申请/专利权人:北京航空航天大学
申请日:2023-11-02
公开(公告)日:2024-03-19
公开(公告)号:CN117725811A
主分类号:G06F30/27
分类号:G06F30/27;G06F30/17;G06N3/0464;G06N3/092;G06F119/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本申请涉及数据处理技术领域,尤其涉及一种基于强化学习的涡轮叶片冷效设计调优方法及装置,基于涡轮叶片冷效设计工具创建智能体的强化学习环境;其中,所述强化学习环境定义有所述智能体的动作、以及从所述涡轮叶片冷效设计工具获取的状态和奖励数据,所述状态包括涡轮叶片表面的平均温度;利用所述智能体向所述涡轮叶片冷效设计工具输入所述动作,并获取所述涡轮叶片冷效设计工具响应所述动作生成的所述状态和所述奖励数据;基于所述状态和所述奖励数据对所述智能体的策略网络进行强化学习训练,以最小化所述涡轮叶片表面的平均温度。从而通过对智能体的强化学习训练,实现对涡轮叶片冷效设计参数的快速调优。
主权项:1.一种基于强化学习的涡轮叶片冷效设计调优方法,其特征在于,所述方法包括以下步骤:基于涡轮叶片冷效设计工具创建智能体的强化学习环境;其中,所述强化学习环境定义有所述智能体的动作、以及从所述涡轮叶片冷效设计工具获取的状态和奖励数据,所述状态包括涡轮叶片表面的平均温度;利用所述智能体向所述涡轮叶片冷效设计工具输入所述动作,并获取所述涡轮叶片冷效设计工具响应所述动作生成的所述状态和所述奖励数据;基于所述状态和所述奖励数据对所述智能体的策略网络进行强化学习训练,以最小化所述涡轮叶片表面的平均温度。
全文数据:
权利要求:
百度查询: 北京航空航天大学 一种基于强化学习的涡轮叶片冷效设计调优方法及装置
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。