发布时间：2026-05-22
天津市室内空气环境质量控制重点实验室主任刘俊杰教授2025年10月在高水平国际期刊《Energy and Buildings》（JCR Q1，IF=7.1），发表题为《A RL-based human behavior oriented optimal ventilation strategy for better energy efficiency and indoor air quality》的研究论文入选2026年5月更新的ESI高被引论文及热点论文，进入工程领域论文被引次数前0.1%行列。研究成果已被剑桥大学、新加坡国立大学，南洋理工大学、米兰大学，纽卡斯尔大学，上海交通大学、东南大学、华中科技大学、重庆大学等全球多个国家的相关科研单位引用。
入选ESI高被引论文及热点论文
芯片制造等工业洁净室及医药生物洁净室对超细颗粒物洁净度具有严格要求，例如在制药行业各国GMP法规都明确规定空气洁净度安全要求“零容忍”。洁净室通风普遍采用极端保守的静态冗余控制，导致洁净室HVAC系统能耗是民用建筑的100多倍以上，严重制约双碳目标的实现。
洁净室中即使操作人员都穿着洁净服和各种洁净护具，人行为仍然会产生大量细颗粒物和生物气溶胶直接影响洁净度和生物安全。传统的洁净通风采用固定的换气次数，但是固定规则控制在面对人行为产尘这种突发、非线性动态时，常出现多参数顾此失彼、响应滞后等问题，不得不按照可能的最不利工况冗余通风。针对这一挑战，刘俊杰教授团队首次将中国古代智慧融入AI实现变风量自适应智能通风。
传统模型预测控制（MPC）在理论上很优秀，但在面对真实环境动态变化时，往往因计算强度过大而面临实时部署的壁垒。团队另辟蹊径，创造性地引入了深度强化学习（DRL）。这项技术的精髓在于“试错成长”——它不依赖所有可能的未来模式，而是通过反复尝试、被环境“惩罚”或“奖励”，练就一副在未知情况下的最优决策能力。这完美契合了中国古代军事智慧的“知错能改，善莫大焉”。同时算法为了避免“一时冲动”采取“循序渐进”模式，通过基于Actor-Critic架构的近端策略优化（PPO）感知状态与奖励信号，持续修正其控制动作，实现了对高随机性环境的动态适应。深度强化学习算法与洁净室多区数字孪生模型相结合，使控制方式从“固定规则驱动”转向“状态感知与智能决策驱动”，有效处理多参数间的复杂非线性关系，实现协同优化。
研究框架：从实验数据到模型优化
论文第一作者是2022级直博生商文哲，合作者中也包括两位刘俊杰教授培养的已毕业博士生。
论文发表不到一年即获得来自美国，英国，新加坡，澳大利亚，德国，意大利，中国在内的26个国家的研究者组成的多个研究团队的35次SCI论文学术引用，相关成果已受到建筑节能、室内空气质量、智能HVAC、数字孪生等多个方向研究者的关注。
例如：剑桥大学Ajith Kumar Parlikad教授等在Indoor Air期刊发文指出，考虑人数及人行为的强化学习通风策略进一步证实了自适应气流调节的必要性，这种策略尤其适用于污染物产生和人员占用难以用固定时刻表明确描述的场景。东南大学建筑学院院长张彤教授团队在其发表在PLOS One期刊的论文中，也从机器学习预测建筑风环境和通风效率的角度，将此类数据驱动方法视为逐渐兴起的研究热点。米兰大学的Matteo Bodini教授在Sustainability期刊相关论文评价称，Shang等人证明了基于强化学习的通风控制能够同时提升能源效率和室内空气质量。
该研究针对洁净室这类特殊极端洁净环境能耗巨大、空气质量与压差安全难以协同的难题，提出了兼具工程可解释性与应用前景的强化学习控制框架。它突破了高能耗、被动监管的传统范式，首次将深度强化学习用于洁净环境主动控制，实现AI赋能自适应主动决策智慧通风。在我国推动高质量发展和数智化转型的背景下，融合中国古代智慧的新一代AI解决方案具有通用性，团队正推广至芯片制造洁净厂房良品率上升、公共空间IAQ提升、餐饮油烟排放净零排放，为可持续发展贡献天大智慧。
作者简介
团队负责人：刘俊杰，天津大学英才教授、博导，"室内空气环境质量控制"天津市重点实验室主任。国际室内空气质量与气候学会科学院会士(ISIAQ Academy of Fellows)、“暖通空调”杂志编委、全国洁净室及相关受控环境标准化技术委员会(SAT/TC319)委员兼副秘书长、中国工程建设标准化协会“洁净受控环境与实验室"专业委员会副主任委员。聚焦密闭空间（航空/航天/洁净室）空气环境、高效低碳净化技术、健康建筑与智慧能源三大研究方向，授权中国发明专利31项、国际专利1项；主编/参编国标3项、团标5项。获天津市科技进步一等奖、中国专利优秀奖、许钟麟净化科技奖等省部级以上奖励20余项。
论文引用格式：
Wenzhe Shang, Junjie Liu, Han Meng, Lizhi Jia, Xilei Dai, A RL-based human behavior oriented optimal ventilation strategy for better energy efficiency and indoor air quality, Energy and Buildings, Volume 345, 2025, 116072, ISSN 0378-7788, https://doi.org/10.1016/j.enbuild.2025.116072.
（来源：刘俊杰 编辑：田淑洁）
