一种仓储环境湿度闭环控制系统、方法及介质与流程

本技术涉及仓储管理，尤其是涉及一种仓储环境湿度闭环控制系统、方法及介质。

背景技术：

1、随着现代物流、智能制造产业快速升级，立体仓库作为货物高密度存储、高效周转的核心基础设施，在电商零售、汽车零部件、医药冷链等领域应用规模持续扩大，其作业效率、存储安全性与运营稳定性已成为影响供应链流转效率的关键。尤其在多品类货物集中管理、大流量存取场景下，立体仓库需承载更高存储密度，满足医药、食品对温湿度及有害气体的严格要求，应对堆垛机、输送机、提升机等高负荷运行的可靠性需求，传统人工巡检、单点监测模式已难以适配智能立库的实时精准管控，构建多维度智能监测系统成为行业必然。

2、吨包、袋装物料等仓储物料普遍具备强吸湿性，仓储过程中受环境湿度、堆垛堆放形态、区域通风差异、仓库密闭死角等因素影响，极易出现受潮软化、板结结块、霉变变质等问题，直接影响物料存储质量与使用性能。

3、现有专利公开了一种物联网驱动的多维度仓储环境监控平台，包含多维环境数据采集单元、无线数据传输单元、多维异构数据融合处理单元、环境数据预测单元、智能决策与控制指令生成单元、执行机构驱动单元。通过分布式传感器阵列实时采集仓储环境温湿度、气体浓度等多维度参数，经自适应抗干扰无线传输后，利用多维异构环境参数分析模型完成数据融合与特征提取；基于优化长短时记忆网络预测环境数据，结合预设规则推理生成控制指令，驱动执行机构调节仓储环境。上述平台实现仓储环境多维度参数的全面监测、精准预测与智能调控，有效提升仓储管理效率与货物存储安全性。

4、上述中的现有技术方案存在以下缺陷：1.传统仓储多采用全域统一除湿、整体恒温调控模式，仅依赖单一温湿度传感器采集环境数据，受潮风险评估维度单一，预判准确性低，常产生局部高湿死角难以有效治理；

5、2.从未结合物料堆叠高度、层间间隙、堆放密实度等结构通风特征，未区分区域受潮差异，易造成大量设备长期空转，能耗偏高、资源浪费严重。

技术实现思路

1、针对现有技术存在的不足，本技术的目的是提供一种仓储环境湿度闭环控制系统、方法及介质，通过“密集+稀疏”的差异化策略监测仓储中易受潮区域；同时非接触式三维扫描物料堆垛，实时获取堆高、间隙、密度等空间结构数据，以生成动态热力图并执行分区差异化调控，从而提高环境温湿度的调控精准度，有效降低闭环调控能耗。

2、采用以下技术方案得以实现的：

3、第一方面，本技术提供一种仓储环境湿度闭环控制系统，包括：

4、感知采集层，用于在仓库全域空间设置差异化监测点，采集及清洗仓库温湿度和物料堆垛点云；

5、边缘计算层，用于时空融合仓库温湿度和物料堆垛点云，生成堆垛环境数据组，并结合物料吸湿参数，划分控湿优先级；

6、联动执行层，用于根据控湿优先级和湿度偏差量，联动仓库除湿设备，生成差异化控制指令。

7、通过采用上述技术方案，基于差异化监测点部署与时空融合算法，将仓库温湿度与堆垛点云数据结合物料吸湿参数动态划分控湿优先级，并利用偏差驱动联动除湿设备生成差异化指令，显著提升了仓库环境控制的精准性与能源利用效率。

8、进一步地，感知采集层，包括：

9、堆垛感知模块，用于对物料堆垛进行组合探测，采集初始堆垛形态点云；

10、形态分层模块，用于根据物料堆垛结构对初始堆垛形态点云进行解耦，划分堆垛布料区，确定堆料区风险级别；

11、监测布设模块，用于根据堆料区风险级别匹配物料监测策略，并在仓库全域空间设置差异化监测点；

12、环境检测模块，用于根据差异化监测点对堆垛布料区进行采集，得到初始堆垛温湿度；

13、数据清洗模块，用于根据采集时间戳对初始堆垛温湿度进行时序对齐及滤波去噪，得到仓库温湿度；同时对初始堆垛形态点云进行滤波去噪、离群点移除及体素降采样，得到物料堆垛点云。

