MARC

 008240612s2023      us  |||||||||||||||c||eng  d
■001000016932296
■00520240214100439
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798379718497
■035    ▼a(MiAaPQ)AAI30491141
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a530
■1001  ▼aWai,  Josiah  Titus.
■24510▼aShape  and  Divertor  Control  in  Tokamaks▼h[electronic  resource]
■260    ▼a[S.l.]:▼bPrinceton  University.  ▼c2023
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2023
■300    ▼a1  online  resource(241  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  84-12,  Section:  B.
■500    ▼aAdvisor:  Kolemen,  Egemen.
■5021  ▼aThesis  (Ph.D.)--Princeton  University,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aAs  tokamak  fusion  reactors  increase  in  size  and  power,  robust  and  high  performance  technologies  will  be  needed  to  perform  tasks  of  magnetic  control  and  high  heat  flux  power  exhaust.  Advanced  divertor  strategies  such  as  the  X-divertor,  snowflake,  and  X-point  target  divertor  have  been  proposed  as  candidate  solutions  for  mitigating  the  enormous  power  levels  experienced  in  reactors.  These  advanced  divertors  are  created  in  part  through  modification  of  the  magnetic  field  structure  to  create  and  control  additional  magnetic  field  nulls.  Additionally,  the  startup,  shaping,  and  vertical  control  tasks  of  future  reactors  will  be  pushed  to  hardware  limits  as  machine  size  and  complexity  increase.  Control  techniques  that  can  effectively  use  the  available  hardware  and  optimize  performance  while  satisfying  constraints  are  necessary.  Measurement  and  estimation  of  various  parameters  will  be  more  difficult  suggesting  the  usage  of  models  that  use  inputs  from  multiple  diagnostics  or  employ  neural  networks.  This  thesis  explores  the  physics  and  engineering  challenges  of  these  magnetic  control  and  estimation  problems  in  detail  for  applications  of  shape  and  divertor  control  in  tokamaks.
■590    ▼aSchool  code:  0181.
■650  4▼aPlasma  physics.
■650  4▼aMechanical  engineering.
■650  4▼aApplied  physics.
■653    ▼aDivertor
■653    ▼aFeedback  control
■653    ▼aNeural  nets
■653    ▼aNuclear  fusion
■653    ▼aShape  control
■653    ▼aTokamaks
■690    ▼a0759
■690    ▼a0548
■690    ▼a0215
■71020▼aPrinceton  University▼bMechanical  and  Aerospace  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g84-12B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0181
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16932296▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024

Preview

Export

ChatGPT Discussion

AI Recommended Related Books