一种机柜的温湿度控制方法、系统及存储介质

技术领域

本申请涉及电气柜温湿度控制的技术领域，尤其是涉及一种机柜的温湿度控制方法、系统及存储介质。

背景技术

机柜是用于容纳电气或电子设备的独立式或自支撑的机壳。机柜是电气设备中不可或缺的组成部分，是电气控制设备的载体。一般由冷轧钢板或合金制作而成。可以提供对存放设备的防水、防尘、防电磁干扰等防护作用。机柜一般分为服务器机柜、网络机柜、控制台机柜等。

优质的机柜意味着保证计算机可以在良好的环境里运行。所以，机柜所起到的作用同样重要。机柜系统性地解决了计算机应用中的高密度散热、大量线缆附设和管理、大容量配电及全面兼容不同厂商机架式设备的难题，从而使数据中心能够在高稳定性的环境下运行。因此，现有的机柜对内部的工作环境参数具有高要求，例如，机柜内的温度和湿度等工作参数，需要时刻维持在设备所需的数值范围内。

目前机柜内的湿度控制和温度控制是两个独立的模块，在加热、散热、除湿和增湿多个功能切换发明很难做到同时控制或者联动控制，但是两者是相互影响的，温度控制的过程中会影响湿度控制的参数，湿度控制的过程中会影响温度控制的参数，这让独立的温度模块或者湿度模块控制机柜内参数的控制精度被降低了，因此，机柜内的温度和湿度的控制精度有待提高。

发明内容

为了提升机柜内的温度和湿度的控制精度，本申请提供一种机柜的温湿度控制方法、系统及存储介质。

第一方面，本申请提供一种机柜的温湿度控制方法，采用如下的技术方案：

一种机柜的温湿度控制方法，包括如下步骤：

获取机柜内的第一实时温度值和第一实时湿度值；

若所述第一实时温度值低于预设的第一设定温度值，则生成低温信号；基于所述低温信号根据预设的第一升温算法计算得到第一升温数据；

若所述第一实时湿度值高于预设的第一设定湿度值，则生成潮湿信号；基于所述潮湿信号根据预设的第二升温算法计算得到第二升温数据；

若所述第一实时温度值高于预设的第二设定温度值，则生成高温信号；基于所述高温信号根据预设的第一降温算法计算得到第一降温数据；

若所述第一实时湿度值低于预设的第二设定湿度值，则生成干燥信号；基于所述干燥信号根据预设的第二降温算法计算得到第二降温数据；

根据所述第一升温数据与所述第二升温数据使用预设的第一融合算法计算出发热数据，根据所述第一降温数据和所述第二降温数据使用预设的第二融合算法计算出制冷数据；

根据所述发热数据控制加热器输出热量，根据所述制冷数据控制制冷器输出冷量。

通过采用上述技术方案，根据实时测量的温度和湿度数值，通过算法生成对应的低温、潮湿、高温、干燥等信号，再结合温度和湿度生成升温数据或者降温数据，最终再通过融合算法，将上述计算出的升温数据进行融合得到发热数据，将上述计算出的降温数据进行融合得到制冷数据；因此根据计算出发热数据和制冷数据，以实现机柜内的实时温度和湿度值来动态地调整加热器和制冷器的输出，以保持机柜内的环境在预设的范围内。

可选地，方法还包括如下步骤：

所述第一升温算法包括：

计算所述第一设定温度值与所述第二设定温度值的差值为温度设定差值；

计算所述第一实时温度值与所述第一设定温度值的温度实时差值；

根据所述温度设定差值与所述温度实时差值使用加权平均算法得到第一升温数据；温度设定差值的权值+温度实时差值的权值=1，第一升温数据=温度设定差值的权值×温度设定差值+温度实时差值的权值×温度实时差值；

