1,721,001 research outputs found
Pattern recognition in spaces of probability distributions for the analysis of edge-localized modes in tokamak plasmas
Full text linkMagnetically confined fusion plasmas provide several data analysis challenges due to the occurrence of massive data sets, substantial measurement uncertainty, stochasticity and data dimensionality, and often nonlinear interactions between measured quantities. Recently, methods from the fields of machine learning and probability theory - some standard, some more advanced - have come to play an increasingly important role in analyzing data from fusion experiments. The capabilities offered by such methods to efficiently extract, possibly in real time, additional information from the data that is not immediately apparent to human experts, has attracted attention from an increasing number of researchers. In addition, innovative methods for real-time data processing can play an important role in plasma control, in order to ensure safe and reliable operation of the machine.
Pattern recognition is a discipline within the information sciences that concerns the exploration of structure in (multidimensional) data sets using computer-based methods and algorithms.
In this doctoral work, pattern recognition techniques are developed and applied to data from tokamak plasmas, in order to contribute to a systematic analysis of edge-localized modes (ELMs). ELMs are magnetohydrodynamic (MHD) instabilities occurring in the edge region of high-confinement (H-mode) fusion plasmas. The type I ELMy H-mode is the reference scenario for operation of the next-step fusion device ITER. On the one hand, ELMs have a beneficial effect on plasma operation through their role in impurity control. On the other hand, ELMs eject energy and particles from the plasma and, in ITER, large unmitigated ELMs are expected to cause intolerable heat loads on the plasma-facing components (PFCs).
In interpreting experiments focused on ELM understanding and control, a significant challenge lies in handling the measurement uncertainties and the inherent stochasticity of ELM properties. In this work, we employ probabilistic models (distributions) for a quantitative data description geared towards an enhanced systematization of ELM phenomenology. Hence, we start from the point of view that the fundamental object resulting from the observation of a system is a probability distribution, with every single measurement providing a sample from this distribution. We argue that, particularly for richly stochastic phenomena like ELMs, the probability distribution of physical quantities contain significantly more information compared to mere averages. Consequently, in exploring the patterns emerging from the various ELM regimes and relations, we need methods that can handle the intrinsic probabilistic nature of the data.
The original contributions of this work are twofold. First, several novel pattern recognition methods in non-Euclidean spaces of probability distribution functions (PDFs) are developed and validated. The second main contribution lies in the application of these and other techniques to a systematic analysis of ELMs in tokamak plasmas.
In regard to the methodological aims of the work, we employ the framework of information geometry to develop pattern visualization and classification methods in spaces of probability distributions. In information geometry, a family of probability distributions is considered as a Riemannian manifold. Every point on the manifold represents a single PDF and the distribution parameters provide local coordinates on the manifold. The Fisher information plays the role of a Riemannian metric tensor, enabling calculation of geodesic curves on the surface. The length of such curves yields the geodesic distance (GD) on probabilistic manifolds, which is a natural similarity (distance) measure between PDFs. Equipped with a suitable distance measure, we extrapolate several distance-based pattern recognition methods to the manifold setting. This includes k-nearest neighbor (kNN) and conformal predictor (CP) methods for classification, as well as multidimensional scaling (MDS) and landmark multidimensional scaling (LMDS) for data visualization (dimensionality reduction). Furthermore, two new classification schemes are developed: a distance-to-centroid classifier (D2C) and a principal geodesic classifier (PGC). D2C classifies on the basis of the minimum GD to the class centroids and PGC considers the shape of the class on the manifold by determining the minimum distance to the principal geodesic of each class. The methods are validated by their application to the classification and retrieval of colored texture images represented in the wavelet domain. Both methods prove to be computationally efficient, yield high accuracy and also clearly exhibit the adequacy of the GD and its superiority over the Euclidean distance, for comparing PDFs. This also aids in demonstrating the utility and adaptability of the developed methods to a wide range of applications other than ELMs, which are the prime focus of analysis in this work.
