一种托卡马克长脉冲等离子体位形控制方法

本发明涉及等离子体位形控制，尤其涉及一种托卡马克长脉冲等离子体位形控制方法、装置、设备及存储介质。

背景技术：

1、托卡马克是一种利用环形磁场约束高温等离子体以实现受控核聚变的装置，其稳定运行高度依赖于对等离子体的精确控制，传统控制方式在处理多变量强耦合、非线性动态及突发扰动时，往往面临计算复杂度高、自适应能力有限和系统集成成本高昂的瓶颈。

2、当前，基于深度强化学习的智能控制方法逐步应用于托卡马克等离子体磁控制领域，有效提升了等离子体位形的自主调控能力。托卡马克极向场线圈控制主要分为电流控制模式与电压控制模式，其中电压控制模式省去内环电流控制环节，可直接调控线圈电压及电流变化速率，响应速度更快、动态调控能力更强，更适配等离子体位形快速实时控制场景。

3、但电压控制模式存在固有安全缺陷：电压模式下线圈电流为电压的积分累积结果，无法被控制指令直接约束，不存在显性电流闭环限位机制，在数十秒至数百秒的长脉冲放电过程中，即使等离子体位形控制精度始终保持良好，任意单极向场线圈出现电流超限都会触发硬件保护，强制终止整个放电过程，严重制约长脉冲稳态放电能力。

4、现有强化学习控制方案大多针对短脉冲放电工况设计，且多基于电流控制模式开展策略训练与验证，电流模式可通过指令直接约束线圈电流，能够隐式规避过流风险，因此现有技术完全未涉及电压模式下多线圈电流裕度的长期动态调度与主动防过流控制问题，缺乏对多线圈电流安全裕度的约束机制，无法在电压模式长脉冲工况下实现多线圈负荷自适应分配与过流风险预判规避，难以兼顾高位形控制精度与长脉冲稳定放电需求。

技术实现思路

1、本发明实施例提供了一种托卡马克长脉冲等离子体位形控制方法，实现了电压模式下多极向场线圈的主动式裕度管理，有效抑制单线圈或多线圈过流风险，兼顾高位形控制精度与长脉冲稳定放电需求。

2、第一方面，本发明实施例提供一种托卡马克长脉冲等离子体位形控制方法，包括：

3、获取托卡马克装置运行过程中的实时状态信息，所述实时状态信息至少包含等离子体位形参数、各极向场线圈的电流安全裕度以及历史时序状态数据；

4、将所述实时状态信息输入预先训练好的强化学习智能体，由强化学习智能体输出各极向场线圈对应的电压控制量；

5、将所述电压控制量施加至对应的各极向场线圈，实现等离子体闭环位形控制。

6、进一步地，所述电流安全裕度的归一化取值区间为[-1,1]，裕度的符号表征线圈电流趋近过流的风险方向，裕度的绝对值表征过流风险的紧迫程度；其中，裕度为0表示线圈电流处于安全区间中心，裕度为1表示已发生正向过流，裕度为-1表示已发生负向过流。

7、进一步地，强化学习智能体的训练阶段采用多目标复合奖励函数，所述多目标复合奖励函数包括跟踪奖励项、动作惩罚项以及线圈电流过流预防惩罚项；

8、其中，所述跟踪奖励项用于根据等离子体电流、位形参数的实际值与参考目标值的跟踪误差生成奖励，以驱动等离子体状态向目标位形收敛；

9、所述动作惩罚项用于对智能体输出的电压控制动作的幅值、变化幅度进行惩罚约束，以获得平滑可控的控制输出；

10、所述线圈电流过流预防惩罚项基于全部极向场线圈的电流安全裕度构建，对逼近过流阈值的线圈施加渐进递增惩罚，当多线圈同时逼近阈值时惩罚叠加，引导智能体实现多线圈电流裕度的主动分配管理。

11、进一步地，所述强化学习智能体采用actor-critic网络架构，并基于近端策略优化算法完成策略迭代训练。

12、进一步地，所述由强化学习智能体输出各极向场线圈对应的电压控制量，包括：

13、基于输入的实时状态信息，综合权衡各极向场线圈的线圈电流安全裕度与等离子体位形控制目标；

14、当识别到任意极向场线圈电流逼近安全限值时，智能体自主压低该线圈对应的电压控制量，同时抬升其余具备剩余电流裕度的极向场线圈对应的电压控制量，在维持位形控制目标前提下规避线圈过流风险。