所述第二升温算法包括：

计算在最近的第一区间时间段内，所述第一实时湿度值的变化积分值为湿度积分差值；

计算所述第一实时湿度值与所述第一设定湿度值的湿度实时差值；

根据所述湿度积分差值与所述湿度实时差值使用加权平均算法得到第二升温数据；第二升温数据=湿度积分差值的权值×湿度积分差值+湿度实时差值的权值×湿度实时差值；湿度积分差值的权值+湿度实时差值的权值=1；

所述第一降温算法包括：

计算在最近的第二区间时间段内，所述第一实时温度值的变化积分值为温度积分差值；

计算所述第一实时温度值与所述第一设定温度值的温度实时差值；

根据所述温度积分差值与所述温度实时差值使用加权平均算法得到第一降温数据；第一降温数据=温度积分差值的权值×温度积分差值+温度实时差值的权值×温度实时差值；温度积分差值的权值+温度实时差值的权值=1；

所述第二降温算法包括：

计算所述第一设定湿度值与所述第二设定湿度值的差值为湿度设定差值；

计算所述第一实时湿度值与所述第一设定湿度值的湿度实时差值；

根据所述湿度设定差值与所述湿度实时差值使用加权平均算法得到第二降温数据；第二降温数据=湿度设定差值的权值×湿度设定差值+湿度实时差值的权值×湿度实时差值；湿度设定差值的权值+湿度实时差值的权值=1。

通过采用上述技术方案，针对第一升温算法、第二升温算法、第一降温算法、第二降温算法，均采用加权平均的计算方式进行实时计算。

可选地，方法还包括如下步骤：

所述第一融合算法为加权平均算法；发热数据=第一升温数据×第一升温数据的权值+第二升温数据×第二升温数据的权值；其中，第一升温数据的权值+第二升温数据的权值=1；

计算最近的所述发热数据与最新的所述第一升温数据的第一匹配度；

根据所述第一匹配度反相关调节所述第一融合算法中所述第一升温数据的权值；所述第一匹配度越大，所述第一融合算法中所述第一升温数据的权值越小；所述第一匹配度越小，所述第一融合算法中所述第一升温数据的权值越大；

计算最近的所述发热数据与最新的所述第二升温数据的第二匹配度；

根据所述第二匹配度正相关调节所述第一融合算法中所述第二升温数据的权值，所述第二匹配度越大，所述第一融合算法中第二升温数据的权值越大，所述第二匹配度越小，所述第一融合算法中第二升温数据的权值越小；

所述第二融合算法为加权平均算法；降温数据=第一降温数据×第一降温数据的权值+第二降温数据×第二降温数据的权值；其中，第一降温数据的权值+第二降温数据的权值=1；

计算最近的所述制冷数据与最新的所述第一降温数据的第三匹配度；

根据所述第三匹配度正相关调节所述第二融合算法中所述第一升温数据的权值；所述第三匹配度越小，所述第二融合算法中所述第一升温数据的权值越大；所述第三匹配度越大，所述第二融合算法中所述第一升温数据的权值越小；

计算最近的所述制冷数据与最新的所述第二降温数据的匹配度；

根据所述匹配度反相关调节所述第一融合算法中所述第二升温数据的权值，所述匹配度越大，所述第二升温数据的权值越小；所述匹配度越小，所述第二升温数据的权值越大。

通过采用上述技术方案，针对第一融合算法和第二融合算法，使用加权平均算法，并根据匹配度来动态调整权值。

可选地，方法还包括如下步骤：

获取所述机柜内的实时风阻；

根据所述实时风阻实时调节湿度实时差值的权值；湿度实时差值的权值’=（1+a1×实时风阻）×湿度实时差值的权值，其中，a1为调节参数，湿度实时差值的权值’为调节后的湿度实时差值的权值；

根据所述实时风阻实时调节温度实时差值的权值；温度实时差值的权值’=（1+a2×实时风阻）×温度实时差值的权值，其中，a2为调节参数，温度实时差值的权值’为调节后的温度实时差值的权值；其中，a1大于a2。

通过采用上述技术方案，比如，利用空气阻力传感器测量车的实时风阻。根据实时风阻来实时调节权值。风力影响湿度快，影响温度慢，因此a1大于a2。使用了两个调节参数a1和a2来分别调整湿度实时差值和温度实时差值的权值。调节后的权值被限制在0到1之间，以确保有效性和合理性。

