一种基于数据驱动模型的托卡马克磁控制系统优化方法

本发明公开一种基于数据驱动模型的托卡马克磁控制系统优化方法，涉及核聚变实验中的托卡马克磁控制领域，首先，利用大规模托卡马克实验数据对模型进行训练，使其学习到最外闭合磁面演变的复杂模式；其次，提出了一种新颖的最外闭合磁面离散化方法，将连续的二维曲线转换为极坐标系中的360个离散点，有效降低了信息损失并保留了最外闭合磁面的特征；最后，通过排除控制参考信号，使模型能够无缝集成到现有的托卡马克控制系统中，提供实时的最外闭合磁面直接预测。本发明在预测最外闭合磁面演变时展现出超过95%的准确率，满足实际应用的高要求。