[发明专利]一种基于强化学习的常压低氧舱气体浓度控制方法

权利要求书

1.基于强化学习的常压低氧舱气体浓度控制方法，其特征是：具体包括以下步骤：

步骤一、设定迭代次数N、初始化目标值D、动作奖励值R、氮气进气动作值ActionN2、空气进气动作值ActionO2、学习速率SS、贪婪系数Gr、折扣因子Dc和动作效用函数表Qt；

步骤二、初始化当前气体浓度值Scr和结束状态位Fsb；

步骤三、结束状态位Fsb为假值时，执行步骤四，否则，迭代次数N加1,执行步骤二；

步骤四、生成随机数Rd，判断所述随机数Rd是否大于贪婪系数Gr，如果是，则随机选择氮气阀门关闭，空气阀门打开，或空气阀门关闭，氮气阀门打开，执行步骤五；如果否，则比较动作效用函数表Qt中的奖励值R，选择奖励值R最大的动作执行，并将最大的奖励值记为该动作的预测值Pre；执行步骤五；

步骤五、计算当前动作奖励值R，具体过程为：

步骤五一、如果选择氮气阀门关闭，空气阀门打开，气体浓度状态改变，记为改变状态值Sch，判断Sch是否达到目标值D，如果是，则获得当前动作奖励值R；如果否，则Sch作为当前状态的气体浓度值Scr，获得当前奖励值R；

步骤五二、如果选择空气阀门关闭，氮气阀门打开，气体浓度状态改变，记为改变状态值Sch，判断改变状态后的气体浓度值Sch是否达到目标值D，如果是，获得当前奖励值R，如果否，则改变状态后的气体浓度值Sch作为当前状态的气体浓度值Scr，获得当前奖励值R；

步骤六、计算累加收益值RinM，根据气体浓度的改变状态，计算改变状态值Sch在动作效用函数表Qt中的最大奖励值；累加收益值RinM的计算方法为：

RinM＝Dc*max(Qt(Sch))

步骤七、计算结果值Rt，判断改变状态值Sch是否为目标值D，如果否，结果值等于当前奖励值R和累加收益值RinM的和；如果是，结果值等于当前奖励值R，结束位Fsb为真；

步骤八、更新动作效用函数表Qt，将改变状态值Sch更新为当前气体浓度值Scr，如果迭代次数N超过预设值，则结束；否则，返回执行步骤三。

2.根据权利要求1所述的基于强化学习的常压低氧舱气体浓度控制方法，其特征在于：步骤四中，随机选择氮气阀门关闭，空气阀门打开，或空气阀门关闭，氮气阀门打开；阀门打开的单位时间为t毫秒，t的值是参考低氧舱气体空间设定的。