可选地，方法还包括如下步骤：

基于所述第一实时温度值，计算所述第一实时温度值的实时升温速度；

获取预设升温速度；

根据所述实时升温速度与所述预设升温速度，计算所述机柜内的升温温阻；

升温温阻=（预设升温速度-实时升温速度）/预设升温速度；

根据所述升温温阻，反相关调节所述温度实时差值的权值；所述升温温阻越大，所述温度实时差值越小，所述升温温阻越小，所述温度实时差值的权值越大。

通过采用上述技术方案，由于热力对于温度的影响较快，而对湿度的影响较慢，因此，通过计算升温温阻，来反相关调节温度实时差值的权值。

可选地，方法还包括如下步骤：

基于所述第一实时温度值，计算所述第一实时温度值的实时降温速度；

获取预设的降温速度；

根据所述实时降温速度与所述预设降温速度，计算所述机柜内的降温温阻；

降温温阻=（预设降温速度-实时降温速度）/预设降温速度；

根据所述降温温阻，反相关调节所述温度实时差值的权值；所述降温温阻越大，所述温度实时差值的权值越小，所述降温温阻越小，所述温度实时差值的权值越大。

通过采用上述技术方案，通过计算降温温阻，来反相关调节温度实时差值的权值，如果降温的温阻大，说明温度降低的速度慢，则需要增大温度实时差值的权值，以降低降温的阻力，从而有利于使得温度快速达到所需的要求。

可选地，方法还包括：

根据所述第一实时湿度值，计算所述第一实时湿度值的实时加湿速度；

获取预设加湿速度；

根据所述实时加湿速度和所述预设加湿速度，计算加湿阻力；

加湿阻力=（预设加湿速度-实时加湿速度）/预设加湿速度；

根据所述加湿阻力，正相关调节所述加湿器的喷雾开关大小；所述加湿阻力越大，所述加湿器的喷雾开关越大，所述加湿阻力越小，所述加湿器的喷雾开关越小。

通过采用上述技术方案，通过计算加湿阻力，正相关调节加湿器的喷雾开关大小；加湿阻力越大，说明需要增大加湿器的喷雾开关以产生更多的雾气，从而提高湿度，以免机柜内的材料硬化开裂，且合理的湿气还有利于减少静电问题；反之，减小喷雾开关，以免潮湿程度过大带来的安全隐患；比如，短路引发的火灾问题，腐蚀和锈蚀的问题，漏电等安全问题。

第二方面，本申请提供一种机柜的温湿度控制系统，采用如下的技术方案：

一种机柜的温湿度控制系统，包括处理器，所述处理器中运行有上述中任意一项所述的机柜的温湿度控制方法的程序。

第三方面，本申请提供一种存储介质，采用如下的技术方案：

一种存储介质，存储有上述中任意一项所述的机柜的温湿度控制方法的程序。

综上所述，本申请包括以下至少一种有益技术效果：根据实时测量的温度和湿度数值，通过算法生成对应的低温、潮湿、高温、干燥等信号，再结合温度和湿度生成升温数据或者降温数据，最终再通过融合算法，将上述计算出的升温数据进行融合得到发热数据，将上述计算出的降温数据进行融合得到制冷数据；因此根据计算出发热数据和制冷数据，以实现机柜内的实时温度和湿度值来动态地调整加热器和制冷器的输出，以保持机柜内的环境在预设的范围内。

