内部構造の衝突を考慮した非線形ヘリカル構造の多パラメータ解析・設計に基づく機械学習手法

自動車用スプリングが思ったより重要な理由

高性能車のエンジン内部には、バルブを毎秒何千回も開閉するためのきつく巻かれた金属バネが隠れている。これらのヘリカルスプリングは単に跳ね返るだけでなく、エネルギーを蓄え、激しい振動を抑える役割を果たす。しかし極端に高い回転速度では、同じスプリングが突然鋭い力のスパイクを発生させ、部品を損傷しエンジン寿命を縮めることがある。本研究はそうしたスパイクの発生源を明らかにし、現代のコンピュータシミュレーションと機械学習がエンジニアに対して、耐久性と効果的な振動吸収を兼ね備えたスプリング設計をどう支援できるかを示す。

極端なエンジン回転数下のスプリング

研究者たちは、高回転スポーツカー用エンジンに使われる「ビーハイブ」型バルブスプリングに着目した。単純な均一なスプリングとは異なり、このスプリングは高さに沿って直径が変化し、ある領域ではコイル間隔が他よりも狭くなっている。チームは実際のV8エンジンにスプリングを取り付け、電動モータで駆動して回転数を6500から16,000回転／分まで変化させながら発生する力を計測した。低回転ではピーク力は約900ニュートン前後で滑らかに変動しており、通常の振動挙動と一致していた。しかし約7800回転／分付近とさらに高い回転で、測定された力が突然1500〜1800ニュートン以上に跳ね上がった。これらの予期しないピークは、スプリング内部で別の、より激しい現象が起きていることを示唆した。

仮想試験でスプリング内部を覗く

コイル間で何が起きているかを確認するため、チームは有限要素解析という標準的な工学手法を用いて詳細なコンピュータモデルを構築した。正確なスプリング形状と材料を再現し、隣接するコイル間の摩擦接触を含め、エンジンと同じカム軸運動で駆動した。7800回転／分の条件でシミュレーションを実行すると、予測された力はエンジンでの測定と非常に近く、一連のカムサイクルの特定の点で観測された鋭いスパイクも再現された。個々のコイルの運動を追跡したところ、狭い隙間領域にある隣接する二つのコイルが短時間に激しく衝突してから千分の数秒で離れ、その急速な衝突がスプリング内に強い弾性波を発生させ、観測された力のスパイクとして現れたことが分かった。

コイル衝突の利点と欠点

これらの衝突は諸刃の剣であることが分かった。一方で、コイル同士がぶつかると振動エネルギーの一部が散逸し、継続的な振動を抑えるためバルブ運動の安定化に寄与する。反面、同じ衝突が短時間ではあるが非常に大きな力を生み出し、疲労を促進して早期破損を招く可能性がある。したがって設計上の鍵は接触を完全に排除することではなく、損傷を引き起こすような大きなスパイクを避けつつ振動減衰に寄与する程度に衝突を穏やかにするようスプリングの形状を調整することにある。スプリング形状はコイル直径や高さなど多くの連動する寸法で定義されるため、すべての組み合わせを実機や完全なシミュレーションで直接試すのは時間的に現実的ではない。

アルゴリズムに最適形状を学習させる

この多パラメータの課題に取り組むため、研究者らは機械学習を活用した。狭い間隔にある二つのコイルの主要な幾何学的特徴を4つ変え、60種類の仮想スプリング設計を作成してそれぞれを臨界回転数でシミュレーションした。各設計について最大動的力を記録し、これらのデータを2種類の学習アルゴリズムに与えた。一つは強力なパターン認識を行うディープニューラルネットワークというブラックボックス型、もう一つは明示的な数式を生成する遺伝的プログラミングモデルである。ニューラルネットワークは予測精度が高く、未見の設計に対してもシミュレーションで得られたピーク力を良く再現した。訓練済みモデルを使えば、チームは瞬時に数千の仮想設計を走査し、コイル直径や高さの変化が力のスパイクにどう影響するかをマッピングできた。

より安全で滑らかなスプリング設計の発見

学習した設計空間を走査することで、著者らはピーク力が損傷と関連するレベルを下回りつつ、衝突―すなわち有用な減衰―は残る領域を特定した。簡単に言えば、わずか数個のコイルのサイズや位置を慎重に調整するだけで、鋭いスパイクを生みやすい荒いスプリングを、エンジン振動をより穏やかに扱うものに変えられることを示した。この手法は現実的な高回転シミュレーションとデータ駆動モデルを組み合わせ、終わりのない実機試験を行わずに設計判断を導く。今回の研究は特定のバルブスプリングに焦点を当てているが、この戦略は列車のサスペンションやウェアラブル外骨格など、多くのヘリカル機構にも応用でき、極端な条件下でも堅牢で静かな部品設計に役立つだろう。

引用: Gu, Z., Liu, Y., Kong, X. et al. Machine learning techniques based multi-parameter analysis and design of nonlinear helical structures considering internal structure collisions. Sci Rep 16, 8595 (2026). https://doi.org/10.1038/s41598-026-39953-y

キーワード: バルブスプリング, 振動減衰, コイル衝突, 機械学習設計, 高回転エンジン