성이 높은 후보 형상을 추가 학습하였 다. 11개의 형상 설계 변수를 갖는 베이스 모델에 대해 d, q축 인덕턴스와 철손을 예측하는 대체모델을 구축하고, 실험계획법 기반 학습 방식과 정합성을 비교하였다. 그 결과, 능동학습 방식은 587개의 학습 데이터로 목표 평균 NRMSE 0.5%를 달성한 반면, 실험계획법 기반 방식은 949 개의 학습 데이터에서도 목표에 도달하지 못하였다. 이를 통해 제안 방법이 동일한 정합성 확보에 필요한 FEA 횟 수를 38.1% 이상 저감할 수 있음을 확인하였다.