本發明涉及一種基于強化學習的工質熱物性獲取方法、系統和存儲介質,方法包括:將神經網絡模型作為強化學習的決策網絡,以進口溫度作為所述神經網絡模型的輸入,并通過所述神經網絡模型獲得最優的熱物性參數;將物理模型作為強化學習的估值網絡,并將所述最優的熱物性參數輸入所述物理模型,通過所述物理模型獲得預測出口溫度;根據所述預測出口溫度獲取強化學習的獎勵;根據所述獎勵修正所述神經網絡模型的網絡參數,直至所述神經網絡模型收斂。采用本方法,只需測量工質流量、進口溫度和出口溫度,便解決了高溫、高壓下甚至超臨界條件下工質物性預測問題,降低了常溫、常壓條件下工質物性測量的人力、物力。
聲明:
“基于強化學習的工質熱物性獲取方法、系統和存儲介質” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)