-
题名长短期记忆网络驱动的脉冲感应式推力器放电特征研究
被引量：1
- 1
-
-
作者
成玉国
夏广庆
鹿畅
-
机构
中国人民解放军
大连理工大学工业装备结构分析国家重点实验室
大连理工大学辽宁省空天飞行器前沿技术重点实验室
北华航天工业学院河北省跨气水介质飞行器重点实验室
-
出处
《推进技术》
EI
CAS
CSCD
北大核心
2022年第12期431-440,共10页
-
基金
国家自然科学基金(11702319,12175032,12102082)
国家重点研发计划(2020YFC2201100)
+1 种基金
中央高校基本科研业务费专项资金(DUT21GJ206)
中央引导地方科技发展资金(216Z1901G)。
-
文摘
为快速与可靠预测脉冲感应式推力器的放电特性,提出了一种改进的等离子体放电电路模型与长短期记忆网络结合(MPDCM-LSMT)的数值实验方法,建立了适用于该型推力器的等离子体放电幅值序列数据生成、训练和采样预测的融合模型。为生成高质量的序列,以等离子体电磁感应和流动方程为核心,发展了Ar,He和N_(2)的热力学计算方法,并根据不同的能量沉积和电导率模型,推导出三种电路模型。通过计算的冲量和放电曲线与实验对比分析,识别最优模拟推力器放电特性的数据模型。对电压和电流数据集训练并采样后发现,质量恒定的情况下,采用融合模型训练21组序列数据得到的LSMT网络,可实现主放电阶段趋势的预测。在文中研究的范围内,对高初始放电电压条件下主放电周期的预测发现,电压曲线与计算曲线吻合度高,电流曲线峰值误差小于3.8%,对应时间误差小于5.3%。结果表明,实现推力器放电预测所需的网络层数和单元数与样本量密切相关,层数影响放电变化趋势预测正确性,单元数则影响曲线的平滑程度。
-
关键词
脉冲感应式推力器
放电电路模型
长短期记忆网络
放电序列数据
采样预测
-
Keywords
Plasma inductive thruster
Discharge circuit model
Long short-term memory network
Discharge sequence data
Sampling and prediction
-
分类号
V439.4
[航空宇航科学与技术—航空宇航推进理论与工程]
-
