机械工程学院系列学术讲座：基于降阶模型与深度强化学习的流化床燃烧数字孪生建模与优化

主讲人：王帅 教授

讲座时间：10月24日（周六）14：00

讲座地点：24-113

报告人简介：王帅，浙江大学能源工程学院百人计划研究员，博士生导师，国家级海外高层次青年人才计划，能源高效清洁利用全国重点实验室固定成员，兼任浙江省工程热物理学会秘书长、智能工业软件协同创新方阵理事、中国能源研究会能源系统数字孪生专委会委员、中国颗粒学会颗粒计算专委会委员。研究领域包括：多相反应流动高效计算方法及工业软件研究、机理-数据融合的复杂反应系统数字孪生研究、化石燃料的高效清洁利用及反应器设计优化。在国际权威期刊上发表SCI论文100余篇，总被引5400余次。受邀担任国际/国内著名学术期刊Digital Twin Dynamics、Renewable and Sustainable Energy、Journal of Environmental Materials and Sustainable Energy、American Journal of Chemical Engineering、Energies、浙大学报（英文版）、煤炭学报等的青年编委/客座编辑，入选斯坦福全球前2%顶尖科学家。主持国家自然科学基金面上项目、国家重点研发计划课题/子课题、中央高校基本科研业务专项等项目。获得浙江省自然科学奖一等奖（排名3）、中国颗粒学会优秀博士学位论文奖、吴仲华奖励基金优秀学生奖等奖励及荣誉称号。

报告摘要：随着流化床装备大型化发展以及低碳化、智能化运行需求不断提升，传统计算流体力学（CFD）与颗粒尺度高保真模型虽然能够揭示复杂流动与反应机理，但在工业现场仍难以满足快速感知、实时预测与闭环决策的应用需求。同时，实际系统受限于测点数量，难以直接获取反应器内部三维全场信息，也难以支撑异常预警、参数优化及运行控制的实时闭环。针对上述问题，本研究构建了融合“高保真模拟数据-物理可解释降阶模型-稀疏测点全场重构-深度时序预测-强化学习优化控制”的数字孪生建模框架，实现了流化床稠密气固流动、传热与反应过程关键全场变量的快速预测与在线优化。该研究为复杂流态化系统从离线机理分析迈向实时感知、预测预警与主动优化控制提供了技术手段。