摘要
本发明涉及流体力学技术领域,具体涉及一种高压流体模型的构建方法,该方法包括:获取多尺度流体数据,包括分子动力学数据、实验尺度数据及原位探测数据;通过压力分级迁移学习网络,将中低压域数据迁移至超高压域,输出物性参数预测值;基于嵌入式硬件实时接收原位数据,计算修正因子;基于修正因子,动态重构流体控制方程源项;当平均相对误差超过阈值时,触发强化学习优化器重构模型方程。本发明的目的在于提供一种高压流体模型的构建方法、计算机设备以及存储介质,解决了现有技术中的诸多问题,还在流体模型的准确性、实时性和适应性方面展现出显著的优势,为相关领域的研究和应用提供了强有力的技术支持。
技术关键词
嵌入式硬件
高压适配器
流体控制
传感器噪声
重构模型
优化器
数据迁移
流体力学技术
原位
分子
方程
因子
计算机设备
时序误差
多尺度
神经网络模型
压力
线性单元
系统为您推荐了相关专利信息
代码漏洞检测方法
程序切片技术
融合特征
语义向量
分析工具
重构模型
重构方法
网格搜索算法
分析方法
斜拉桥
多尺度三维
岩石试件
边界特征训练
重构方法
重构模型
嵌入式设备
图形化编程方法
无线通信链路
嵌入式硬件
硬件控制逻辑