一种基于深度学习的恒温培养箱智能控制方法及系统

本发明公开了一种基于深度学习的恒温培养箱智能控制方法及系统，通过实时采集设备状态向量；利用改进的模型分析所述设备状态向量，预测培养过程中的环境参数需求趋势，得到预测结果；根据所述预测结果，通过DRL深度强化学习框架将控制策略建模为MDP马尔可夫决策过程，以最小化能耗和温度波动为目标函数，动态优化加热器、制冷器、加湿器和风机的功率分配，得到初始控制策略；利用模糊PID算法根据初始控制策略调整执行器功率，通过孤立森林模型实时监测传感器数据，当检测到异常时调整初始控制策略，得到目标控制策略。提前预判环境需求变化，解决了传统控制的滞后性问题。