节约资源是我国的基本国策和“十四五”规划的重要目标。制造业的全面节能减排具有相当的重要性。压缩机、泵机等功率设备是制造业中能耗的重要来源,对其的节能研究具有重要意义。由于工业应用中压缩机系统的复杂性,优化控制在压缩机系统的节能问题中占据重要地位。随着数学、计算机科学的发展,机器学习在制造业中占有越来越重要的地位,无监督学习和监督学习方法在预测问题上取得了大量成果,机器学习在控制优化问题上也显示出巨大潜力。强化学习是专门为控制问题提出的机器学习方法,已经在多种游戏、模拟等领域取得了优秀表现。本文的工作的目的在于将强化学习方法引入工业优化控制过程,使机器学习的多种优点能够在工业领域优化控制问题得以发挥。强化学习在工业控制领域应用的主要问题在于,不同于游戏、模拟领域可以任意从失败数据中学习,工业设备必须保证始终在稳定条件下运行,从而限制了机器学习模型训练和优化的能力。为了解决这一问题,本文提出了一种强化学习训练流程,并用其实现了稳定最优控制。本文主要工作如下:1.提出了基于强化学习的双层结构预测控制模型。2.从数学上证明了此方法的稳定最优性质。本文首先阐述了强化学习理论和现代控制理论的数学形式,找出了它们之间的状态空间共同结构,并用以证明了双层结构预测控制模型的稳定最优性质。从而使得这一算法的工业应用成为可能。3.设计了此方法的具体实现。首先基于数学模型设计了此方法的仿真实验代码,然后基于仿真代码设计了能够在工业现场应用的代码。4.对算法进行了仿真测试和实地测试。实验表明算法能够顺利运行,且结果完全符合理论预测。研究结果表明,本文所提出的方法,实现了空气压缩机系统的预期控制方法。在给定的仿真环境中,本文所提出的方法收敛性良好。在实际运行中,能够稳定运行,取得了约13%的节能优化。