买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院)申请的专利用于温湿度控制的内置深度强化学习模型的智能控制单元获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116126064B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310190804.1，技术领域涉及：G05D27/02；该发明授权用于温湿度控制的内置深度强化学习模型的智能控制单元是由张冀聪设计研发完成，并于2021-02-02向国家知识产权局提交的专利申请。

本用于温湿度控制的内置深度强化学习模型的智能控制单元在说明书摘要公布了：提供了一种用于温湿度控制的内置深度强化学习模型的智能控制单元，根据接收到的细胞培养腔室的实时温湿度、目标温度、目标湿度以及预定阈值范围，控制执行机构开启或断开细胞培养腔室中的加湿器、干燥器、制冷器以及加热器中的至少一个，以及控制加湿器、干燥器、制冷器以及加热器中的所述至少一个的工作时间。本发明可有效解决温湿度控制强耦合问题且调控精度高，响应快，可在电能消耗最小化的同时快速达到目标温湿度，还可以在达到目标温湿度后使温湿度的波动范围减小。

本发明授权用于温湿度控制的内置深度强化学习模型的智能控制单元在权利要求书中公布了：1.一种用于温湿度控制的内置深度强化学习模型的智能控制单元，其特征在于所述智能控制单元根据接收到的细胞培养腔室的实时温湿度、目标温度、目标湿度以及预定阈值范围，控制执行机构开启或断开细胞培养腔室中的加湿器、干燥器、制冷器以及加热器中的至少一个，以及控制加湿器、干燥器、制冷器以及加热器中的所述至少一个的工作时间；其中，所述深度强化学习模型通过以下方法获得：a.设置深度强化学习模型的待优化目标函数和约束条件，该待优化目标函数如公式1所示，含义为最小化达到目标稳定状态消耗的电能以及使用的时间t0，式中pi表示实际参与工作的组件消耗的电能，λ是调和系数；所述约束条件如公式2所示，含义为达到目标稳定状态后温湿度的波动范围在预定阈值范围内，Tbest、RHbest分别表示设置的目标温度和目标湿度；Δt、ΔRH分别表示温度和湿度波动范围，temptt0表示达到目标稳定状态后的温度，RHumitytt0表示达到目标稳定状态后的湿度，t为当前时间； b.训练深度强化学习模型b1设置深度强化学习模型总的迭代次数Ne、每次迭代点的探索次数T、动作网络参数学习率ηa，策略网络参数学习率ηc；b2采用服从0-1的高斯分布随机初始化Actor网络As；θa和Critic网络Cs,a；θc的参数，分别记为θa，θc，其中θa为Actor网络的参数，θc为Critic网络的参数，s为当前环境温湿度输入状态，a为执行动作且为一个行向量；b3开启第一次迭代，并且计数K＝1；b3.1开启第一次探索，并且计数n＝1；b3.2根据当前环境温湿度状态st，Actor网络将st作为输入，经过网络函数As；θa|s＝st下产生一组执行动作at；b3.3执行完at后，细胞培养腔室的环境状态发生了改变，温湿度检测点发现新状态为st+1，根据公式3得到一个及时奖励rt，rt为Rewardt； 式中M1,M2,M3,M4分别为各项的惩罚因子；b3.4at和当前环境温湿度状态st联合作为输入到Critic网络，经过Cs,a；θc|s＝st,a＝at作用后产生一个评估Ct；b3.5根据公式4计算Actor网络As；θa中参数θa的梯度并且更新参数θa， b3.6根据公式5计算Critic网络Cs,a；θc中参数θc的梯度，并且更新参数θc， 其中，为Rewardt，通过公式3计算得到；b3.7环境状态完成更新st←st+1；b3.8探索次数计数更新n←n+1；b3.9重新执行过程b3.2-b3.8，直到n＞T，完成这次探索过程；b4更新迭代计数，K←K+1；b5重新执行b3.1-b3.9和b4，直到K＞Ne，完成深度强化学习模型DRL的训练；c.将训练好的深度强化学习模型置入所述智能控制单元。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院)，其通讯地址为：230012 安徽省合肥市合肥新站高新区文忠路999号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。