The second main goal of the work targets ELM analysis at three fronts, using pattern recognition and probabilistic modeling :
i). We first concentrate on visualization of ELM characteristics by creating maps containing projections of multidimensional ELM data, as well as the corresponding probabilistic models. Such maps can provide physicists and machine operators with a convenient means and a useful tool for plasma monitoring and for studying data patterns reflecting key regimes and their underlying physics. In particular, GD-based MDS is used for representing the complete distributions of the multidimensional data characterizing the operational space of ELMs onto two-dimensional maps. Clusters corresponding to type I and type III ELMs are identified and the maps enable tracking of trends in plasma parameters across the operational space. It is shown that the maps can also be used with reasonable accuracy for predicting the values of the plasma parameters at a certain point in the operational space.
ii). Our second application concerns fast, standardized and automated classification of ELM types. ELM types have so far been identified and characterized on an empirical and phenomenological basis. The presented classification schemes are aimed at complementing the phenomenological characterization using standardized methods that are less susceptible to subjective interpretation, while considerably reducing the effort of ELM experts in identifying ELM types. To this end, different classification paradigms (parametric and non-parametric) are explored and put to use. Discriminant analysis (DA) is used for determining a linear separation boundary between type I and III ELMs in terms of global plasma parameters, which can then be used for the prediction of ELM types as well as the study of ELM occurrence boundaries and ELM physics. However, DA makes an assumption about the underlying class distribution and presently cannot be applied in spaces of probability distributions, leading to a sub-optimal treatment of stochasticity. This is circumvented by the use of GD-based CP and kNN classifiers. CP provides estimates of its own accuracy and reliability and kNN is a simple, yet powerful classifier of ELM types. It is shown that a classification based on the distribution of ELM properties, namely inter-ELM time intervals and the distribution of global plasma parameters, is more informative and accurate than the classification based on average parameter values.
iii). Finally, the correlation} between ELM energy loss (ELM size) and ELM waiting times (inverse ELM frequency) is studied for individual ELMs in a set of plasmas from the JET tokamak upgraded with the ITER-like wall (ILW). Typically, ELM control methods rely on the empirically observed inverse dependence of average ELM energy loss on average ELM frequency, even though ELM control is targeted at reducing the size of individual ELMs and not the average ELM loss. The analysis finds that for individual ELMs the correlation between ELM energy loss and waiting times varies from zero to a moderately positive value. A comparison is made with the results from a set of carbon-wall (CW) JET plasmas and nitrogen-seeded ILW JET plasmas. It is found that a high correlation between ELM energy loss and waiting time comparable to CW plasmas is only found in nitrogen-seeded ILW plasmas. Furthermore, most of the unseeded JET ILW plasmas have ELMs that are followed by a second phase referred to as the slow transport event (STE). The effect of the STEs on the distribution of ELM durations is studied, as well as their influence on the correlation between ELM energy loss and waiting times. This analysis has a clear outcome for the optimization of ELM control methods, while presenting insights for an improved physics understanding of ELMs.Die Analyse von experimentellen Daten magnetisch eingeschlossener Fusionsplasmen stellt wegen der großen Datenmengen, der hohen Dimensionalität, der Messunsicherheiten und auch der oft nichtlinearen Beziehungen untereinander eine große Herausforderung dar. Methoden der Datenanalyse aus den Feldern des maschinellen Lernens sowie der Wahrscheinlichkeitstheorie spielen daher in letzter Zeit eine immer größere Rolle bei der Analyse von Daten aus Fusionsexperimenten. Dabei interessiert vor allem die Möglichkeit, zusätzliche Information welche dem menschlichen Beobachter verborgen bleiben, systematisch zu extrahieren. Zusätzlich können innovative Methoden der Echtzeit-Datenverarbeitung eine wichtige Rolle für Kontrollanwendungen in Fusionsexperimenten spielen.
Mustererkennung ist eine Disziplin der Informationstheorie welche sich mit der Erforschung von Strukturen in multidimensionalen Datensätzen durch computergestützte Methoden und Algorithmen beschäftigt. In dieser Doktorarbeit werden Methoden der Mustererkennung auf Daten von Tokamakexperimenten für eine systematische Analyse von edge-localized modes (ELMs) angewendet. ELMs sind magnetohydrodynamische (MHD) Instabilitäten die am Plasmarand in ‘high-confinement‘ (H-mode) Fusionsplasmen auftreten. Die ‘Typ I ELMy H-mode' ist das Referenz-Betriebsszenario für das zukünftige ITER Experiment. ELMs spielen einerseits eine positive Rolle für den Plasmabetrieb da sie zur Verunreinigungskontrolle beitragen. Andererseits werfen ELMs Teilchen und Energie aus dem Plasma und könnten daher in ITER die Integrität der ersten Wand gefährden.