附图说明

图1是一种机柜的温湿度控制方法的方法步骤图。

图2是第一升温算法的方法步骤图。

图3是第二升温算法的方法步骤图。

图4是第一降温算法的方法步骤图。

图5是第二降温算法的方法步骤图。

图6是第一融合算法的方法步骤图。

图7是第二融合算法的方法步骤图。

图8是根据风阻调节温度实时差值的权值的方法步骤图。

图9是根据升温温阻调节温度实时差值的权值的方法步骤图。

图10是根据降温温阻调节温度实时差值的权值的方法步骤图。

图11是根据加湿阻力调节温度实时差值的权值的方法步骤图。

具体实施方式

下面详细描述本申请的实施方式，实施方式的示例在附图中示出。

在本说明书的描述中，参考术语“某些实施方式”、“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

本申请实施例公开一种机柜的温湿度控制方法，参照图1，包括如下步骤：

获取机柜内的第一实时温度值和第一实时湿度值；其中，使用自动温湿度记录仪（如TP500）或专门的温度传感器来实时监测机柜内的温度，以获得第一实时温度值。同样的，使用自动温湿度记录仪或专门的湿度传感器来实时监测机柜内的湿度，以获得第一实时湿度值。

若第一实时温度值低于预设的第一设定温度值，则生成低温信号；低温信号表示当前温度过低，需要采取措施升温。基于低温信号根据预设的第一升温算法计算得到第一升温数据；

若第一实时湿度值高于预设的第一设定湿度值，则生成潮湿信号；潮湿信号，表示当前湿度过高，需要采取措施升温以加速湿气的蒸发，有利于降低干燥程度。基于潮湿信号根据预设的第二升温算法计算得到第二升温数据。

若第一实时温度值高于预设的第二设定温度值，则生成高温信号；高温信号，表示当前温度过高，需要采取措施降温。基于高温信号根据预设的第一降温算法计算得到第一降温数据。

若第一实时湿度值低于预设的第二设定湿度值，则生成干燥信号；干燥信号，表示当前湿度过低，需要采取措施降温以减缓湿气的蒸发，有利于提高湿润程度。基于干燥信号根据预设的第二降温算法计算得到第二降温数据。

其中，参照图2，第一升温算法包括：

计算第一设定温度值与第二设定温度值的差值为温度设定差值；温度设定差值反映了系统期望的温度调整范围。

计算第一实时温度值与第一设定温度值的温度实时差值；温度实时差值反应了当前温度与期望温度之间的实际差距。

根据温度设定差值与温度实时差值使用加权平均算法得到第一升温数据；温度设定差值的权值+温度实时差值的权值=1，第一升温数据=温度设定差值的权值×温度设定差值+温度实时差值的权值×温度实时差值。

例如，如果温度设定差值的权值为0.6，温度实时差值的权值为0.4，并且第一设定温度值为25℃，第二设定温度值为30℃，第一实时温度值为20℃，则，温度设定差值=30℃-25℃=5℃；温度实时差值=25℃-20℃=5℃；第一升温数据=0.6×5℃+0.4×5℃=5℃；意味着系统需要调整温度控制系统以升高5℃的温度。

其中，参照图3，第二升温算法包括：

计算在最近的第一区间时间段内，第一实时湿度值的变化积分值为湿度积分差值；第一区间时间段例如过去1小时、过去24小时等。湿度积分差值反映了湿度在一段时间内的变化趋势，如果湿度在这段时间内持续上升，则积分值会较大；如果湿度稳定或下降，则积分值会较小或为零。

计算第一实时湿度值与第一设定湿度值的湿度实时差值；湿度实时差值直接反映了当前湿度与期望湿度之间的实际差距。

根据湿度积分差值与湿度实时差值使用加权平均算法得到第二升温数据；第二升温数据=湿度积分差值的权值×湿度积分差值+湿度实时差值的权值×湿度实时差值；湿度积分差值的权值+湿度实时差值的权值=1。

例如，如果湿度积分差值的权值为0.7，湿度实时差值的权值为0.3，并且湿度积分差值为5%，表示湿度在一段时间内上升了5%。湿度实时差值为3%，表示当前湿度比设定湿度高3%；则，第二升温数据=0.7×5%+0.3×3%=0.35%+0.09%=0.44%；意味着系统需要调整温度控制系统以提供相当于0.44%湿度降低的升温效果。

