In this work we develop an artificial neural network (ANN) for the feedback stabilization of a thermonuclear reactor at nearly ignited burn conditions. A volume-averaged zero-dimensional nonlinear model is used to represent the time evolution of the electron density, the relative density of alpha particles and the temperature of the plasma, where a particular scaling law for the energy confinement time previously used by other authors, was adopted. The control actions include the concurrent modulation of the D-T refuelling rate, the injection of a neutral He-4 beam and an auxiliary heating power modulation, which are constrained to take values within a maximum and minimum levels. For this purpose a feedforward multilayer artificial neural network with sigmoidal activation function is trained using a back-propagation through-time technique. Numerical examples are used to illustrate the behaviour of the resulting ANN-dynamical system configuration. It is concluded that the resulting ANN can successfully stabilize the nonlinear model of the thermonuclear reactor at nearly ignited conditions for temperature and density departures significantly far from their nominal operating values. The NN-dynamical system configuration is shown to be robust with respect to the thermalization time of the alpha particles for perturbations within the region used to train the NN.
本研究では、ほぼ着火燃焼条件における熱核融合炉のフィードバック安定化のための人工ニューラルネットワーク（ANN）を開発する。体積平均化された零次元非線形モデルを用いて、電子密度、アルファ粒子の相対密度、およびプラズマ温度の時間発展を表現する。ここでは、他の著者らが以前に使用したエネルギー閉じ込め時間に関する特定のスケーリング則を採用した。制御動作には、D-T燃料供給率の同時変調、中性He-4ビームの入射、および補助加熱出力の変調が含まれ、これらは最大値と最小値の範囲内に制約される。この目的のために、シグモイド活性化関数を備えたフィードフォワード多層人工ニューラルネットワークが、時間方向逆伝播法を用いて訓練される。数値例を用いて、得られたANN-力学システム構成の挙動を説明する。得られたANNが、公称動作値から有意に乖離した温度および密度の変動に対して、ほぼ着火条件における熱核融合炉の非線形モデルを首尾よく安定化できると結論付けられる。NN-力学システム構成は、NNの訓練に用いた領域内の摂動に対して、アルファ粒子の熱化時間に関してロバストであることが示される。