15、进一步地，智能体的训练过程采用课程学习策略，训练过程中逐步增大等离子体电流变化率的调控难度，并且逐步收紧各极向场线圈的电流安全裕度约束边界，渐进提升智能体在过流边界工况、外部强扰动工况下的多线圈协同补偿控制能力。

16、进一步地，所述方法还包括：

17、将智能体输出的电压控制量通过安全电压限值增益向量进行增益缩放，以使缩放后的电压控制量被限定在对应线圈电源硬件允许的安全电压区间内。

18、第二方面，本发明实施例提供一种托卡马克长脉冲等离子体位形控制装置，包括：

19、状态获取模块，用于获取托卡马克装置运行过程中的实时状态信息，所述实时状态信息至少包含等离子体位形参数、各极向场线圈的电流安全裕度以及历史时序状态数据；

20、强化学习模块，用于将所述实时状态信息输入预先训练好的强化学习智能体，由强化学习智能体输出各极向场线圈对应的电压控制量；

21、位形控制模块，用于将所述电压控制量施加至对应的各极向场线圈，实现等离子体闭环位形控制。

22、第三方面，本发明实施例提供一种电子设备，包括：

23、存储器，用于存储计算机程序；

24、处理器，用于执行所述计算机程序；

25、其中，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的托卡马克长脉冲等离子体位形控制方法。

26、第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被执行时实现上述第一方面任一项所述的托卡马克长脉冲等离子体位形控制方法。

27、与现有技术相比，本发明实施例提供的一种托卡马克长脉冲等离子体位形控制方法，其有益效果在于：获取托卡马克装置运行过程中的实时状态信息，所述实时状态信息至少包含等离子体位形参数、各极向场线圈的电流安全裕度以及历史时序状态数据；将所述实时状态信息输入预先训练好的强化学习智能体，由强化学习智能体输出各极向场线圈对应的电压控制量；将所述电压控制量施加至对应的各极向场线圈，实现等离子体闭环位形控制。本发明实现了电压模式下多极向场线圈的主动式裕度管理，有效抑制单线圈或多线圈过流风险，提升托卡马克电压控制模式下长脉冲放电的稳态运行能力与系统鲁棒性。

1.一种托卡马克长脉冲等离子体位形控制方法，其特征在于，包括：

2.如权利要求1所述的托卡马克长脉冲等离子体位形控制方法，其特征在于，所述电流安全裕度的归一化取值区间为[-1,1]，裕度的符号表征线圈电流趋近过流的风险方向，裕度的绝对值表征过流风险的紧迫程度；其中，裕度为0表示线圈电流处于安全区间中心，裕度为1表示已发生正向过流，裕度为-1表示已发生负向过流。

3.如权利要求1所述的托卡马克长脉冲等离子体位形控制方法，其特征在于，强化学习智能体的训练阶段采用多目标复合奖励函数，所述多目标复合奖励函数包括跟踪奖励项、动作惩罚项以及线圈电流过流预防惩罚项；

4.如权利要求1所述的托卡马克长脉冲等离子体位形控制方法，其特征在于，所述强化学习智能体采用actor-critic网络架构，并基于近端策略优化算法完成策略迭代训练。

5.如权利要求1所述的托卡马克长脉冲等离子体位形控制方法，其特征在于，所述由强化学习智能体输出各极向场线圈对应的电压控制量，包括：

6.如权利要求1所述的托卡马克长脉冲等离子体位形控制方法，其特征在于，智能体的训练过程采用课程学习策略，训练过程中逐步增大等离子体电流变化率的调控难度，并且逐步收紧各极向场线圈的电流安全裕度约束边界，渐进提升智能体在过流边界工况、外部强扰动工况下的多线圈协同补偿控制能力。

7.如权利要求1所述的托卡马克长脉冲等离子体位形控制方法，其特征在于，所述方法还包括：

8.一种托卡马克长脉冲等离子体位形控制装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被执行时实现如权利要求1至7任一项所述的托卡马克长脉冲等离子体位形控制方法。