機(jī)械與儲(chǔ)運(yùn)工程學(xué)院師生在Nature旗下期刊發(fā)表論文
近日，機(jī)械與儲(chǔ)運(yùn)工程學(xué)院梁永圖教授領(lǐng)銜的油氣供應(yīng)鏈運(yùn)行仿真與優(yōu)化課題組，聯(lián)合國(guó)內(nèi)外多家合作單位，提出了一種液態(tài)能源管道參數(shù)辨識(shí)與在線(xiàn)估計(jì)技術(shù)，成果發(fā)表于Nature Portfolio旗下的自然合作期刊《npj Artificial Intelligence》，題目為《Towards parameter identification in pipeline hydraulics: integrating data-driven discovery and knowledge embedding》，學(xué)院石油與天然氣工程專(zhuān)業(yè)2022級(jí)博士研究生杜漸為論文第一作者，廖綺副教授為通訊作者。該成果是機(jī)械與儲(chǔ)運(yùn)工程學(xué)院油氣儲(chǔ)運(yùn)工程系近年來(lái)，首篇以本院學(xué)生為第一作者、本院教師為通訊作者發(fā)表的Nature旗下期刊論文。
液態(tài)能源管道系統(tǒng)辨識(shí)與狀態(tài)估計(jì)是管道安全評(píng)估的重要依據(jù)。該成果通過(guò)創(chuàng)新開(kāi)發(fā)一種基于數(shù)據(jù)驅(qū)動(dòng)的水力動(dòng)態(tài)發(fā)現(xiàn)算法，可有效量化由系統(tǒng)參數(shù)變化引起的水力瞬態(tài)特性差異，提高了快瞬變過(guò)程參數(shù)辨識(shí)精度。在此基礎(chǔ)上，研究構(gòu)建了融合知識(shí)嵌入的神經(jīng)網(wǎng)絡(luò)代理模型，提出了適用于瞬穩(wěn)態(tài)工況的自適應(yīng)在線(xiàn)狀態(tài)估計(jì)框架，有助于改善傳統(tǒng)辨識(shí)方法存在的時(shí)間滯后問(wèn)題。
學(xué)院梁永圖教授帶領(lǐng)研究團(tuán)隊(duì)，長(zhǎng)期從事液態(tài)能源管道運(yùn)行智能監(jiān)測(cè)領(lǐng)域研究，并取得了相關(guān)進(jìn)展，成果合作單位包括意大利米蘭理工大學(xué)、中國(guó)石油規(guī)劃總院、澳大利亞伍倫貢大學(xué)、法國(guó)巴黎文理大學(xué)，研究工作得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金、國(guó)家公派留學(xué)基金的資助。
《npj Artificial Intelligence》是Nature Portfolio（自然科研）旗下的自然合作刊物，旨在展示人工智能領(lǐng)域的前沿進(jìn)展，以及在人工智能范式內(nèi)提出的創(chuàng)新解決方案。該期刊由美國(guó)計(jì)算機(jī)協(xié)會(huì)杰出科學(xué)家聯(lián)合美國(guó)伊利諾伊大學(xué)、明尼蘇達(dá)大學(xué)、新加坡國(guó)立大學(xué)等高校教授擔(dān)任主編及編委團(tuán)隊(duì)。