一种基于人工智能的等离子空气净化器控制方法及系统

本发明公开了一种基于人工智能的等离子空气净化器控制方法及系统，其实时采集等离子空气净化器内部及周边环境数据，结合改进的PointNet++网络提取污染空间分布特征，构建包含污染浓度、设备参数等多维信息的知识图谱。创新采用图神经网络(GCN)建立工作参数与过滤效率的非线性映射模型，通过策略梯度强化学习算法动态优化电压、风速等关键参数组合，形成过滤效率最大化的策略库。引入多物理场耦合仿真技术验证策略可靠性，构建异构知识图谱，实现控制指令的快速生成与精准执行。通过数字孪生技术实时比对真实数据与孪生数据差异，动态调整强化学习策略，形成闭环优化系统。本发明显著提升等离子空气净化器的净化效率与能效比。