一种基于深度强化学习的物理模型校准方法及系统技术方案

本发明专利技术公开了一种基于深度强化学习的物理模型校准方法及系统，包括：从物理实验中观测到多通道的实验数据，并根据所述实验数据构建物理模型；将所述实验数据输入到深度学习模型中，通过深度学习模型对实验数据进行预测得到预测值；将所述预测值作为物理模型的中间变量参与物理模型的计算，得到仿真值；根据所述仿真值优化所述深度学习模型。本发明专利技术中深度学习模型的输出用于优化物理模型，物理模型的输出反馈优化深度学习模型形成嵌入式的融合模型，保证物理模型校准成功。保证物理模型校准成功。保证物理模型校准成功。

【技术实现步骤摘要】
一种基于深度强化学习的物理模型校准方法及系统


[0001]本专利技术涉及仿真
，尤其涉及一种基于深度强化学习的物理模型校准方法及系统。

技术介绍

[0002]基于物理的模型由物理原理、数学公式推导得出，已经广泛用于各个工程领域，为仿真结果提供了相当程度的可解释性。但是纯粹的使用基于物理的模型会存在一些缺陷，例如模型未能充分考虑物理系统各个部分的特性，导致产生不够准确的结果；将整个物理系统进行建模过于复杂，且成本高昂。因此工程中构建物理模型的时候，往往需要简化某些物理属性。但即便简化了影响较小、无关重要的物理属性，在某些特殊情况下仍然会对物理模型的仿真结果带来不可忽视的干扰。并且物理模型通常需要人为校准参数以将模型结果与观测数据相匹配，而前述的特殊情况会给参数校准工作带来更大的困难。物理模型的这种缺陷广泛地影响着相关行业。
[0003]深度学习模型具有捕获复杂函数关系的能力，深度学习模型在训练好后往往能获得比物理模型更为精确的计算结果，现有数据测量中已经将深度学习模型应用到物理模型输出结果的优化中，但深度学习的结果并未反馈到物理模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度强化学习的物理模型校准方法，其特征在于，所述方法包括以下步骤：S1、从物理实验中观测到多通道的实验数据，并根据所述实验数据构建物理模型；S2、将所述实验数据输入到深度学习模型中，通过深度学习模型对实验数据进行预测得到预测值；S3、将所述预测值作为物理模型的中间变量参与物理模型的计算，得到仿真值；S4、根据所述仿真值优化所述深度学习模型；S5、重复步骤S2
‑
步骤S4直至所述仿真值无线接近实验测得的值，物理模型校准成功。2.根据权利要求1所述的一种基于深度强化学习的物理模型校准方法，其特征在于，所述步骤S4包括：计算所述仿真值与实验测得的值之间的偏差，将所述偏差作为所述深度学习模型损失函数的一部分优化深度学习模型。3.根据权利要求1所述的一种基于深度强化学习的物理模型校准方法，其特征在于，所述根据所述实验数据构建物理模型，包括：定义一个用于调节物理模型输出的调节系数，所述调节系数是关于某一项实验数据的函数。4.根据权利要求3所述的一种基于深度强化学习的物理模型校准方法，其特征在于，所述步骤S2包括：基于物理原理计算出标准调节系数；将所述标准调节系数及其对应的实验数据进行归一化运算后，计算两者的差值找出数据异常段；使用深度强化学习算法调节数据异常段对应的测试数据进行修正。5.根据权利要求4所述的一种基于深度强化学习的物理模型校准方法，其特征在于，所述计算两者的差值找出数据异常段，包括：定义一个阈值，所述差值大于所述阈值的时间段为数据异常段。6.根据权利要求5所述的一种基于深度强化学习的物理模型校准方法，其...

【专利技术属性】
技术研发人员：李晓瑜，陆超，杨彩琼，周秋宇，钱伟中，郑德生，周永，
申请(专利权)人：中国航发四川燃气涡轮研究院，
类型：发明
国别省市：