基于深度神经网络的霍尔效应推力器增材制造设计
机器学习
2023-03-16 v1 空间物理
摘要
霍尔效应推力器是太空用途中最通用且流行的电推进系统之一。面向行星际任务的行业趋势推动了此类推进系统的设计开发进展。众所周知，霍尔效应推力器放电通道的正确尺寸设计对性能影响很大。由于此类推进系统的完整物理模型尚未针对快速计算与设计迭代进行优化，大多数推力器使用所谓的缩放定律进行设计。但本工作聚焦于一种较新颖的方法，其在文献中比普通缩放设计方法提及更少。使用深度机器学习可创建预测性能模型，借此能以远少于从零设计的算力、且比通常缩放方法灵活得多的方式，轻松获得具有所需特性的所需霍尔推力器设计。
引用
@article{arxiv.2303.08227,
title = {Hall effect thruster design via deep neural network for additive manufacturing},
author = {Konstantin Korolev},
journal= {arXiv preprint arXiv:2303.08227},
year = {2023}
}
备注
12 pages, 19 figures