Eine signifikante Herausforderung bei der Interpretation von Experimenten welche sich mit dem Verständnis und der Kontrolle von ELMs beschäftigen liegt in der Behandlung der Messunsicherheiten sowie der inhärenten Stochastizität der ELM Parameter. In der vorliegenden Arbeit werden probabilistische Modelle (Verteilungen) zur quantitativen Beschreibung der Daten mit dem Ziel einer verbesserten systematischen Einteilung der ELM-Phänomenologie verwendet. Dabei wird davon ausgegangen, dass die fundamentale Größe eines Systems eine Wahrscheinlichkeitsverteilung ist, wobei jede Einzelmessung eine Stichprobe dieser Verteilung darstellt. Dabei wird angenommen dass, im Besonderen für stark stochastische Ereignisse wie ELMs, die Wahrscheinlichkeitsverteilung der physikalischen Parameter deutlich mehr Information enthält als deren Mittelwerte. Folglich erfordert die Erforschung der Struktur der unterschiedlichen ELM Regimes Methoden, welche die intrinsisch stochastische Natur der Daten berücksichtigen kann.
Diese Arbeit liefert zwei grundsätzlich neue Beiträge: zunächst werden neuartige Strukturerkennungs-Methoden in nicht-euklidischen Räumen von Wahrscheinlichkeitsverteilungen entwickelt und validiert. Der zweite grundsätzliche Beitrag liegt in der Anwendung dieser und anderer Methoden auf eine systematische Analyse von ELMs in Tokamakplasmen.
Aus methodologischer Sicht wird in dieser Arbeit die Informationsgeometrie angewendet um Methoden zur Mustererkennung und –klassifizierung in Räumen von Wahrscheinlichkeitsverteilungen zu entwickeln. In der Informationsgeometrie wird eine Familie von Wahrscheinlichkeitsverteilungen als eine Riemannsche Mannigfaltigkeit aufgefasst. Jeder Punkt auf der Mannigfaltigkeit stellt eine Wahrscheinlichkeitsverteilung dar und die Verteilungsparameter sind lokale Koordinaten auf der Mannigfaltigkeit. Die Fisher Information spielt dabei die Rolle des Riemannschen metrischen Tensors und erlaubt es, geodätische Kurven auf der Fläche zu berechnen. Die Länge einer solchen Kurve ergibt den geodätischen Abstand auf der Mannigfaltigkeit, welcher ein natürliches Maß für den Abstand zwischen Verteilungsfunktionen ist. Mit diesem geeigneten Abstandsmaß werden mehrere Mustererkennungsmethoden welche auf dem Abstand basieren auf die Mannigfaltigkeit angewandt. Diese schließen die ‘k-nearest neighbor’ (kNN) und ‘conformal predictor’ (CP) Klassifikationsmethoden ein sowie ‘multidimensional scaling’ (MDS) und ‘landmark multidimensional scaling‘ (LMDS) zur Datenvisualisierung mit dem Ziel der Dimensionsreduktion. Desweitern werden zwei neue Klassifikationsmethoden entwickelt: ein ‘distance-to-centroid classifier’ (D2C) und ein ‘principal geodesic classifier’ (PGC). D2C klassifiziert auf Basis des minimalen geodätischen Abstands vom Schwerpunkt der Daten und PGC berücksichtigt die Form der Klasse auf der Mannigfaltigkeit indem der Abstand zur Hauptgeodätischen jeder Klasse bestimmt wird. Diese Methoden werden durch Anwendung auf die Klassifizierung und Rekonstruktion von farbigen Texturbildern in der Waveletdarstellung validiert. Beide Methoden stellen sich als effizient im Rechenaufwand heraus und liefern hohe Genauigkeit, wobei der geodätische Abstand dem euklidischen Abstand deutlich überlegen ist und somit als angemessen für den Vergleich von Verteilungsfunktionen bestätigt wird. Dies dient auch dem Nachweis der Eignung der entwickelten Methoden für eine Vielzahl von Anwendungen über das in dieser Arbeit vorrangig behandelte Feld der ELMs hinaus.
