本发明涉及湿度调控，具体涉及一种智能防潮箱湿度调控方法及系统。
背景技术：
1、随着电子产品、光学仪器、精密仪器、文物、药品等对储存环境湿度要求越来越高，湿度控制已经成为保护这些物品的重要环节。湿度过高容易导致电子元器件氧化、短路，光学仪器镜头发霉，药品变质，甚至文物的腐蚀；而湿度过低也可能导致某些材料的老化、干裂等问题。因此，为了在各种环境下保证这些物品的安全保存，防潮箱作为一种专业的储存设备，得到了广泛的应用。
2、传统的防潮箱通常通过物理吸湿材料或电子干燥装置来调控箱内湿度。然而，现有技术中的防潮箱在湿度调控方面存在以下问题：
3、（1）湿度调控精度不高：许多防潮箱湿度调控系统只能在较大的湿度范围内进行调节，难以满足对精密物品的严格湿度要求，特别是对某些湿度敏感物品，如光学仪器、半导体元件等，湿度的微小波动都可能造成不可逆的损害；
4、（2）湿度响应速度慢：现有的防潮箱在环境湿度发生变化时，往往不能及时调整箱内湿度，可能导致存储物品在短时间内暴露在不适宜的湿度环境中，增加了损坏风险；
5、（3）能耗较高：传统的电子干燥装置在调控湿度时，通常以恒定功率和周期工作，导致能源的浪费，增加了设备的运行成本；
6、（4）湿度监测不够智能：现有的防潮箱大多依赖简单的湿度传感器进行监测，调控系统缺乏智能化调节机制，无法根据环境变化等因素进行自适应的湿度控制，使用起来不够方便，灵活性不足。
7、为了解决上述问题，现有技术急需一种更加智能化、精确、快速且高效的湿度调控方法及系统，用于防潮箱的应用，以便更好地保护存储物品的安全性和质量。
技术实现思路
1、为了克服现有技术的不足，本发明提供一种智能防潮箱湿度调控方法及系统，用于解决现有防潮箱在湿度调控方面存在调控精度不高、响应速度慢、能耗较高以及不够智能的技术问题，实现更加智能化、精确、快速且高效的湿度调控。
2、为解决上述问题，本发明所采用的技术方案如下：
3、一种智能防潮箱湿度调控方法，包括以下步骤：
4、通过电容式湿度传感器基于优化lora实时监测防潮箱内部湿度，并根据历史箱内湿度变化情况动态调整电容式湿度传感器的采样频率；
5、将监测到的湿度值与目标湿度范围进行比较，得到实时湿度差异值；
6、当实时湿度差异值大于预设湿度差异值时，采用快速解耦模糊控制快速调整实时湿度差异值至预设湿度差异值；
7、当实时湿度差异值小于等于预设湿度差异值时，采用基于神经网络模型的预测控制器逐步调整湿度直至达到目标湿度范围内的一预设湿度值；
8、当监测到的湿度值超出目标湿度范围的次数达到预设值时，根据环境因素通过控制算法自适应优化加湿和除湿的工作周期，实现湿度的高效精准调控。
9、作为本发明优选的实施方式，在实时监测防潮箱内部湿度时，包括：
10、引入lora射频模块，并与传输控制器进行连接，构建射频层，在所述射频层定义通信协议工作频段；
11、在物理层定义通过扩频因子和带宽确定每个调频信号的连续时间，进行线性扩频调频；
12、在介质访问控制层通过扩频因子、编码率和带宽确定lora的传输速率；
13、休眠状态下，通过spi或uart接口进行通信，初始化后，无线通信模块进入待机和收发状态，并为所述无线通信模块配置载波频率；
14、初始化数据传输，根据环境参数生成控制指令，发送防潮箱实时湿度监测数据。
15、作为本发明优选的实施方式，在发送防潮箱实时湿度监测数据时，包括：
16、根据所需监测的防潮箱确定第一、第二随机数种子，并生成第三随机数种子；
17、将第一、第二以及第三随机数种子形成随机数序列加入到定时器中，用于实时湿度数据的加密；
