| 基于深度强化学习的猪舍环境控制策略优化与能耗分析 |
| |
| 引用本文： | 谢秋菊,王圣超,MUSABIMANA J,郭玉环,刘洪贵,包军.基于深度强化学习的猪舍环境控制策略优化与能耗分析[J].农业机械学报,2023,54(11):376-384，430. |
| |
| 作者姓名： | 谢秋菊 王圣超 MUSABIMANA J 郭玉环 刘洪贵 包军 |
| |
| 作者单位： | 东北农业大学 |
| |
| 基金项目： | 国家自然科学基金面上项目（32072787、32372934）、东北农业大学东农学者计划项目(19YJXG02)和黑龙江省博士后项目（LBH-Q21070） |
| |
| 摘 要： | 在规模化的生猪养殖生产中，环境质量对于猪群的健康及生长发育至关重要。为实现猪舍环境精准调控，以STM32单片机为核心，构建了基于物联网的猪舍环境智能控制系统；同时提出了基于双深度Q网络(Double deep Q-Network, Double DQN)的猪舍环境优化控制策略。通过在实际猪舍中运行结果表明，舍内平均温度和相对湿度可控制在(20.53±1.72)℃和(74.16±7.84)%。与传统基于温度阈值的控制策略相比，基于Double DQN控制策略的舍内温度、相对湿度、NH3浓度和CO2浓度更接近期望值(期望温度为19℃,相对湿度为75%,NH3浓度(体积比)为10μL/L,CO2浓度(体积比)为800μL/L),舍内温度和相对湿度最大相对误差分别低于温度阈值控制策略3.7%和2.5%。此外，该系统传感器监测数据上传和控制指令下发的平均延迟时间分别为226 ms和140.4 ms,监测与控制延迟较小，稳定性较强。在Double DQN控制策略下，一天内3台风机总运行时长为28.01 h,总耗...
|
| 关 键 词： | 猪舍环境 物联网控制系统 节能 优化控制策略 深度强化学习 |
| 收稿时间： | 2023/5/12 0:00:00 |
Pig Building Environment Optimization Control and Energy Consumption Analysis Based on Deep Reinforcement Learning |
| |
| XIE Qiuju,WANG Shengchao,MUSABIMANA J,GUO Yuhuan,LIU Honggui,BAO Jun.Pig Building Environment Optimization Control and Energy Consumption Analysis Based on Deep Reinforcement Learning[J].Transactions of the Chinese Society of Agricultural Machinery,2023,54(11):376-384，430. |
| |
| Authors: | XIE Qiuju WANG Shengchao MUSABIMANA J GUO Yuhuan LIU Honggui BAO Jun |
| |
| Affiliation: | Northeast Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | pig building environment Internet of Things control system energy saving optimal control strategy deep reinforcement learning |
|
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
|
点击此处可从《农业机械学报》下载全文 |
