2024年8月24日，课题组学生林美金、寿洲鹏前往大连参加过程系统工程2024年会（以下简称“PSE年会”），并在会议上做报告。

   其中林美金同学报告的主题为“耦合分子指纹和拓扑指数的图神经网络预测氢氟烯烃的热力学性质”，主要探讨了通过耦合分子指纹和拓扑指数的图神经网络（FP-TI-GNN）来预测氢氟烯烃（HFO）的热力学性质的研究。报告首先介绍了有机朗肯循环（ORC）作为废热回收技术的潜力，并指出目前工质存在的温室效应问题以及新型氢氟烯烃工质开发的必要性。研究内容涵盖了通过构建包含大量分子物性的数据库，并利用FP-TI-GNN模型预测氢氟烯烃的关键热力学性质，如临界温度、临界压力和偏心因子等。实验结果表明，该模型具有较高的预测精度，能够有效应用于新型氢氟烯烃工质的设计。最后，PPT总结了研究的贡献，并展望了未来在ORC循环中进一步优化工质选择的研究方向。

   寿洲鹏同学汇报的主题为“大时滞系统的两阶段专家指导强化学习控制器训练策略”，主要探讨了在大时滞系统中，通过专家指导的两阶段强化学习训练策略来优化控制器性能。首先，介绍了时间延迟问题在工业控制中的挑战性，传统的控制方法如预测控制和时滞补偿虽然能部分解决问题，但在复杂动态环境中效果有限。为此，研究提出了一种新策略，即在第一阶段引入PID控制器作为专家，帮助DRL控制器快速学习基础控制策略，以适应复杂的系统动态；第二阶段则通过逐步增加训练难度，使DRL控制器超越专家，获得更优的控制效果。通过工业案例中的实验验证，该策略在应对大时滞问题时表现出显著优势，特别是在复杂工业场景下，其性能远超传统PID控制器。同时，还探讨了多阶段训练方法的不足，强调了两阶段训练策略的有效性。最后，总结了该策略在大时滞系统中的成功应用，并展望了未来在其他工业领域的应用潜力。

   8月25日进入到大会的颁奖阶段，林美金同学荣获2024年PSE年会“优秀论文一等奖”。