14、通过采用上述技术方案，通过物料堆垛点云解耦划分堆垛布料区并确定风险级别，据此匹配差异化监测策略设置全域监测点，再经时序对齐与滤波清洗获取高精度的仓库温湿度与点云数据，显著提升了环境监测的针对性与数据可靠性。

15、进一步地，形态分层模块，包括：

16、层级分割单元，用于根据物料堆垛结构对初始堆垛形态点云进行分层，得到堆垛层点云，确定点云中心坐标；

17、聚类分离单元，用于根据点云中心坐标对堆垛层点云之间进行距离计算，得到层间间隙距离，并结合堆垛间距离阈值，分割独立堆垛点云簇；

18、边界生成单元，用于对独立堆垛点云簇进行区域生长，构建堆垛布料区；

19、形态提取单元，用于对独立堆垛点云簇进行特征解析，提取堆垛结构特征参数；堆垛结构特征参数包括堆垛绝对高度、堆垛层间缝隙厚度、局部表面曲率和物料堆放密度；

20、邻接关联单元，用于对堆垛布料区与堆垛结构特征参数进行映射融合，生成堆垛空间邻接拓扑图；

21、空间判定单元，用于根据仓库结构属性对堆垛空间邻接拓扑图进行划分及量化，构建空间耦合特征向量；

22、赋权评分单元，用于根据空间耦合特征向量对堆垛布料区进行检验，计算层间间隙率、平均湿度和湿度上升速率，并加权融合为堆垛综合分数；

23、风险分级单元，用于根据堆料区风险阈值区间对堆垛综合分数进行匹配，标记堆垛布料区风险级别；

24、若堆垛综合分数位于第一风险阈值区间，则判定当前堆垛布料区为高风险；

25、若堆垛综合分数位于第二风险阈值区间，则判定当前堆垛布料区为中风险；

26、若堆垛综合分数位于第三风险阈值区间，则判定当前堆垛布料区为低风险。

27、通过采用上述技术方案，基于堆垛点云分层聚类与形态特征提取，生成空间邻接拓扑并量化堆垛结构参数，结合湿度与上升速率加权融合为综合分数，实现堆垛风险的多级分级判定，显著提升了仓库环境精细化管控与防潮预警能力。

28、进一步地，边缘计算层，包括：

29、多源融合模块，用于对仓库温湿度和物料堆垛点云进行时间戳校准和空间坐标匹配，生成堆垛环境数据组；

30、物料场景模块，用于对不同品类物料的临界相对湿度、吸湿速率和结块临界参数进行关联，生成物料吸湿参数集，构建原料混合仓储场景；

31、风险评估模块，用于根据堆垛环境数据组和物料吸湿性等级，构建动态受潮风险权重函数，生成仓储全域湿度热力图；

32、控湿排序模块，用于根据仓储全域湿度热力图按照原料混合仓储场景，对堆垛布料区进行分级排序，标注控湿优先级。

33、通过采用上述技术方案，通过时间戳校准与空间匹配融合温湿度与点云数据，结合物料吸湿速率与结块临界参数构建动态风险权重函数，生成全域湿度热力图并划分控湿优先级，实现了仓储环境风险的精准评估与差异化解耦，显著提升了防潮预警的主动性与控湿资源分配的科学性。

34、进一步地，物料场景模块，包括：

35、参数录入单元，用于根据物料品类对临界相对湿度、吸湿速率和结块临界参数进行关联，得到物料吸湿参数集；

36、耦合关联单元，用于根据温度序列对物料吸湿参数集进行拟合，确定有效临界湿度阈值，计算风险累积指数，构建结块风险累积模型；

37、湿度分级单元，用于根据有效临界湿度阈值对物料进行相容性分级，标记物料湿度相容级别；

38、仓储约束单元，用于根据物料湿度相容级别结合物料挥发度，对物料之间进行交叉检验，生成堆存隔离规则库；

39、场景衍化单元，用于根据结块风险累积模型结合堆存隔离规则库，对物料堆垛进行模拟组合，构建原料混合仓储场景。

40、通过采用上述技术方案，基于物料吸湿参数与温度耦合构建结块风险累积模型，依据临界湿度进行相容性分级并生成堆存隔离规则库，通过模拟组合构建原料混合仓储场景，实现了物料堆存的科学隔离与风险预控，显著提升了仓储环境调控的精准性与物料储存安全性。