Das zweite Hauptziel der Arbeit ist die Analyse von ELMs mit den Methoden der Mustererkennung und der wahrscheinlichkeitstheoretischen Modellierung auf drei Gebieten:
i). Zunächst wird die Visualisierung von ELM Eigenschaften durch Erstellung von Abbildungen behandelt welche multidimensionale ELM Daten projizieren. Solche Abbildungen können für Physiker und Experimentatoren ein nützliches Werkzeug zur Überwachung der Plasmaentladung darstellen und dienen darüber hinaus zu Studien von Datenmustern, welche prinzipielle Regimes und deren zugrundeliegende Physik charakterisieren. Im speziellen wird die GD-basierte MDS zur Darstellung der gesamten Verteilung der multidimensionalen Daten, welche das Auftreten von ELMs beschreiben in zweidimensionalen Abbildungen verwendet. Cluster in welchen ‘Typ I’ und ‘Typ III’ ELMs auftreten werden identifiziert und die Abbildung ermöglicht es, Trends in der Veränderung von Plasmaparametern im Parameterraum zu erkennen. Es wird gezeigt, dass diese Abbildungen auch dazu verwendet werden können, die Plasmaparameter für einen bestimmten Punkt im Betriebsbereich vorherzusagen.
ii). Eine zweite Anwendung beschäftigt sich mit einer schnellen, standardisierten Klassifizierung des ELM Typs. ELM Typen wurden bisher auf einer empirisch-phänomenologischen Basis identifiziert. Die hier vorgestellten Klassifizierungs-Schemata dienen der Ergänzung der phänomenologischen Beschreibung durch standardisierte Methoden welche weniger anfällig für subjektive Wahrnehmung und Interpretation sind und sollen auch den Aufwand bei der Bestimmung des ELM Typs verringern. Verschiedene Klassifizierungsmethoden, parametrisch und nicht-parametrisch, werden untersucht und eingesetzt. Discriminant Analysis (DA) wird für die Bestimmung einer linearen Grenze zwischen Typ I und Typ III ELMs in globalen Plasmaparametern eingesetzt, die dann sowohl zur Vorhersage des ELM Typs als auch zur Untersuchung der Bereiche, in denen die unterschiedlichen ELM Typen auftreten, verwendet wird. Dabei basiert die DA allerdings auf einer Annahme über die zugrunde liegende Verteilung der Klassen und kann nach derzeitigem Stand nicht auf Räume von Verteilungsfunktionen angewendet werden, was zu einer unzureichenden Behandlung der Stochastizität führt. Dies wird durch die Verwendung von GD-basierter CP und von kNN Klassifikatoren behoben. CP liefert eine Abschätzung ihrer Genauigkeit und Zuverlässigkeit und kNN ist ein einfacher, aber leistungsstarker Klassifikator für ELM-Typen. Es wird gezeigt dass eine Klassifizierung basierend auf der Verteilung der ELM Eigenschaften, namentlich der inter-ELM Zeitintervalle und der Verteilung der globalen Plasmaparameter, mehr Information enthält als eine Klassifizierung welche auf gemittelten Werten basiert.
iii).Schließlich wird die Korrelation zwischen ELM Energieverlust (ELM Größe) und ELM Wartezeiten (inverse ELM Frequenz) für individuelle ELMs aus einer Datenbasis von Plasmaentladungen des JET Tokamaks in der ‚ITER-like wall‘ (ILW) Konfiguration untersucht. ELM Kontrollmethoden basieren typischerweise auf dem empirisch beobachteten inversen Zusammenhang zwischen mittlerem ELM-Verlust und mittlerer ELM-Frequenz, obwohl ELM Kontrolle die Reduktion der Größe individueller ELMs zum Ziel hat. Die Analyse zeigt, dass für individuelle ELMs die Korrelation zwischen ELM-Energieverlust und Wartezeit generell niedrig ist. Dieses Ergebnis wird mit einem Datensatz von JET in der ‚carbon-wall‘ (CW) Konfiguration sowie einem Datensatz von Stickstoff-gekühlten ILW JET Plasmen verglichen. Es zeigt sich, dass eine hohe Korrelation zwischen ELM-Energieverlust und Wartezeit, vergleichbar zu CW Plasmen, nur in Stickstoff-gekühlten ILW Plasmen auftritt. Darüber hinaus treten in den meisten JET ILW Plasmen ohne Stickstoffkühlung ELMs auf, welche von einer zweiten Phase, slow transport event (STE) genannt, begleitet werden. Der Effekt der STEs auf die Verteilung der ELM Dauer sowie deren Einfluss auf die Korrelation zwischen ELM-Energieverlust und Wartezeit wird untersucht. Diese Untersuchung hat einerseits eine starke Relevanz für die Optimierung von Methoden zur ELM Kontrolle, andererseits trägt sie zum tieferen Einblick in die den ELMs zugrunde liegende Physik bei
Analysis of the structure and dynamics of magnetic islands in the Tokamak ASDEX upgrade
No full textNeoklassische Tearing Moden begrenzen das maximale beta in magnetisch eingeschlossenen Fusionsplasmen. In dieser Arbeit werden die Struktur und Dynamik von Tearing Moden und magnetischen Inseln in ASDEX Upgrade theoretisch und experimentell
untersucht. Die magnetische Struktur wird mit realistischen helikalen magnetischen Flüssen modelliert. Als Störfluß dient eine analytische Anpassungsfunktion an Lösungen der Tearing-Mode-Gleichung. Das resultierende Temperaturprofil kann mit der Wärmeleitungsgleichung numerisch modelliert werden. Die parallele Spitzerwärmeleitfähigkeit muß in dieser Arbeit um zwei Größenordnungen reduziert werden, da die freie Weglänge groß gegen die Gradientenlänge ist ("heat flux limit"). Das modellierte Temperaturprofil ist innerhalb der Insel flach mit Ausnahme der Wärmeleitungszone um die Separatrix.
