基于神经网络的霍尔效应推力器缩放研究
等离子体物理
2022-10-27 v3
摘要
霍尔效应推力器（HETs）广泛用于现代近地航天器推进，并对未来深空任务至关重要。HET 的建模方法正在快速发展。然而，此类方法尚不够精确，无法可靠预测新设计推力器的参数，这主要由于 HET 等离子体模拟的巨量计算成本。另一种方法是使用基于可用实验数据的缩放技术。本文提出一种利用神经网络及其他现代机器学习方法进行 HET 缩放的方法。新缩放模型是利用从已发表论文收集的大型 HET 参数数据库中的信息构建的。新缩放模型的预测对数据库所覆盖的运行参数域有效。在设计阶段，该模型可帮助 HET 开发者估计新设计推力器的性能。在实验研究阶段，该模型可用于将所研究推力器已达到的特性与其他开发者获得的水平进行比较。文中还给出了与最先进 HET 缩放模型的比较。
引用
@article{arxiv.2206.04440,
title = {On Scaling of Hall-Effect Thrusters Using Neural Nets},
author = {Yegor V. Plyashkov and Andrey A. Shagayda and Dmitrii A. Kravchenko and Fedor D. Ratnikov and Alexander S. Lovtsov},
journal= {arXiv preprint arXiv:2206.04440},
year = {2022}
}
备注
Accepted for publication in the Journal of Propulsion and Power (AIAA). Copyright 2022 by Yegor V. Plyashkov, Andrey A. Shagayda, Dmitrii A. Kravchenko, Fedor D. Ratnikov, and Alexander S. Lovtsov