[发明专利]一种用于环境监测与控制的强化学习方法及系统

说明书

本发明实施例提供了一种用于环境监测与控制的强化学习方法及系统，方法包括：将现场实际环境映射为学习模型，所述学习模型是根据所述现场实际环境中智能体的状态、动作以及学习目标建立的；基于强化学习后的所述学习模型，对所述实际环境进行监测与控制，其中，所述强化学习后的所述学习模型是通过在线的全连接深度网络强化学习得到的。本发明实施例提供的一种用于环境监测与控制的强化学习方法及系统，通过在线的全连接深度网络强化学习方法智能实时对环境进行监测与控制，满足不同环境下的不同需求，降低运行成本具有自适应和预测能力，可应对各种复杂的展厅环境。

技术领域

本发明涉及环境监测技术领域，尤其涉及一种用于环境监测与控制的强化学习方法及系统。

背景技术

在各行业的生产、仓储等过程中，存在着大量对环境参数监测与调控的需求，其中最常见也是最重要的需求就是对环境中温度和湿度的监测与调控。例如在药品生产与储存、博物馆馆藏文物展示、运输与储藏、茶叶生产与储存、图书馆与美术馆作品展示与储藏，以及银行金库钱币储藏等应用场景，都涉及到对环境中温湿度的监测和调控需求。

当前，环境中温湿度的监测与调控模型大概分为两种。第一种模型是单机调控，例如在调控空间内部署独立的除湿机、加湿机、恒湿机、电暖器或空调等。这种调控模型中，温湿度的感知由设备自带的温湿度传感器实现，设备通过比较设置的温湿度调节目标和传感器感知的环境参数，进行温湿度调节动作，达到预期目标。第二种模型是温湿度监测调控系统，这种模型下，通常采用监测与调控单元分布式部署的方式，系统由调控主机系统和各个目标空间的控制系统等组成，通过各个单独空间的调控目标值和传感器感知的环境参数，进行分布式环境调控。

但上述现有技术的方案一方面由于监测单元的位置和数量限制，使得调控单元接收到的环境实时状况不精确、不全面，另一方面，环境调控单元的决策系统由PLC或者单片机构成，增加或者减低温湿度的决策采用简单的比较操作，无法实现精准、均匀和绿色节能等指标，因此现在亟需一种用于环境监测与控制的强化学习方法来解决上述问题。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的一种用于环境监测与控制的强化学习方法及系统。

第一方面本发明实施例提供一种用于环境监测与控制的强化学习方法，包括：

将现场实际环境映射为学习模型，所述学习模型是根据所述现场实际环境中智能体的状态、动作以及学习目标建立的；

基于强化学习后的所述学习模型，对所述实际环境进行监测与控制，其中，所述强化学习后的所述学习模型是通过在线的全连接深度网络强化学习得到的。

第二方面本发明实施例还提供一种用于环境监测与控制的强化学习系统，包括：

模型映射模块，用于将现场实际环境映射为学习模型，所述学习模型是根据所述现场实际环境中智能体的状态、动作以及学习目标建立的；

监测与控制模块，用于基于强化学习后的所述学习模型，对所述实际环境进行监测与控制，其中，所述强化学习后的所述学习模型是通过在线的全连接深度网络强化学习得到的。

第三方面本发明实施例提供了一种电子设备，包括：

处理器、存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述用于环境监测与控制的强化学习方法。

第四方面本发明实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述用于环境监测与控制的强化学习方法。