電動機の高出力密度化により熱管理問題が深刻化しており、熱管の等価熱伝導率を正確に予測することが電動機の放熱設計において極めて重要です。電動機の放熱システムにおける熱管の性能および性能予測問題に対して、本論文は等価熱伝導率を評価指標として、熱源の出力、凝縮部と蒸発部の相対位置、曲げ角度などの重要なパラメータが熱管の伝熱性能に与える影響メカニズムを実験的に研究しました。これを基に、遺伝的アルゴリズムで最適化された逆伝播ニューラルネットワーク（GA-BPNN）、畳み込みニューラルネットワーク（CNN）、最小二乗サポートベクターマシン（LSSVM）、ランダムフォレスト（RF）、極端勾配ブースティング（XGBoost）の5つの機械学習モデルの性能を構築・比較しました。結果は、重力と曲げ角度が熱管の熱伝導性能に最も大きな影響を及ぼし、上側90°曲げの熱管が最も優れた熱伝導性能を示し、その熱伝導性能は下側の30倍であることを示しました。XGBoostモデルの平均絶対パーセント誤差は3.72%、決定係数は0.95、二乗平均平方根誤差はGA-BPNNモデルに次いで低く、選択された5つのモデルの中で最も高い精度を持ち、学習時間は2秒未満でした。XGBoostモデルの予測は、設置位置および曲げ角度によって熱管の性能が異なることを示しており、電動機の各巻線の温度均一性を向上させるために、0°の曲げ角度の熱管を電動機の放熱に使用することを推奨しています。

電動機; 熱管; 等価熱伝導率; 機械学習