En hall thruster er en højeffektiv fremdrivningsanordning ved hjælp af plasma, der bruges til forskellige vanskelige rummissioner, såsom SpaceX’s konstellationssatellitter, StarLink og NASAs asteroide-sonde, Psyche, og er en af kerne-rumteknologierne.
Kaistforskere vil verificere ydelsen af Hall Thruster for Cubesats udviklet ved hjælp af kunstig intelligensteknikker ved at indlæse den på Cubesat K-Hero under den fjerde lancering af Nuri, der var planlagt til november i år.
Professor Wonho Choe fra Institut for Nuklear og Quantum Engineering udviklede en kunstig intelligensteknik, der kan forudsige drivkraften for halleffekt ion -thrustere (dvs. hall thrustere), som er motorer til satellitter eller rumprober med høj nøjagtighed. Undersøgelsen er offentliggjort i tidsskriftet Avancerede intelligente systemer.
Hall -thrustere har høj brændstofeffektivitet, så de kan i høj grad accelerere satellitter eller rumfartøjer ved hjælp af mindre drivmiddel (brændstof) og kan generere store drivkraft i forhold til den forbrugte strøm. Baseret på disse fordele er det vidt brugt til forskellige missioner, såsom at opretholde dannelsesflyvning af satellitklynger i rummiljøer, hvor drivmiddelbeskyttelse er vigtig, orbital deorbit -manøvrer til reduktion af rumafbrydelse og tilvejebringelse udforskning.
For nylig, da rumindustrien er udvidet i aviserens æra, bliver rummissioner mere forskellige, og efterspørgslen efter hall -thrustere øges i overensstemmelse hermed. For hurtigt at udvikle højeffektive hall-thrustere, der er optimeret for hver unik mission, er en teknik til nøjagtigt at forudsige ydelsen af thrusteren fra designstadiet afgørende.
Imidlertid har eksisterende metoder begrænsninger, såsom ikke at være i stand til præcist at håndtere det komplekse plasmapenomen, der forekommer i hallens thruster eller er begrænset til specifikke betingelser, hvilket resulterer i lav ydeevne forudsigelsesnøjagtighed.

Forskningsteamet udviklede en meget nøjagtig thruster -præstationsforudsigelsesteknik baseret på kunstig intelligens, der drastisk reducerer den tid og omkostninger, der kræves til gentagne arbejde med at designe, fremstille og teste hall thrusteren.
Professor Choes team, der startede den første indenlandske elektriske thrusterudviklingsforskning i 2003 og har ført til relateret forskning og udvikling, introducerede et kunstigt neuralt netværksensemble-struktur baseret på 18.000 hall thruster-læringsdata genereret ved hjælp af en selvudviklet elektrisk thruster-computeranalyseværktøj og anvendte det til at forudsige drivpræstationer.
Computeranalyseværktøjet udviklede sig til at sikre datamodeller af læring af høj kvalitet plasmafysik og drivende ydeevne. Nøjagtigheden af computeranalyseværktøjet blev verificeret til at være høj, med en gennemsnitlig fejl på mindre end 10% sammenlignet med ca. 100 eksperimentelle data udført med 10 Hall -thrustere udviklet for første gang i Korea af forskerteamet.
Det kunstige neurale netværksensembelmodel fungerer som en digital tvillingmodel, der kan forudsige thrusterydelse på kort tid, inden for få sekunder, med høj nøjagtighed afhængigt af designvariablerne i hallens thruster.
Især kan det analysere detaljeret ændringerne i ydeevneindikatorer såsom tryk- og udladningsstrøm i henhold til designvariabler, såsom brændstofstrømningshastighed og magnetfelt, som var vanskelige at analysere med tidligere kendte skaleringslove.

Forskningsteamet viste, at AI-neurale netværksmodellen udviklede sig denne gang viste en gennemsnitlig fejl på mindre end 5% for 700W- og 1KW-klassens hall-thrustere, der blev udviklet internt, og en gennemsnitlig fejl på mindre end 9% for 5KW-klassen høj- Power Hall thruster udviklet af US Air Force Research Laboratory. Denne undersøgelse beviste, at AI -forudsigelsesteknikken, der er udviklet, kan anvendes i vid udstrækning på hall -thrustere i forskellige effektstørrelser.
Professor Choe sagde, “Den AI-baserede præstationsforudsigelsesteknik, der er udviklet af forskerteamet -Tyrshall -thrustere.

Derudover forklarede professor Choe, “Hall Thruster for Cube -satellitten udviklet ved hjælp af AI -teknikker i samarbejde med Cosmo Bee Co., Ltd., en elektrisk fremdriftsspecialist og en laboratorieopstart af forskerteamet, vil blive installeret på 3U ( 30x10x10 cm) Cube Satellite K-Hero i den fjerde lancering af Nuri planlagt til november i år for at verificere dens ydeevne i rummet. “
Resultaterne af denne undersøgelse, hvor ph.d. Student Jaehong Park fra Kaist Department of Nuclear and Quantum Engineering (Space Exploration Engineering Interdisciplinary Major) deltog som den første forfatter, blev anerkendt for deres innovation ved at blive valgt som tidsskriftets frontcoverpapir.