Das Profil wird mit ECE experimentell beobachtet und zeigt nicht modellierbare Substrukturen innerhalb der Insel. Eine modellgestützte Analyse der Magnetfeldstruktur zeigt, wie theoretisch erwartet, 6-8cm breite asymmetrische Inseln. Die Dynamik neoklassischer Tearing Moden wird mit einer Anpassung der verallgemeinerten Rutherfordgleichung an die experimentell beobachtete Inselbreiteentwicklung (Mirnov und ECE) untersucht. Aufgrund der Reduktion der Wärmeleitfähigkeit kann die unvollständige Temperatur- und Druckprofilabflachung in kleinen Inseln nicht im Bootstrapeffekt vernachlässigt werden und ist mit der Skalierung von beta mit dem poloidalen Ionenlarmorradius vereinbar. Es kann ein Bereich von Kombinationen der freien Parameter der Rutherfordgleichung bestimmt werden, die Anpassungen an die Dynamik aller beobachteter Inseln ermöglichen.Neoclassical tearing modes limit the maximum achievable beta in magnetically confined fusion plasmas and may be a severe problem for a fusion reactor. This thesis deals with the theoretical and experimental analysis of the structure and dynamics of tearing modes and the associated magnetic islands in ASDEX Upgrade. The magnetic structure is modelled by realistic helical magnetic fluxes. For the perturbation flux an analytical fit function to solutions of the tearing mode equation is used. The temperature profile associated with the magnetic structure can be computed numerically by the heat flux equation. In this study, the Spitzer heat conductivity parallel to the field lines must be reduced by two orders of magnitude since the mean free path length is long compared to the gradient length ("heat flux limit"). The modelled temperature profile is flattenend inside the island except for the heat conducting layer around the separatrix. The temperature profile is experimentally observed by ECE and exhibits substructures inside the island which cannot be explained in the framework of the model. A modelling based analysis of the magnetic structure yields 6-8cm broad asymmetric islands as expected from theory. The dynamics of neoclassical tearing modes is analysed by fitting the generalised Rutherford equation to the experimentally observed island width evolution measured by Mirnov and ECE. Due to the above mentioned reduction of the heat conductivity the incomplete flattening of the temperature and pressure profile of a small island may not be neglected in the bootstrap effect and is consistent with the poloidal ion larmor radius scaling of beta. A range of free parameter sets of the Rutherford equation can be determined giving a fit to the dynamics of all observed islands
Multi-device study of characteristics of disruptive magnetohydrodynamic modes in Tokamaks
Full text linkFusion plasmas confined in tokamaks by magnetic fields often experience disruptions,
i.e. sudden losses of the plasma confinement, consisting of a fast thermal
quench followed by a plasma current quench, accompanied by the destabilization
of the vertical position of the plasma column. Disruptions are a serious threat to
the device components in terms of large heat and particle loads on the plasmafacing
components and the forces applied on the various components of the device.
