基于深度强化学习的猪舍环境控制策略优化与能耗分析.pdfVIP

2023年11月农业机械报第54卷第11期

doi:10.6041/jissn.1000-1298.2023.11.036

基于深度强化学习的猪舍环境控制策略优化与能耗分析

谢秋菊1王圣超MUSABIMANAJ郭玉环1刘洪贵2.3

包军2.4

（1.东北农业大学电气与信息学院，哈尔滨150030；2.东北农业大学动物科学技术学院，哈尔滨150030；

3.农业农村部生猪养殖设施重点实验室，哈尔滨150030；4.教育部北方寒区智能化繁育与养殖工程研究中心，哈尔滨150030）

摘要：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（Doubledeep

Q-Network，DoubleDQN）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DoubleDQN控制策

略的舍内温度、相对湿度、NH,浓度和CO,浓度更接近期望值（期望温度为19℃，相对湿度为75%，NH,浓度（体积

比）为10μL/L,CO,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226ms和140.4ms，监

测与控制延迟较小，稳定性较强。在DoubleDQN控制策略下，一天内3台风机总运行时长为28.01h，总耗电量为

11.4kW·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。

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

文献标识码：AOSID:

中图分类号：S828；TP273文章编号：1000-1298（2023）11-0376-09

PigBuildingEnvironmentOptimizationControlandEnergyConsumption

AnalysisBasedonDeepReinforcementLearning

:2,3.2.4

XIEQiujuWANGShengchaoMUSABIMANAJGUOYuhuanLIUHongguiBAOJun

(1.CollegeofElectricalandInformation,NortheastAgriculturalUniversity,Harbin150030,China

2.CollegeofAnimalScienceandTechnology,NortheastAgriculturalUniversity,Harbin150030,China

3.KeyLaboratoryofPigBreedingFacilitiesEngineering,MinistryofAgricultureandRuralAffairs,Harbin150030,China

4.EngineeringResearchCenterofPigIntelligentBr