18、其中，下一次发送时，更新第一、第二随机数种子，并生成新的第三随机数种子、新的随机数序列，将新的随机数序列用于实时湿度数据的加密。
19、作为本发明优选的实施方式，在根据环境参数生成控制指令时，包括：
20、根据历史箱内湿度变化情况生成不同的湿度监测指令，动态调整电容式湿度传感器的采样频率；
21、其中，动态调整过程包括：
22、构建用于动态调整采样频率的bp神经网络模型，并选取样本数据进行训练；
23、以初始采样频率进行数据采样，并将湿度采样值进行预处理后，输入到所述bp神经网络模型进行湿度预测，得到湿度预测值；
24、将所述湿度预测值与基于历史湿度数据生成的湿度阈值模型区间进行比较，动态调整采样频率。
25、作为本发明优选的实施方式，在构建bp神经网络模型时，包括：
26、在输入层设置个节点，用于接收预处理后的个湿度采样值；
27、在隐藏层设置个节点，选择函数作为激活函数，并将输入层和隐藏层之间的连接权值设置为；
28、在输出层设置个节点，选择函数作为激活函数，并将隐藏层和输出层之间的连接权值设置为；
29、在将湿度采样值进行预处理时，包括：
30、将湿度采样值进行工频干扰消除以及小波阈值去噪，得到去噪后的湿度采样值；
31、基于历史湿度数据均值、标准差，对所述去噪后的湿度采样值进行归一化。
32、作为本发明优选的实施方式，在采用快速解耦模糊控制快速调整时，包括：
33、根据实时湿度差异值与目标湿度范围，得到湿度偏差变化率；
34、将参数增益量、、的基本论域和模糊论域设定为目标值，并将实时湿度差异值、湿度偏差变化率结合量化因子后，与目标湿度范围一起作为输入量；
35、基于控制规则表和模糊推理，输出参数增益量、、，并与比例因子结合后，进行解模糊得到最终的参数增益量、、；
36、根据最终的参数增益量、、调整控制器中的、、参数。
37、作为本发明优选的实施方式，在采用基于神经网络模型的预测控制器逐步调整湿度时，包括：
38、构建预测控制器在控制时域下的未来输入序列；
39、将未来输入序列输入到预测控制器，得到预测时域下的控制输出；
40、其中，通过最小化目标函数得到目标控制序列，利用所述目标控制序列输出平滑控制信号，逐步调整湿度直至达到目标湿度范围内的一预设湿度值。
41、作为本发明优选的实施方式，在最小化目标函数得到目标控制序列时，包括：
42、为所述目标函数赋予一定的功率约束；
43、通过序列二次规划方法对所述目标函数进行最小化，得到一个在功率约束范围内的控制序列，如公式16所示：
44、 （16）；
45、式中，为控制周期内加湿模块的功率增量，为控制周期内除湿模块的功率增量，、、和、、分别为基于加湿模块、除湿模块控制下控制周期、、内湿度与预设湿度值之间的差值，、、和、、分别为加湿器、除湿器控制器的参数。
46、作为本发明优选的实施方式，在自适应优化加湿和除湿的工作周期时，包括：
47、将箱外温度、箱外湿度以及箱内温度作为输入，并利用三输入单输出的超闭球cmac网络进行映射，得到箱内湿度估计模型；
48、其中，通过滑动数据窗口进行输入数据采集，得到输入数据集合；
49、基于箱内外温度值、箱内外湿度值、箱体与外界的空气流速值，建立控制函数；
50、将所述箱内湿度估计模型输出的箱内湿度估计值输入到控制函数中，得到控制优化值；
51、基于所述控制优化值优化加湿和除湿的工作周期。
52、一种智能防潮箱湿度调控系统，包括：
53、采频动态调整单元：用于根据历史箱内湿度变化情况动态调整电容式湿度传感器的采样频率；