Disruption avoidance, prediction and, in case of an unavoidable disruption, mitigation,
is a prerequisite for safe, efficient operation of large tokamaks (e.g. ITER,
currently under construction). Disruption onset is known to be linked with the
development of magnetohydrodynamic (MHD) modes. In particular, the crossing
of a critical value of the mode amplitude has been identified as a main disruption
trigger in the past (de Vries, 2011). This thesis addresses multiple aspects of MHD
mode development prior to a disruption. The main diagnostic instruments serving
for the mode amplitude monitoring were magnetic sensors, particularly saddle and
Mirnov coils. The main tool in the work is an extensive (> 1100 entries) database
of discharges terminated by a disruption. The database consists of measurements
from devices of various plasma size (COMPASS, ASDEX Upgrade, DIII-D, JET),
but similar aspect ratios. Identical data selection criteria were applied across all
devices for compiling the database. All database entries were manually classified
according to the main cause leading to onset of the MHD mode. Earlier works
reported that in large devices, most of the modes were static in the laboratory
frame (’locked’) (de Vries, 2016). However, in general modes are often observed
to rotate prior to becoming locked, as also seen in the database compiled in this
work. This thesis addresses important characteristics of both rotating and locked
modes in the context of the disruption initiation. The mode amplitude development
is followed throughout the mode braking, the stationary phase of the mode
and the disruption onset. The observations reported in this work may contribute
to a set of design criteria for future disruption forecasting schemes. The work
explores both existing physical models for describing mode dynamics, as well as a
phenomenological description of mode behavior on the basis of the multi-machine
database.
A first part of the work aims to validate a model for mode locking on the
basis of a reduced database of ASDEX Upgrade discharges. Not discriminating
between plasma configurations, the model allows to estimate the duration of the
deceleration phase, as well as the critical mode width for locking. Both quantities
are important for the design of algorithms that aim to avoid disruptions by
means of external actuators. The reduced ASDEX Upgrade database consists of
discharges covering a broad range of plasma parameters and discharge scenarios.
It was found that the model successfully describes locking of large modes in those
cases where the mode deceleration started in a quasi-stationary phase of the discharge
(i.e. with low variability of the global plasma angular momentum prior to
mode seeding) and where deceleration took place over temporal intervals that are
long in comparison with the momentum confinement time. Theoretical braking
curves and locking durations predicted with the model were in good quantitative agreement with the experimental data. On the other hand, the model failed to reproduce the braking curves of modes appearing towards the end of a transient
phase, e.g. during an impurity influx or when approaching the disruptive density
limit. A modified mode equation of motion is proposed, which accounts for transient
variation of the plasma density, e.g. during the development of a MARFE
and its poloidal destabilization from its stable location at the plasma X-point.
The experimental and theoretical mode braking curves were in closer accordance
when the modified model was applied.
The second part of the work focuses on the analysis of the duration of (quasi-)
stationary modes, as well as the pre-disruptive growth of the measured mode amplitude.
In addition, regression analysis is conducted of the locked phase duration
and a previously derived scaling for the disruptive mode amplitude is validated
(de Vries, 2016). The study was performed using the full database of disruptive
discharges covering a broad range of plasma parameters, including a considerable
range of plasma dimensions. The measured mode durations span several orders
of magnitude in all devices, but nevertheless the median duration is seen to increase
with plasma size. Several factors are discussed that could influence the
locked mode duration, such as the plasma control system response to exceptional
situations (e.g. switching on or off external heating modules, initiation of a fast
plasma current ramp-down, plasma shape modification etc.), the specific location
of the discharge within the typical device parametric space (often reflected in the
disruption root cause) and the occurrence of minor disruptive events (accompanied
by a partial loss of the plasma confinement). The scaling formula for the
disruptive mode amplitude is reported to systematically overestimate the experimental
amplitudes in case of modes detected with magnetic sensors located at
the torus high-field-side. A proposal for modifying the scaling, adjusting for this
case, is presented. The modified scaling equation allowed more accurate predictions
of the critical mode amplitude threshold. Linear extrapolation with plasma
size of both experimental and predicted times-to-disruptions and the associated
fraction of disruptions suggests that, in devices with large plasma minor radius,
the locked modes will grow on time scales that are long enough to allow for disruption
mitigation by means of fast massive gas injection or pellet injection. A
regression analysis aimed at establishing a scaling relation for the locked mode
phase duration with plasma parameters. A physically plausible scaling relation
could be established, which however explains only part of the variability of the
data. Possible origins of the remaining scatter are discussed, such as the onset
of minor disruptions in the presence of the mode, mode re-rotation under a constant
external torque input etc. Application of the scaling to the ITER Baseline
scenario suggests that the locked phase duration will be of the order of hundreds
of milliseconds or seconds in ITER, depending on the particular disruption root cause. Such time scales are in favour of a timely disruption mitigation in ITER
Magnetohydrodynamic stability of tokamaks
No full textThis book bridges the gap between general plasma physics lectures and the real world problems in MHD stability. In order to support the understanding of concepts and their implication, it refers to real world problems such as toroidal mode coupling or nonlinear evolution in a conceptual and phenomenological approach. Detailed mathematical treatment will involve classical linear stability analysis and an outline of more recent concepts such as the ballooning formalism. The book is based on lectures that the author has given to Master and PhD students in Fusion Plasma Physics. Due its strong li
Going Beyond Counting First Authors in Author Co-citation Analysis
Full text linkThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Optimization of oversized waveguide components
No full textDie vorliegende Arbeit befaßt sich mit der Optimierung von überdimensionierten Hohlleiterkrümmern. Ziel einer solchen Optimierung ist ein möglichst niedriger Anteil der durch die Krümmung angeregten Falschmoden. Der Algorithmus kann auch zur Optimierung von schlangenartig gekrümmten Modenwandlern benutzt werden, mit denen die Eingangsmode vollständig in die Ausgangsmode gewandelt wird.
