機械学習によるエアサスペンションの非線形振動応答のモデル化と性能予測

渥美　良宏・佐藤　恭一（横浜国立大学）

機械学習を用いてエアサスペンションの非線形特性を表現する振動応答モデルを構築し，乗り心地性能を高精度に予測する手法を提案する．設計値および実験データに基づき非線形特性を静特性と動特性に分離してモデル化した．台上試験による検証に向けて予測精度をシミュレーションで評価し，本手法の有効性を確認した．

機械学習を用いたショックアブソーバ用ピストンバルブの差圧-流量特性の推定方法

加藤　大人・呂　鵬・柱山　健二・原田　脩史（Astemo）

ショックアブソーバの初期設計では，搭載するピストンバルブの差圧-流量特性の推定が必要である．この特性はバルブ形状に依存するため，一般的な物理計算に基づく推定では，精度と計算時間の両立が難しい．この問題に対し，本研究では，機械学習を用いる方法を開発し，短時間で精度よく推定できることを確認した．

サロゲートモデルを用いた伝達関数合成法によるタイヤ・サスペンション目標特性設定手法

秋間　奎人・竹谷　昌之・河合　英樹・清野　裕之・塩崎　弘隆（三菱自動車工業）

ロードノイズ開発は期間短縮や低燃費要求で制約が増大しており，設計自由度の高い初期段階での適切なコンポーネント目標設定が重要である．本研究はサロゲートモデルと伝達関数合成法を用い，車内音目標からコンポーネントの剛性や共振周波数など具体的に設計可能な目標を導出する手法を提案する．

機械学習モデル（LSTM）による乗員の頭部挙動推定技術に関する取り組み

西田　健二・河村　力・佐藤　大地・西村　啓人・宮武　宏明・武田　健二・陳　宇・青木　智朗・丸山　晃助・石川　亨（マツダ）

車両要件変更が乗員頭部挙動へ及ぼす影響を，設計初期段階で定量的に把握することは困難であった．本研究では，実験データを用いて車両挙動から乗員頭部挙動を予測するLSTM時系列モデルを構築した．入力履歴を考慮できる点を特徴とし，車両挙動変化に対する頭部挙動の予測精度を検証し，車両要件検討への適用性を評価した．

機械学習モデルを活用したモータパラメトリック多性能最適化とロバスト検証

八川　晃一・安達　亮一・中山　遼太郎（マツダ）

本発表では，機械学習モデルを用いたパラメトリック最適化による仕様探索と，ロバスト検証の手法を紹介する．電動車用モータの開発において，人間の手によるすり合わせでは多性能の相反を解決する仕様の導出や，ばらつき因子に対する網羅検証に時間がかかる．今回，JMAGの計算結果を基に機械学習モデルを作成し，最適化ツールに組み込み最適化を行った．また作成した機械学習モデルを用いてばらつき因子の影響評価を行った．

Optimization of an FCEV Air Exhaust System for Flow-Induced Noise Reduction and Cost Efficiency

Jong Yeol Lee･Seung Tae Gong･Jong Seung Won (Hyundai Motor)･Hyun Soo Kim･Joon Ho Jang (SJG SEJONG)

This study investigates an optimized air exhaust silencer for a fuel cell electric vehicle to reduce flow-induced noise while improving cost efficiency. Vehicle tests identified discharge noise in the 1-3 kHz range as the primary NVH issue, originating from APC valve-induced turbulence and structural limitations of the production silencer. To mitigate this, the noise attenuation zone was relocated forward and a Helmholtz resonator-based concept was applied. Transmission loss analysis showed that the optimal design achieved up to 16.6 dB improvement in TL RMS, maintained approximately 90% gas-liquid separation, and reduced dependence on absorptive materials.