54、第一湿度调整单元：用于将监测到的湿度值与目标湿度范围进行比较，得到实时湿度差异值；当实时湿度差异值大于预设湿度差异值时，采用快速解耦模糊控制快速调整实时湿度差异值至预设湿度差异值；
55、第二湿度调整单元：当实时湿度差异值小于等于预设湿度差异值时，采用基于神经网络模型的预测控制器逐步调整湿度直至达到目标湿度范围内的一预设湿度值；
56、湿控优化单元：当监测到的湿度值超出目标湿度范围的次数达到预设值时，根据环境因素通过控制算法自适应优化加湿和除湿的工作周期，实现湿度的高效精准调控；
57、其中，通过电容式湿度传感器基于优化lora实时监测防潮箱内部湿度。
58、相比现有技术，本发明的有益效果在于：
59、（1）本发明通过引入lora射频模块构建射频层，并将射频层与物理层、介质访问控制层进行结合，实现防潮箱内湿度数据的实时监测与传输，从而能基于精准的实时湿度数据对防潮箱内的湿度进行准确调控；
60、（2）本发明构建用于动态调整采样频率的bp神经网络模型，以及基于历史湿度数据生成湿度阈值模型区间，通过bp神经网络模型输出湿度预测，并将湿度预测值与湿度阈值模型区间进行比较，根据比较结果动态调整采样频率，从而有效降低采样过程中所产生的采样误差，获得更为准确的湿度采样值；
61、（3）本发明通过对湿度采样值基于参考电容进行工频干扰消除以及小波阈值去噪，有效消除传感器电容信号的波动，并且更好地保留有用信号，从而获得更为有效的归一化数据，用于湿度预测；
62、（4）本发明当监测到的湿度值与目标湿度范围差异较大时，通过快速解耦模糊控制将实时湿度差异值快速调整至预设湿度差异值后（一级湿度调整），再配合基于神经网络模型的预测控制器对湿度进行精确调整（二级湿度调整），使得箱内湿度逐步靠近目标值，并精确地达到目标值；
63、（5）本发明通过为预测控制器构建未来输入序列，输入到预测控制器中获得预测时域下的控制输出，并通过最小化目标函数得到目标控制序列，从而利用目标控制序列输出平滑控制信号，使得箱内湿度逐渐且平滑靠近目标值，最终达到目标值，实现箱内湿度的精准调控；
64、（6）本发明通过构建箱内湿度估计模型进行箱内湿度估计，并结合控制函数输出控制优化值，用于优化加湿和除湿的工作周期，实现长期湿度的高效精准调控，并且优化了能耗。
65、下面结合附图和具体实施方式对本发明作进一步详细说明。
1.一种智能防潮箱湿度调控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能防潮箱湿度调控方法，其特征在于，在实时监测防潮箱内部湿度时，包括：
3.根据权利要求2所述的智能防潮箱湿度调控方法，其特征在于，在发送防潮箱实时湿度监测数据时，包括：
4.根据权利要求3所述的智能防潮箱湿度调控方法，其特征在于，在根据环境参数生成控制指令时，包括：
5.根据权利要求4所述的智能防潮箱湿度调控方法，其特征在于，在构建bp神经网络模型时，包括：
6.根据权利要求1-5任一项所述的智能防潮箱湿度调控方法，其特征在于，在采用快速解耦模糊控制快速调整时，包括：
7.根据权利要求6所述的智能防潮箱湿度调控方法，其特征在于，在采用基于神经网络模型的预测控制器逐步调整湿度时，包括：
8.根据权利要求7所述的智能防潮箱湿度调控方法，其特征在于，在最小化目标函数得到目标控制序列时，包括：
9.根据权利要求8所述的智能防潮箱湿度调控方法，其特征在于，在自适应优化加湿和除湿的工作周期时，包括：
10.一种智能防潮箱湿度调控系统，其特征在于，包括：