Die Optimierung erfolgt durch Minimierung einer Bewertungsfunktion, die ein gewichteter Mittelwert aus der maximalen Falschmodenleistung innerhalb des Krümmers, der Falschmodenleistung am Krümmerausgang und der Ohmschen Verluste ist. Die Argumente der Bewertungsfunktion sind die Koeffizienten einer Reihenentwicklung (Fourier oder Tschebyscheff) der Krümmungsfunktion.
Für die Optimierung wurden ein genetischer Algorithmus und ein Hybridverfahren aus Downhill Simplex und Simulated Annealing Algorithmus implementiert.
Als ein Beispiel für eine Optimierung wird ein 28 GHz TE01-Krümmer vorgestellt. Der genetische Algorithmus lieferte hier einen Krümmer, bei dem der Falschmodenanteil im Inneren maximal 11.9 % beträgt. Am Ausgang haben die Falschmoden einen Anteil von 0.016 % der Gesamtleistung Ein Vergleich mit Krümmern, die bei gleichen Abmessungen herkömmliche analytische Krümmungsfunktionen haben, zeigt, daß der optimierte Krümmer in jeder Hinsicht besser ist. Der Krümmer wurde gefertigt und der geringe Falschmodenanteil am Ausgang wurde durch Messungen bestätigt. In einem weiteren Beispiel wurde ein 70 GHz TE01-HE11-Wandler optimiert, wobei als Startwert ein gerader Hohlleiter diente. Hier wurde eine Krümmungsfunktion gefunden, die, bei geringem Anteil höherer Moden, die TE01-Welle fast vollständig in eine HE11-Welle wandelt.
Beide Verfahren liefern in mehreren Optimierungen reproduzierbare Ergebnisse. Das Downhill Simplex/Simulated Annealing Verfahren ist jedoch wesentlich schneller, als der genetische Algorithmus.This thesis deals with the optimization of oversized waveguide components. The goal of such an optimization is a small amount spurious modes, which are excited due to the curvature. The algorithm can also be used for the optimization of bent mode converters, which convert the incoming mode completely to the into the output mode.
The optimization is done by minimizing a rating function which is a weighted average of the maximum spurious mode power inside the bend, the spurious mode power at the bend output and the ohmic losses. The arguments the rating function are the coefficients of a series expansion (Fourier of Chebycheff) of the curvature function.
For the optimization, a genetic algorithm and a hybrid method of Downhill Simplex and Simulated Annealing were implemented.
As an example for an optimization, a 28 GHz TE01 bend is presented. The genetic algorithm found a bend with a maximum spurious mode power of 11.9 % inside the bend. At the output, the spurious modes have 0.016 % of the total power. A comparison with bends, which have the same size and conventional analytic curvature functions, shows, that the optimized bend is better in every respect. The bend was manufactured and a measurement confirmed the low spurious mode content at the output.
In another example, a 70 GHz TE01-HE11-Converter was optimized starting with a straight waveguide. Here, a curvature function was found which, with a low amount of higher order modes, converts the TE01-wave almost completely into the HE11-wave.
Both methods produce reproducible results in multiple optimizations. The Downhill Simplex/Simulated Annealing method however, is substantially faster than the genetic algorithm
Variations on the Author
Full text link“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Full text linkWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
- …
