基于深度强化学习的智能暖气温度控制系统

李涛; 魏庆来

doi:10.11959/j.issn.2096-6652.202037

您当前的位置：

首页 >

文章列表页 >

基于深度强化学习的智能暖气温度控制系统

专刊：深度强化学习 | 更新时间：2024-06-05

- 基于深度强化学习的智能暖气温度控制系统
- Intelligent heating temperature control system based on deep reinforcement learning
- 智能科学与技术学报 2020年2卷第4期页码：348-353
- 作者机构：
  
  1. 中国科学院自动化研究所复杂系统管理与控制国家重点实验室，北京 100190
  2. 中国科学院大学，北京 100049
- 作者简介：
  
  [ "李涛（1996- ），男，中国科学院自动化研究所复杂系统管理与控制国家重点实验室博士生，主要研究方向为深度强化学习、自适应动态规划、最优控制。" ]
  [ "魏庆来（1979-），男，博士，中国科学院自动化研究所研究员，复杂系统管理与控制国家重点实验室副主任，中国科学院大学岗位教授，青岛智能产业技术研究院智能技术创新中心主任，主要研究方向为自学习控制、平行控制、自适应动态规划、智能控制、最优控制及其工业应用。" ]
- 基金信息：
  
  国家自然科学基金资助项目;The National Natural Science Foundation of China(61722312);国家自然科学基金资助项目;The National Natural Science Foundation of China(62073321)
- DOI：10.11959/j.issn.2096-6652.202037
  中图分类号： TP301.6
- 网络出版日期：2020-12，
  
  纸质出版日期：2020-12-15
- 稿件说明：
移动端阅览
李涛, 魏庆来. 基于深度强化学习的智能暖气温度控制系统[J]. 智能科学与技术学报, 2020,2(4):348-353.

Tao LI, Qinglai WEI. Intelligent heating temperature control system based on deep reinforcement learning[J]. Chinese journal of intelligent science and technology, 2020, 2(4): 348-353.
李涛, 魏庆来. 基于深度强化学习的智能暖气温度控制系统[J]. 智能科学与技术学报, 2020,2(4):348-353. DOI： 10.11959/j.issn.2096-6652.202037.

Tao LI, Qinglai WEI. Intelligent heating temperature control system based on deep reinforcement learning[J]. Chinese journal of intelligent science and technology, 2020, 2(4): 348-353. DOI： 10.11959/j.issn.2096-6652.202037.

摘要

研究如何通过暖气设备自适应地调节室温，提升室内环境的舒适度，具有非常重要的意义。因此，提出了基于双深度Q网络方法的智能暖气温度控制系统，根据人的表情信息控制暖气设备的阀门开度，实时调整室温。首先，介绍针对原始输入状态的预处理算法。然后，设计通过双深度Q网络方法学习控制暖气设备阀门开度的最佳策略。最后，通过仿真结果验证提出的方法的有效性。

Abstract

It is of great significance to study how to adjust the room temperature adaptively through heating equipment to improve the comfort of the indoor environment.Therefore

a double deep Q network method was developed to control the valve opening of heating equipment to adjust the indoor temperature in real time via human expressions.Firstly

the preprocessing algorithm for the original input state was introduced.Secondly

a double deep Q network method was designed to learn the optimal control policy of the valve opening of heating equipment.Finally

simulation results were given to illustrate the effectiveness of the method proposed.

关键词

Keywords

references

HEDGE A , GAYGEN D E . Indoor environment conditions and computer work in an office [J ] . HVAC＆R Research , 2010 , 16 ( 2 ): 123 - 138 .

施志荣 , 康玉文 . 基于模糊自适应PID的分布式室温监控系统设计 [J ] . 齐鲁工业大学学报 , 2017 , 31 ( 1 ): 78 - 80 .

SHI Z R , KANG Y W . A control system design of distributed room temperature:based on fuzzy adaptive PID [J ] . Journal of Qilu University of Technology , 2017 , 31 ( 1 ): 78 - 80 .

高秀娟 . 集中供热系统室温控制策略研究 [D ] . 杭州:浙江大学 , 2014 .

GAO X J . Research on room temperature control strategy for central heating system [D ] . Hangzhou:Zhejiang University , 2014 .

李冰皓 . 暖气热量智能控制系统设计及算法研究 [D ] . 石家庄:河北科技大学 , 2015 .

LI B H . Intelligent control system design and algorithm study of heating calories [D ] . Shijiazhuang:Hebei University of Science and Technology , 2015 .

TSE W L , SO A T P . The importance of human productivity to air-conditioning control in office environments [J ] . HVAC＆R Research , 2007 , 13 ( 1 ): 3 - 21 .

王飞跃 , 曹东璞 , 魏庆来 . 强化学习:迈向知行合一的智能机制与算法 [J ] . 智能科学与技术学报 , 2020 , 2 ( 2 ): 101 - 106 .

WANG F Y , CAO D P , WEI Q L . Reinforcement learning:toward action-knowledge merged intelligent mechanisms and algorithms [J ] . Chinese Journal of Intelligent Science and Technology , 2020 , 2 ( 2 ): 101 - 106 .

BARRETT E , LINDER S . Autonomous HVAC control,a reinforcement learning approach [C ] // Joint European Conference on Machine Learning and Knowledge Discovery in Databases . Cham:Springer , 2015 : 3 - 19 .

张钹 . 人工智能进入后深度学习时代 [J ] . 智能科学与技术学报 , 2019 , 1 ( 1 ): 4 - 6 .

ZHANG B . Artificial intelligence is entering the post deep-learning era [J ] . Chinese Journal of Intelligent Science and Technology , 2019 , 1 ( 1 ): 4 - 6 .

孙长银 , 穆朝絮 . 多智能体深度强化学习的若干关键科学问题 [J ] . 自动化学报 , 2020 , 46 ( 7 ): 1301 - 1312 .

SUN C Y , MU C X . Important scientific problems of multi-agent deep reinforcement learning [J ] . IEEE/CAA Journal of Automatica Sinica , 2020 , 46 ( 7 ): 1301 - 1312 .

WEI T S , WANG Y Z , ZHU Q . Deep reinforcement learning for building HVAC control [C ] // Proceedings of the 54th Annual Design Automation Conference .[S.l.:s.n. ] , 2017 : 1 - 6 .

WEI Q L , LI T , LIU D R . Learning control for air conditioning systems via human expressions [J ] . IEEE Transactions on Industrial Electronics , 2020 ( 99 ): 1 .

DALAL N , TRIGGS B . Histograms of oriented gradients for human detection [C ] // 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition . Piscataway:IEEE Press , 2005 , 1 : 886 - 893 .

KAZEMI V , SULLIVAN J . One millisecond face alignment with an ensemble of regression trees [C ] // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition . Piscataway:IEEE Press , 2014 : 1867 - 1874 .

SOUKUPOVA T , CECH J . Eye blink detection using facial landmarks [C ] // The 21st Computer Vision Winter Workshop,Rimske Toplice,Slovenia .[S.l.:s.n. ] , 2016 .

浏览量

269

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

深度强化学习应用于金融市场量化交易研究综述

面向数字货币量化交易的OAC模型研究

基于双池DQN的HVAC无模型优化控制方法

基于TD3的电动汽车复合电源能量管理策略研究

智能博弈综述：游戏AI对作战推演的启示