申请/专利权人：东北大学

申请日：2022-04-13

公开（公告）日：2024-06-28

公开（公告）号：CN114943173B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/0442;G06N3/092;G06N3/084;G06F113/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.09.13#实质审查的生效;2022.08.26#公开

摘要：本发明公开了一种基于深度强化学习和燃烧仿真技术耦合的钢包烘烤系统及优化方法，本发明方法包括如下步骤：S1.建立钢包实际烘烤几何模型；S2.仿真模型建立和计算；S3.数据预处理；S4.预测模型建立；S5.双模型耦合；S6.智能优化控制。本方法采用软件建模和控制优化的方式代替人工控制优化，从而缩短优化周期、提高优化效率、降低人工成本，实现快速提升钢包烘烤温度的目的；并且，软件建模优化是利用Python与燃烧仿真软件进行耦合建模优化，由此在不需要参数化模型的情况下也能完成优化，避免了实际工况下钢包内部参数难以获取的问题，使得建模成本大大降低。

主权项：1.基于深度强化学习和燃烧仿真技术耦合的钢包烘烤优化方法，其特征在于，包括如下步骤：S1.基于获取的钢包参数建立钢包实际烘烤几何模型；S2.仿真模型建立和计算：将构建的钢包实际烘烤几何模型导入燃烧仿真软件并计算分析，模拟钢包烘烤非稳态燃烧过程，获得非稳态燃烧过程钢包内衬温度分布相关和污染物排放量的多组参数；S3.数据预处理：将获取的多组参数分为训练数据和测试数据，形成数据集；S4.预测模型建立：将数据集导入深度学习模型框架，得到深度学习模型预测的钢包内衬温度分布、火焰长度和污染物排放量结果，验证后保存最终的预测模型；S5.双模型耦合：连接燃烧仿真软件和Python软件，创建燃烧仿真服务器会话，燃烧仿真软件自动执行钢包烘烤加热制度并返回运行结果；S6.智能优化控制：建立烘烤控制智能体，并由步骤S4建立的深度学习预测模型导入状态，燃烧仿真模型作为环境进行交互，实时对其烘烤过程进行烘烤优化控制，并最终将最优烘烤制度反馈至实际烘烤过程；所述步骤6具体包括如下步骤：S61.状态输入：由步骤S4建立的深度学习预测模型作为输入层导入状态，根据基准环境的助燃气流量、煤气流量参数获得钢包内衬温度分布、火焰长度和污染物排放量一并作为状态量导入后续步骤建立的智能体网络；S62.智能体网络建立：分别基于深度学习网络建立Actor策略网络和Critic评价网络，获得状态量输入后输出较优空燃比变化决策，获得环境反馈奖励后调节策略网络权重和评价网络损失；S63.环境交互：将S62输出的助燃气流量和煤气流量变化量的决策导入燃烧仿真的仿真环境，获得环境奖励反馈至Critic评价网络，将此时燃气流量、助燃气流量和火焰长度的环境状态输入步骤S4建立的深度学习预测模型，重复步骤S61-S63,进行迭代，最终获得最优助燃气流量和煤气流量作为最优烘烤制度；S64.实际烘烤控制：将最优烘烤制度反馈至实际烘烤过程，用于烘烤控制。

全文数据：

权利要求：

百度查询： 东北大学 一种基于深度强化学习和燃烧仿真耦合的钢包烘烤系统及优化方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD