In this work it is demonstrated that robust burn control in long-pulseoperations of subignited thermonuclear reactors can be achieved with radialbasis neural networks (RBNNs) composed of Gaussian nodes in the hidden layerand sigmoidal units in the output layer. The results reported here correspondto a volume-averaged zero-dimensional nonlinear model of a subignited fusionreactor with design parameters corresponding to those of the ITER-EDA group.The control actions are implemented through the concurrent modulation of theD-T refuelling rate, a neutral 4He beam and an auxiliary heating power,constrained to lie below maximum allowable levels.It is shown that the resulting network provides feedback stabilization over awide range of energy confinement times for plasma density and temperatureexcursions significantly far from their nominal operating values. The resultsshow that the RBNN feedback-controlled nonlinear system is stable regardlessof any particular scaling law, as long as the confinement time lies within thescope of the training region. In addition, it also shows robustness withrespect to noise in the energy confinement time value fed into the controllerduring simulated transients of a thermonuclear system using a particular ELMyscaling law, as well as with respect to the thermalization time of the alphaparticles produced by fusion.
本研究では、未点火熱核融合炉の長時間パルス運転におけるロバストな燃焼制御が、隠れ層のガウスノードと出力層のシグモイドユニットから構成される動径基底ニューラルネットワーク（RBNN）によって達成できることを実証する。ここで報告される結果は、ITER-EDAグループの設計パラメータに対応する設計パラメータを有する未点火核融合炉の、体積平均された零次元モデルに対応する。制御動作は、D-T燃料補給率、中性4Heビーム、および補助加熱出力の同時変調を通じて実装され、これらは最大許容レベル以下に制約される。結果として得られるネットワークが、公称動作値から大幅に離れたプラズマ密度および温度の変動に対して、広範囲のエネルギー閉じ込め時間にわたってフィードバック安定化を提供することが示される。結果は、閉じ込め時間が訓練領域の範囲内にある限り、RBNNフィードバック制御された非線形システムが、特定のスケーリング則に関係なく安定であることを示している。さらに、特定のELMスケーリング則を用いた熱核融合システムのシミュレーション過渡状態中にコントローラに入力されるエネルギー閉じ込め時間値のノイズに対するロバスト性と、核融合によって生成されるアルファ粒子の熱化時間に対するロバスト性も示している。