Study of Machine Learning Techniques for Performance Prediction in Low-Power Hall Effect Thruster Operating on Monoatomic and Molecular Propellants
Questo studio sviluppa un framework di apprendimento automatico robusto e indipendente dal propellente che combina l'aumento dei dati e l'iniezione di caratteristiche basate sulla fisica per prevedere accuratamente le prestazioni di propulsori a effetto Hall a bassa potenza operanti su diversi propellenti monoatomici e molecolari, raggiungendo una precisione superiore al 98% nella previsione della spinta utilizzando XGBoost.