使用神经形态控制器的冰弹丸核聚变等离子体加料

在反应堆级托卡马克中，弹丸注入是核心等离子体加料的最佳候选方案。然而，目前缺乏能够处理此类加料混合特性（即弹丸对连续演化的等离子体密度的离散影响）的密度控制方案。本文提出了一种受 integrate-and-fire 神经元模型启发的神经形态控制器来解决这一问题。整个系统被建模为混合系统，并且我们在闭环中分析了所提控制器与单输入单输出线性时不变等离子体模型的结合。当神经元变量达到特定阈值时，控制器会产生尖峰信号，代表弹丸发射。在控制动作（即尖峰信号）之间，系统处于开环演化状态。我们建立了关于控制器变量和最小执行器速度的条件，这些条件取决于所需密度的参考值、弹丸尺寸和等离子体密度时间常数，以保证闭环系统的实际稳定性。结果通过数值算例进行了说明。