一种基于图神经网络的废气处理设备寻优控制方法

本发明提供了一种基于图神经网络的废气处理设备寻优控制方法，属于基于强化学习的废气处理控制技术领域；首先通过部署多源传感器采集工业废气处理系统中各设备的实时运行数据，设计构建设备拓扑图；然后设计物理信息图注意力网络对设备拓扑图进行多层图卷积与注意力聚合，输出图级状态向量；将图级状态向量输入训练完成的策略网络获得最优动作向量；策略网络与价值网络构建时，以设计的动态可调响应区间作为动态动作空间，通过带安全约束的奖励函数引导策略网络学习；本发明克服了现有深度学习方法将设备视为孤立节点、忽略传递延迟与质量守恒导致的局部最优问题，并克服现有强化学习方法动作空间固定、忽略设备拓扑、难以满足安全约束的缺陷。