41、进一步地，风险评估模块，包括：

42、空间划分单元，用于对仓库全域空间进行网格划分，分配空间索引号，记录网格中心坐标及仓储功能区；

43、数据绑定单元，用于根据网格中心坐标，对堆垛环境数据组与仓储功能区进行映射，构建完整功能区；

44、独立量化单元，用于对堆垛环境数据组进行转化，计算湿度超量因子f1、通风间隙因子f2和堆高层级密闭因子f3；并对物料吸湿性等级进行映射，得到吸湿性级别因子f4；

45、函数构建单元，用于对各因子进行非线性加权运算，生成动态受潮风险权重函数rcell：

46、rcell=w1*f1+w2*f2+w3*f3+w4*f4+w12*f1*f2+w14*f1*f4，

47、其中，w1、w2、w3和w4为对应因子的主效应权重，w12*f1*f2为湿度-通风耦合项，w14*f1*f4为湿度-物料耦合项；

48、风险运算单元，用于根据动态受潮风险权重函数对完整功能区进行综合运算，得到区域受潮危险系数；

49、像素映射单元，用于根据空间索引号按照区域受潮危险系数，对完整功能区之间的过渡网格进行映射平滑，形成受潮风险场；

50、信息叠加单元，用于根据堆垛结构特征对受潮风险场进行信息标注，生成仓储全域湿度热力图。

51、通过采用上述技术方案，基于网格划分与多因子非线性加权（含湿度-通风、湿度-物料耦合项）构建动态受潮风险函数，生成区域危险系数并经空间插值平滑为连续风险场，结合堆垛结构标注形成仓库全域湿度热力图，实现了受潮风险的精细化动态评估与可视化，显著提升了仓储环境管控的精准性与决策效率。

52、进一步地，联动执行层，包括：

53、区域聚合模块，用于根据控湿优先级对仓库全域空间进行网格聚合，得到不同风险级别的同级调控区，并结合仓储全域湿度热力图，计算湿度偏差量；

54、任务排序模块，用于根据控湿优先级对同级调控区进行降序排列，得到初步控湿执行序列，并按照湿度偏差量进行同级内部修正，得到最终控湿执行序列；

55、设备检测模块，用于对不同级别的同级调控区的除湿设备进行查询，建立设备空间覆盖表，计算除湿空间重合度；

56、资源分配模块，用于根据设备空间覆盖表按照除湿空间重合度，对除湿设备进行分配，

57、若单台除湿设备无法完全覆盖，则分配多台除湿设备协同工作，并划分对应的网格责任区，

58、若不同的同优先级区域竞争同一台除湿设备，则优先分配至湿度偏差量更大或区域受潮危险系数更大的网格责任区，另一网格责任区分配次优覆盖设备，或排队等待当前设备释放；

59、指令生成模块，用于根据堆料区风险级别结合最终控湿执行序列，对除湿设备的运行模式进行预调控，生成设备运行参数，并转化为差异化控制指令。

60、通过采用上述技术方案，基于网格聚合与优先级排序算法，通过湿度偏差量修正执行序列，利用空间覆盖表与重合度计算分配除湿设备，实现多设备协同与冲突解决，最终生成差异化控制指令，显著提升了仓库环境控制的精准性与能效。

61、第二方面，本技术还提供一种仓储环境湿度闭环控制方法，采用以下技术方案；

62、一种仓储环境湿度闭环控制方法，包括：

63、在仓库全域空间设置差异化监测点，采集及清洗仓库温湿度和物料堆垛点云；

64、时空融合仓库温湿度和物料堆垛点云，生成堆垛环境数据组，并结合物料吸湿参数，划分控湿优先级；

65、根据控湿优先级和湿度偏差量，联动仓库除湿设备，生成差异化控制指令。

66、通过采用上述技术方案，基于多源传感器时空融合与物料吸湿参数建模，动态划分堆垛控湿优先级，并结合湿度偏差量驱动除湿设备联动，生成差异化控制指令，实现了仓库环境的精准节能调控。

67、第三方面，本技术还提供了一种存储介质，上述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上述方案中的仓储环境湿度闭环控制方法。

68、综上，本技术的有益技术效果为：

69、通过“密集+稀疏”的差异化策略布设低功耗lora温湿度传感器网络，重点监测易受潮区域。

70、通过非接触式三维扫描堆垛，实时获取堆高、间隙、密度等空间结构数据，生成动态热力图并执行分区差异化调控，提高了环境温湿度的调控精准度，并有效降低了调控能耗。