Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京邮电大学;北京鹏通高科科技有限公司张勇获国家专利权

北京邮电大学;北京鹏通高科科技有限公司张勇获国家专利权

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!

龙图腾网获悉北京邮电大学;北京鹏通高科科技有限公司申请的专利一种室内空间温度和湿度调控方法及系统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:CN115717758B

龙图腾网通过国家知识产权局官网在2025-12-02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:202211378174.2,技术领域涉及:F24F11/58;该发明授权一种室内空间温度和湿度调控方法及系统是由张勇;孙蕴琪;李怡萱;张修勇;郭达;柴玉昊;柴前进设计研发完成,并于2022-11-04向国家知识产权局提交的专利申请。

一种室内空间温度和湿度调控方法及系统在说明书摘要公布了:本发明提供一种室内空间温度和湿度调控方法及系统,以温湿度状态参数作为状态空间,以恒温恒湿机出风口风速档位作为动作空间,通过在源空间训练预训练得到源域深度强化学习模型;在目标空间中,每个执行器与其周边设定范围内的温湿度传感器构成局部控制组件,每个局部控制组件由独立的目标域智能体控制,每个目标智能体分别迁移学习源域深度强化学习模型进行参数微调和控制,以目标空间所有温湿度传感器采集的温度值和湿度值共同计算目标空间观测奖励值,以最大化未来多步目标空间观测奖励值为目标分别对各目标域智能体的源域深度强化学习模型进行训练,以快速适应对目标空间环境对温湿度的实现精准控制。

本发明授权一种室内空间温度和湿度调控方法及系统在权利要求书中公布了:1.一种室内空间温度和湿度调控方法,其特征在于,所述方法用于在目标空间的中心控制器上运行,所述中心控制器连接云端服务器,所述中心控制器通过物联网连接所述目标空间内的多个温湿度传感器和多个执行器,所述执行器为恒温恒湿机的出风口,每个执行器与其周边设定范围内的温湿度传感器构成局部控制组件,所述中心控制器上运行多个目标域智能体,每个目标域智能体用于控制目标空间内一个局部控制组件,该方法包括以下步骤: 从所述云端服务器上获取基于源空间预训练得到的源域深度强化学习模型,所述源域深度强化学习模型以源空间内多个温湿度传感器按照指定间隔时间采集的温度值和湿度值作为状态参数构成源空间状态空间,源空间内以源空间设定湿度和源空间设定温度运行的各执行器的风速档位作为动作参数构成源空间动作空间;根据所述状态参数计算源空间观测奖励值;所述源域深度强化学习模型以最大化未来多步源空间观测奖励值之和为优化目标对初始强化学习模型进行训练和参数更新直至收敛得到; 将所述源域深度强化学习模型迁移分发至目标空间内的各目标域智能体,在深度强化学习过程中,每个目标域智能体以其控制的局部控制组件中多个温湿度传感器按照指定间隔时间采集的温度值和湿度值作为状态参数构成目标域局部状态空间,以目标空间设定湿度和目标空间设定温度运行的各执行器的风速档位作为动作参数构成目标域局部动作空间;计算目标空间内所有温湿度传感器的实际湿度值与所述目标空间设定湿度的第一湿度精度偏差,以及各实际湿度值之间的第一湿度均匀度偏差;计算目标空间内所有温湿度传感器的实际温度值与所述目标空间设定温度的第一温度精度偏差,以及各实际温度值之间的第一温度均匀度偏差;根据每个时间步对应的所述第一湿度精度偏差、所述第一湿度均匀度偏差、所述第一温度精度偏差和所述第一温度均匀度偏差计算目标空间观测奖励值;每个目标域智能体以最大化未来多步目标空间观测奖励值之和优化目标对所述源域深度强化学习模型进行训练和参数更新直至收敛; 所述源域深度强化学习模型的训练步骤包括: 将初始强化学习模型分别发送至多个源域智能体,每个源域智能体用于控制一个执行器及其周边设定范围内的温湿度传感器;每个源域智能体以其控制的多个温湿度传感器按照指定间隔时间采集的温度值和湿度值作为状态参数构成源域局部状态空间; 每个源域智能体以其控制的执行器的风速档位作为动作参数构成源域局部动作空间; 计算源空间内所有温湿度传感器的实际湿度值与所述源空间设定湿度的第三湿度精度偏差,以及各实际湿度值之间的第三湿度均匀度偏差;计算源空间内所有温湿度传感器的实际温度值与所述源空间设定温度的第三温度精度偏差,以及各实际温度值之间的第三温度均匀度偏差; 根据每个时间步对应的所述第三湿度精度偏差、所述第三湿度均匀度偏差、所述第三温度精度偏差和所述第三温度均匀度偏差计算源空间观测奖励值; 每个源域智能体端到端地获取整个源空间的源空间观测奖励值,以最大化未来多步源空间观测奖励值之和为优化目标对每个源域智能体的初始强化学习模型进行训练和参数更新直至收敛,并将各源域智能体更新后的模型参数进行聚合,得到所述源域深度强化学习模型。

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邮电大学;北京鹏通高科科技有限公司,其通讯地址为:100876 北京市海淀区西土城路10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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。