KAIST开发人工智能技术“Holchuryeokgi”推进器…“今年将搭载于发射的立方体卫星”

by Jeong Ilwoong

Published 03 Feb.2025 08:11(KST)

KAIST研究团队运用人工智能技术开发的立方体卫星用霍尔电推进器（Hall thruster，以下简称霍尔推进器）将搭载在计划于今年11月发射的“世界号”（第4次）立方体卫星K-HERO上，在太空中接受性能验证。

霍尔推进器是应用于SpaceX星链（Starlink）星座卫星和美国国家航空航天局（NASA）“灵神星”（Psyche）小行星探测器等高难度空间任务的高效推进装置，是核心航天技术之一。

（自左起）原子力与量子工学系博士课程研究生 Kim Youngho，原子力工学系教授 Choi Wonho，原子力与量子工学系博士课程研究生 Park Jaehong。KAIST 提供

KAIST于3日表示，原子力及量子工程系Choi Wonho教授研究团队开发出一种能够以极高精度预测作为人造卫星或深空探测器发动机的霍尔推进器推力性能的人工智能技术。

霍尔推进器即便只使用少量推进剂（燃料）也能对卫星或宇宙飞船进行加速，并且在相同耗电量下可以产生更大的推力。

凭借这些优势，霍尔推进器在太空环境中被广泛用于保持星座卫星编队飞行、为减少太空垃圾而实施的脱轨机动，以及为彗星或火星探测等深空探测任务提供推进力。

尤其是近来随着航天产业的扩张，空间任务日益多样化，与之相匹配的霍尔推进器需求不断增加。然而，要快速开发针对各自特定任务进行优化的高效霍尔推进器，就必须从设计阶段起就具备能够精确预测推进器性能的技术。

但既有方法要么无法精细刻画在霍尔推进器内部复杂发生的等离子体现象，要么受限于特定条件，导致性能预测精度较低，存在局限。

为此，研究团队基于人工智能开发出一种高精度的推进器性能预测技术，大幅缩短了霍尔推进器在设计、制造与试验反复过程中所需的时间和成本。

研究团队早在2003年就首次在韩国启动电推进器开发研究，主导相关研发。在此过程中，研究团队利用自主开发的电推进器数值分析工具生成的1.8万个霍尔推进器学习数据，引入人工神经网络集成结构，并将其应用于推力性能预测。

该数值分析工具为获取高质量学习数据而开发，用于对等离子体物理现象和推力性能进行建模。其准确性通过与研究团队在韩国首次开发的10台霍尔推进器上开展的100余组实验数据进行对比验证，平均误差控制在10%以内（精度较高）。

此外，经过训练的人工神经网络集成模型可作为数字孪生，根据霍尔推进器的设计参数，在数秒内以高精度预测推进器性能。

尤其是，它能够对现有已知的尺度定律难以分析的设计参数（例如燃料流量或磁场）变化所引起的推力和放电电流等性能指标变化进行细致分析。

研究团队此次开发的人工神经网络模型，在自主开发的700瓦级和1千瓦级霍尔推进器上表现出平均误差在5%以内的精度，在由美国空军研究实验室开发的5千瓦级高功率霍尔推进器上则表现出平均误差在9%以内的精度，从而证明了今后人工智能预测技术有望广泛应用于不同功率等级的霍尔推进器。

Choi Wonho教授表示：“本研究团队开发的基于人工智能的性能预测技术精度较高，目前已被应用于对作为人造卫星和宇宙飞船发动机的霍尔推进器推力性能进行分析，以及在高效低功率霍尔推进器的开发过程中。”他还表示：“这一人工智能技术不仅可以用于霍尔推进器，还可移植到半导体、表面处理与涂层等多个产业所使用的离子束源的研发中。”

他补充称：“采用人工智能技术开发的立方体卫星用霍尔推进器，将搭载在计划于今年11月进行的世界号第4次发射任务中的3U（30×10×10厘米）立方体卫星K-HERO上，在真实太空环境中开展性能验证。”