智能分布式湿度控制系统中的深度强化学习应用数据

试验数据包含11种策略无干扰下湿度试验数据，3种策略干扰下湿度试验数据。 通过STAR-CCM+软件（运行环境14.02.012）模拟了博物馆展厅的湿度环境，实验构建了12m（长）×8m（宽）×3m（高）的流体仿真模型。由于展厅的墙壁由隔热材料组成，室内和室外环境之间无热交换。展厅的入口和出口分别位于房间的前面和后面。在展厅的中央，两个文物架被放置在两个虚拟的隔断区域。在两个摆放文物的架子之间存在三条等宽的走廊。三台独立的恒湿机，分别放置在每个走廊的尽头。在房间内，21个湿度传感器均匀分布，以监测环境的湿度。在初始环境中，温度设定为25∘C，湿度设定为50%。湿度的目标设定值为40%（H_goal=40）。采集时间：2021.09-2022.02。采集地点：北京市海淀区北京邮电大学。

搜集汇总

背景与挑战

背景概述

该数据集记录了基于深度强化学习的智能分布式湿度控制系统试验数据，包含了无干扰条件下11种策略和干扰条件下3种策略的湿度仿真结果。数据通过STAR-CCM+软件构建12m×8m×3m的博物馆展厅流体模型，结合21个湿度传感器和3台恒湿机，在目标湿度40%条件下于2021年9月至2022年2月采集，共988.35MB、1147个文件，由北京邮电大学提供。