融合物理约束神经网络与深度强化学习的极地电伴热自适应控制策略研究

《Journal of Marine Science and Engineering》:Physics-Informed Neural Networks and Deep Reinforcement Learning for Optimal Anti-Icing Strategies of Circular Tube Components in Polar Vessels Jinhao Xi, Chenyang Liu, Haiming Wen, Yan Chen, Siyu Zhang, Yuqiao Xin, Yutong Zhong and Dayong Zhang

【字体: 大 中 小 】 时间:2026年04月08日 来源:Journal of Marine Science and Engineering 2.8

编辑推荐:

  研究人员提出了一种融合物理信息神经网络(Physics-Informed Neural Network, PINN)与深度强化学习(Deep Reinforcement Learning, DRL)的自适应控制框架,用于极地环境下的管道电伴热系统。该框架通过P

  
研究人员提出了一种融合物理信息神经网络(Physics-Informed Neural Network, PINN)与深度强化学习(Deep Reinforcement Learning, DRL)的自适应控制框架,用于极地环境下的管道电伴热系统。该框架通过PINN模型嵌入热传导偏微分方程约束,实现小样本条件下的高精度温度预测;在此基础上,采用连续动作空间的Actor-Critic算法,将加热占空比D∈[0.5,1.0]与周期τ∈[60,240] s作为控制变量,在满足表面温度≥0°C的防冰安全约束下最小化系统能耗。实验结果表明,该方法在保证防冰安全的同时显著降低能耗,且控制策略具有良好的动态适应性。
研究背景与意义
极地环境下海洋工程装备的管道防冻是保障作业安全的关键。传统电伴热系统多采用恒定功率或简单阈值控制,难以应对极端低温与动态环境变化,常导致能耗过高或防冰失效。现有数据驱动方法依赖大量标注数据,且在小样本条件下泛化能力不足。《Journal of Marine Science and Engineering》刊发的该研究,首次将物理信息神经网络(PINN)与深度强化学习(DRL)结合,通过物理方程约束提升小样本预测可靠性,并利用智能体自主探索最优控制策略,为极地装备热管理提供了高效节能的新思路。
关键技术方法
研究人员构建了基于PINN的温度预测模型,以热传导偏微分方程为物理约束,自动微分层流换热项,通过边界条件(?15°C至10°C)与平滑性约束保障预测的物理合理性。训练采用批量大小32、初始学习率0.001、300轮次及早停策略。在此基础上,设计六维状态空间(当前温度、目标温度、剩余时间、能耗权重、环境温度、风速)与二维连续动作空间(占空比D、周期τ),采用Actor-Critic架构的DRL算法,以高斯策略分布采样动作,通过Tanh函数约束输出范围并线性映射至实际值,最终获得兼顾防冰安全与能耗优化的周期性控制策略。
研究结果
4.2 物理信息神经网络温度预测模型
研究人员通过PINN模型将热传导方程嵌入损失函数,其中能量损失Lenergy由密度ρ、比热容cp、体积V、加热功率Pheat、对流换热系数h、换热面积A及环境温度Tenv共同决定。边界条件约束Lboundary采用ReLU函数惩罚超温预测,平滑性约束Lsmoothness限制相邻时刻温度变化率。实验表明,该模型在仅300个训练样本下仍保持MAE<0.5°C的预测精度,R2>0.95,显著优于纯数据驱动模型。
4.3 基于深度强化学习的最优策略发现
DRL智能体以PINN为虚拟环境交互,状态空间包含环境温度Tambient与风速vwind(单轮次内恒定)。研究发现,最优策略呈现动态占空比特征:低温阶段D=0.8~1.0,升温后降至0.6~0.7;周期τ稳定在120~180 s。与传统恒温控制相比,该方法在保证表面温度≥0°C的前提下降低能耗23.7%,且能适应?10°C至5°C的环境波动。
讨论与结论
研究人员指出,PINN的物理约束有效解决了小样本过拟合问题,而DRL的连续动作空间实现了比离散控制更精细的能耗调节。消融实验证实,移除平滑性约束会导致温度振荡幅度增加40%,验证了其必要性。该研究提出的框架可直接迁移至其他极地装备热管理系统,未来可通过引入实时气象数据进一步提升动态适应性。论文结论强调,物理引导的智能控制方法是解决极地工程复杂优化问题的有效途径。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号