A Study on Improving Correlation between Analysis and Test Results for Vibration Fatigue Durability and Computational Fluid Dynamics

GeonHee Cheon･NamJin Kim･JinKyu Song･WonSeok Choi･JungSub Kim (Seojin Industrial)･GyuHo Shim (Eco-Plastic)

The purpose of CAE analysis is to anticipate the performance of vehicle components in advance of making the prototype. It is an important tool for effectively cutting the costs and time during the product development process. Thus, maintaining the accuracy of analysis results is critical and further study is necessary to improve the correlation with test outcomes. Consequently, this paper aimed to describe the correlation between analysis and test outcomes during the battery case and chassis frame development process under three topics including : vibration fatigue durability, pressure drop and electrodeposition coating (E-Coat).

A Study on the Development of High Strength Rear Trailing Arm for Electric Vehicles

HeeSang Gong･JinKyu Song･JinSung Kim･MoonSub Song･HoSang Park･DongHoon Kim (Seojin Industrial)

Due to global environmental regulations, the automotive industry is focusing on developing electric vehicles to reduce greenhouse gas emissions. The main parts of an electric vehicle is a battery pack, and the weight of the car is gradually increasing due to the increase in battery capacity. As the weight of the vehicle increases, the development of high strength chassis parts is required. This paper describes the process of developing a high strength rear trailing arm for EV vehicles. The main topics include formability verification for high strength steel and performance verification through test and CAE Analysis.

形状生成AIを使ったサロゲートモデルの精度向上技術の開発

小野寺　啓祥・大塚　紀子・谷口　真潮・木村　成竹（トヨタ自動車）

外板パネルのサロゲートモデルの性能予測精度向上のために，学習不足空間を探査し，不足空間に対して形状生成AIにて新規学習データを作成，追加，学習を繰り返すサイクルを構築し，フードアウタパネルで実証した．生成形状を学習データに加えてサロゲートモデルを更新することで予測精度が向上することを確認した.

クラッシュボックス性能評価サロゲートモデル構築の検討

和田　義孝（近畿大学）・遠藤　明香（マレリ）・奥本　悠季（マツダ）・森本　海（デンソー）・菊地　太季（ダイハツ工業）

機械学習を用いた物理問題のサロゲートモデル構築への期待は年々高まっており．利用方法と構築方法への理解が実用化の重要な鍵となっている．本研究では，クラッシュボックスをイメージした矩形筒形状を対象として最大反力およびエネルギ吸収を予測するサロゲートモデル構築を試みた．機械学習の手法は，ニューラルネットワークおよび決定木で予測器の構築を行った．現象をより線形に近い形で表すパラメータの導入が精度向上には必要であるため入力データ設計を実施した．また，座屈モードの違いにより精度向上が阻害されるデータの分析についても報告する．本講演では，構造強度部門委員会においてAI-ML技術応用WG活動で得られた成果を紹介する．

アクティブな内傾機構を備えたパーソナルモビリティビークル（PMV）のボデー捩り剛性に関する研究

原口　哲之理（名古屋大学／日本大学）・金子　哲也（大阪産業大学／日本大学）

車両動力学の観点からアクティブな内傾機構を備えたPMVのボデー捩り剛性に関する研究はほとんど存在しない．そこでボデー捩り負荷バランスモデルを用い，各種条件下でのボデー捩り剛性の必要性を考察した．さらに動的モデルによる障害物回避能力へのボデー捩り剛性の影響を検討し，このバランスモデルの有効性を検証した．