The modeling and control of the plasma equilibrium response is still one of the more important research areas in tokamak discharge experiments. Although theoretically, first principles can predict the plasma instability, how to build a physical model for accurate prediction is still a challenging problem. Therefore, a deep learning method is proposed to model the plasma vertical displacement system in the HL-2A tokamak experiment, whose method expands the modeling strategy for tokamak plasma control systems. Through the training of a large number of high-dimensional experimental data, the obtained deep neural network model in this paper has a higher precision prediction ability. Additionally, to illustrate the significance of the predictive model in controller design, a data-driven adaptive control algorithm is proposed to replace the traditional proportional-integral-derivative control algorithm for controlling the vertical displacement of plasma. The simulation results showed that the proposed algorithm had less adjustable parameters, strong self-adaptability, and effective control for the HL-2A plasma vertical displacement.
プラズマ平衡応答のモデリングと制御は、依然としてトカマク放電実験における重要な研究分野の一つである。理論的には第一原理がプラズマ不安定性を予測できるものの、正確な予測のための物理モデルを構築する方法は依然として困難な問題である。そこで、HL-2Aトカマク実験におけるプラズマ垂直変位システムをモデル化するために深層学習法が提案され、その手法はトカマクプラズマ制御システムのモデリング手法を拡張するものである。大量の高次元実験データのトレーニングを通じて、本論文で得られた深層ニューラルネットワークモデルはより高い精度の予測能力を有する。さらに、コントローラ設計における予測モデルの重要性を示すために、プラズマの垂直変位を制御するための従来の比例-積分-微分制御アルゴリズムを置き換えるデータ駆動型適応制御アルゴリズムが提案される。シミュレーション結果は、提案されたアルゴリズムが調整パラメータが少なく、自己適応性が強く、HL-2Aプラズマ垂直変位に対して効果的な制御を実現することを示した。