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)
901
编辑：管理员
来源：北方有色网
咨询细节
