农业机械学报

作者：谢秋菊，王圣超，MUSABIMANA J，郭玉环，刘洪贵，包军

单位：东北农业大学,东北农业大学,东北农业大学,东北农业大学,东北农业大学,东北农业大学,

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

基金：国家自然科学基金面上项目（32072787、32372934）、东北农业大学东农学者计划项目(19YJXG02)和黑龙江省博士后项目（LBH-Q21070）

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CO2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，CO2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Double DQN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。

来源：2023年第11期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第11期