[发明专利]一种基于策略的Q-Learning算法控制松散回潮热风温度的方法

权利要求书

1.一种基于策略的Q-Learning算法控制松散回潮热风温度的方法，其特征在于：所述的一种基于策略的Q-Learning算法控制松散回潮热风温度的方法包括以下步骤：步骤1.数据准备，步骤2.数据处理.步骤3.离线训练策略选择器.步骤4.评估策略选择器训练结果，步骤5.部署应用。

2.根据权利要求1所述的一种基于策略的Q-Learning算法控制松散回潮热风温度的方法，其特征在于：所述的步骤1数据准备采用以下具体方法实现：一批次的松散回潮前水分仪到料尾水分检测花费了为t min，以稳态时间计算,数据采集系统每1s检测一次数据,每批次采集60t条数据，松散回潮所有传感器及执行器信息总量为n，因此可以建立一个nX60t矩阵，随机选用数采系统上的m批次数据，将数据修整为nX60t，因此，可以建立一个mXnX60t的3维张量。

3.根据权利要求1或2所述的一种基于策略的Q-Learning算法控制松散回潮热风温度的方法，其特征在于：所述的步骤2数据处理，将其离散为[60.0,60.1,…,69.9,70.0],此为可能的温度设定值；

将松散回潮热风散热器蒸汽开度0-100％离散为[0.0,0.1,0.2,…,99.9,100.0]，此为可能的风散热器蒸汽开度；

将松散回潮排潮风门开度0-100％离散为[0.0,0.1,0.2,…,99.9,100.0]，此为可能的排潮风门开度；

将松散回潮新风风门开度0-100％离散为[0.0,0.1,0.2,…,99.9,100.0]，此为可能的新风风门开度；

将热风温度设定值SP与其实际值PV比较，如果偏差较大则给予惩罚，偏差较小给予奖励；则可以用一分段函数表示如下：

。

4.根据权利要求3所述的一种基于策略的Q-Learning算法控制松散回潮热风温度的方法，其特征在于：所述的步骤4,采用以下技术方案实现：

其中Y_i＝r_i+γmax(Q(s_i,a_i)),为策略选择器的计算结果输出值。

5.根据权利要求4所述的一种基于策略的Q-Learning算法控制松散回潮热风温度的方法，其特征在于：所述的步骤5采用以下技术方案实现的：计算服务器提取数据采集系统数据库中的数据，运算程序，计算并给出最优控制策略π*，并将结果发送至现场PLC，PLC控制松散回潮执行机构控制热风散热器蒸汽开度、回潮排潮风门开度、松散回潮新风风门开度，程序持续运行，在一定时间周期T内对以上控制参数进行调节。