龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：苏州浪潮智能科技有限公司
摘要：本发明涉及一种基于强化学习的工质热物性获取方法、系统和存储介质，方法包括：将神经网络模型作为强化学习的决策网络，以进口温度作为所述神经网络模型的输入，并通过所述神经网络模型获得最优的热物性参数；将物理模型作为强化学习的估值网络，并将所述最优的热物性参数输入所述物理模型，通过所述物理模型获得预测出口温度；根据所述预测出口温度获取强化学习的奖励；根据所述奖励修正所述神经网络模型的网络参数，直至所述神经网络模型收敛。采用本方法，只需测量工质流量、进口温度和出口温度，便解决了高温、高压下甚至超临界条件下工质物性预测问题，降低了常温、常压条件下工质物性测量的人力、物力。
主权项：1.一种基于强化学习的工质热物性获取方法，其特征在于，所述方法包括：将神经网络模型作为强化学习的决策网络，以进口温度作为所述神经网络模型的输入，并通过所述神经网络模型获得最优的热物性参数；将物理模型作为强化学习的估值网络，并将所述最优的热物性参数输入所述物理模型，通过所述物理模型获得预测出口温度；根据所述预测出口温度获取强化学习的奖励；根据所述奖励修正所述神经网络模型的网络参数，直至所述神经网络模型收敛，所述通过所述神经网络模型获得最优的热物性参数，具体包括：通过所述神经网络模型输出热物性参数的均值和方差；根据所述热物性参数的均值和方差构建高斯分布；从所述高斯分布中随机采样，作为最优的热物性参数；获取所述奖励的计算公式为： 其中，Tout,predict为通过解所述物理模型获得的预测出口温度；Tout,exprienment为实际测试获得的测试出口温度；reward为所述强化学习的奖励；x为所述决策网络输出当前温度下热物性参数均值的概率；γ为工质经验系数；n为1～N中的其中一个。
全文数据：
权利要求：
百度查询： 苏州浪潮智能科技有限公司 基于强化学习的工质热物性获取方法、系统和存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号