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。
声明:
“基于强化学习的工质热物性获取方法、系统和存储介质” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)