期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于深度强化学习的猪舍环境控制策略优化与能耗分析
1
作者 谢秋菊 王圣超 +3 位作者 musabimana j 郭玉环 刘洪贵 包军 《农业机械学报》 EI CAS CSCD 北大核心 2023年第11期376-384,430,共10页
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... 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CO_(2)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,CO_(2)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,总耗电量为11.4 kW·h,相较于传统温度阈值法可节省约7.39%。因此,本文构建的融合深度强化学习策略的控制系统有助于改善猪舍环境质量,提高养殖环境的自动化及智能化控制水平。 展开更多
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
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部