據2025年2月3日報道，韓國科學技術院（KAIST）開發了一種人工智慧（AI）技術，可以高精度預測霍爾推力器推力等效能，減少霍爾推力器設計、製造和測試的時間和成本。使用該模型研製的霍爾推力器將在2025年11月在軌驗證。
相較於化學推力器，霍爾推力器比衝較高，可以節省大量推進劑，被廣泛用於各種任務，例如保持衛星叢集的編隊飛行，清理太空碎片時的在軌機動，以及為深空探測器提供推力。
近年來，隨著航天工業的擴張，太空任務更加多樣化，對霍爾推力器的需求也相應增加。為了快速開發針對特定任務的霍爾推力器，從設計階段就準確預測推力器效能的技術至關重要。
但是傳統效能預測方法依賴於簡化的縮放定律和計算密集型的數值模擬，無法精確處理霍爾推力器中發生的複雜等離子體現象，或因條件複雜，導致效能預測精度低。
2003年，Wonho Choe教授團隊開始研製韓國首個電推力器。
該團隊提出了一種機器學習模型，使用神經網路根據設計引數（例如放電通道尺寸和磁場結構）預測霍爾效應離子源效能。神經網路使用數值模擬生成的18000條資料進行訓練，輸入功率範圍從亞千瓦級到千瓦級。然後使用未經訓練的700 W和1 kW級霍爾效應離子源驗證機器學習模型的準確性。與10臺韓國霍爾推力器的約100條推力和放電電流測量資料相比，結果偏差小於10%，從而超越了傳統縮放定律的準確性。
該AI神經網路模型作為數字孿生模型執行，可以在幾秒鐘內以較高精度預測推力器的效能。特別是，它可以根據工質流速和磁場等設計變數詳細分析推力和放電電流等效能指標的變化，這在以前依靠縮放定律很難分析。
該AI神經網路模型對韓國研發的700W和1kW霍爾推力器預測結果平均誤差小於5%，對美國空軍研究實驗室研發的5kW大功率霍爾推力器預測結果平均誤差小於9%。因此證明，該AI模型可以廣泛應用於各種功率大小的霍爾推力器。
推力和放電電流隨陽極流量變化的結果，紅線表示AI模型預測的結果，藍點表示實驗結果
該團隊使用這種AI神經網路模型，研製了一款150 W低功率霍爾推力器，計劃安裝在3U立方星K-HERO上，在2025年11月使用“世界”號火箭發射，進行在軌驗證。
基於該AI模型研製的150 W 低功率霍爾推力器
這種AI技術不僅可以應用於霍爾推力器，還可以應用於半導體、表面處理和塗層等各個行業所使用的離子束源（ion beam sources）的研發。
參考文獻：
Adapted from Advanced Intelligent Systems (2024). DOI: 10.1002/aisy.202400555
>End
>>>
本文轉載自“空天動力瞭望”，原標題《韓國使用人工智慧技術預測霍爾推力器效能》。
為分享前沿資訊及有價值的觀點，太空與網路微信公眾號轉載此文，並經過編輯。
>>>
充滿激情的新時代，
充滿挑戰的新疆域，
與踔厲奮發的引領者，
卓爾不群的企業家，
一起開拓，
一起體驗，
一起感悟，
共同打造更真品質，
共同實現更高價值，
共同見證商業航天更大的跨越！
——《太空與網路》，觀察，記錄，傳播，引領。
>>>
·《衛星與網路》編輯委員會
高階顧問：王國玉、劉程、童旭東、相振華、王志義、楊烈
· 《衛星與網路》創始人：劉雨菲
·《衛星與網路》副社長：王俊峰
雜誌訂閱，請加微信：
wangxiaoyu9960