Deep reinforcement learning-based position optimization model for intermediate discharge valves in a scroll compressor

Janggon Yoo

doi:10.1016/j.ijrefrig.2026.107136

Deep reinforcement learning-based position optimization model for intermediate discharge valves in a scroll compressor

2026-09-16

0

PRE

AI

DOI：10.1016/j.ijrefrig.2026.107136

原文链接

原文求助

摘要

En 中文

通过改变螺杆压缩机的吸气和排气压力可以控制加热和冷却循环。低压缩比引起的过压会导致功损失，并可能损坏螺杆结构。这种过压可以通过在制冷剂到达中央排气口之前通过中间排气阀（IDV）排出压缩制冷剂来防止。由于设计目标存在非线性，确定IDV的最佳位置以提供适当的压缩会耗时较长。本研究聚焦于使用深度强化学习（DRL）优化IDV的位置，使得对于任何给定的螺杆设计、IDV数量和压缩比，压缩功都能最小化。低阶数值模型计算气缸内的热力学状态和相应的压缩功，并作为DRL代理的环境。使用近端策略优化算法，代理学习到一种策略，能够逐步放置IDV而不产生几何重叠。在最优IDV位置下，气缸压力的时间曲线与无过压的理想压力曲线相似。此外，通过改变IDV数量并实施IDV安装成本函数，可以确定有效抑制过压所需的最少IDV数量。本研究提出的基于DRL的优化方法显著降低了螺杆压缩机和IDV的设计时间成本。

Keyword:

Deep reinforcement learning

Scroll compressor

Intermediate discharge valve

Design optimization

Deep reinforcement learning-based position optimization model for intermediate discharge valves in a scroll compressor

摘要

期刊

机构

引用论文