其中，参照图4，第一降温算法包括：

计算在最近的第二区间时间段内，第一实时温度值的变化积分值为温度积分差值；第二区间时间段例如过去10分钟、半小时等。温度积分差值温度在一段时间内的变化趋势，如果温度在这段时间内持续上升，则积分值会较大；如果温度稳定或下降，则积分值会较小或为零。

计算第一实时温度值与第一设定温度值的温度实时差值；温度实时差值直接反映了当前温度与期望温度之间的实际差距。

根据温度积分差值与温度实时差值使用加权平均算法得到第一降温数据；第一降温数据=温度积分差值的权值×温度积分差值+温度实时差值的权值×温度实时差值；温度积分差值的权值+温度实时差值的权值=1。

例如，如果温度积分差值的权值为0.6，温度实时差值的权值为0.4，并且温度积分差值为2℃，表示温度在一段时间内上升了2℃；温度实时差值为1.5℃，表示当前温度比设定温度高1.5℃；则，第一降温数据=0.6×2℃+0.4×1.5℃=1.2℃+0.6℃=1.8℃；意味着系统需要调整温度控制系统以降低相当于1.8℃的温度。

其中，参照图5，第二降温算法包括：

计算第一设定湿度值与第二设定湿度值的差值为湿度设定差值；湿度设定差值反映了期望的湿度范围，即环境湿度应该维持在差值所定义的范围内。

计算第一实时湿度值与第一设定湿度值的湿度实时差值；湿度实时差值直接反映了当前湿度与期望湿度之间的实际差距。

根据湿度设定差值与湿度实时差值使用加权平均算法得到第二降温数据；第二降温数据=湿度设定差值的权值×湿度设定差值+湿度实时差值的权值×湿度实时差值；湿度设定差值的权值+湿度实时差值的权值=1。

例如，如果湿度设定差值的权值为0.4，湿度实时差值的权值为0.6，并且湿度设定差值为10%，表示期望的湿度范围是10%的湿度差；湿度实时差值为-5%，表示当前湿度比第一设定湿度低5%；则，第二降温数据（加湿指导数据）=0.4×10%+0.6×(-5%)=0.4%-0.3%=0.1%；意味着系统需要调整湿度控制系统（如加湿器）以增加相当于0.1%的湿度。

参照图6，根据第一升温数据与第二升温数据使用预设的第一融合算法计算出发热数据；其中，第一融合算法为加权平均算法，包括：

发热数据=第一升温数据×第一升温数据的权值+第二升温数据×第二升温数据的权值；其中，第一升温数据的权值+第二升温数据的权值=1。

计算最近的发热数据与最新的第一升温数据的第一匹配度；用于衡量最近的发热数据与最新的第一升温数据之间相似性或一致性。

根据第一匹配度反相关调节第一融合算法中第一升温数据的权值；第一匹配度越大，说明发热数据与第一升温数据非常相似或一致，第一融合算法中第一升温数据的权值越小。第一匹配度越小，说明发热数据与第一升温数据的相似或一致较低，第一融合算法中第一升温数据的权值越大。因此，当第一匹配度增大时，第一升温数据的权值应该减小；反之，当第一匹配度减小时，第一升温数据的权值应该增大。确保了当某个升温数据与发热数据更加一致时，它在综合计算中的贡献就会减少，从而避免过度依赖单一数据。

例如：

初始设定的权值：第一升温数据的权值为0.6；第二升温数据的权值为0.4。

当前的温度数据：第一升温数据为50℃；第二升温数据为60℃。

计算发热数据：发热数据=50℃×0.6+60℃×0.4=54℃。

计算第一匹配度：比如使用绝对值差的方式来计算最近的发热数据与最新的第一升温数据之间的匹配度。如果，发热数据（54℃）与第一升温数据（50℃）之间的差异很小，因此第一匹配度很大。

调节权值：由于第一匹配度很大，表示第一升温数据与发热数据非常接近，意味着第一升温数据在当前的计算中过于主导了结果。为了平衡两个数据源的影响，应该减小第一升温数据的权值。

假设将第一升温数据的权值从0.6减小到0.5，那么第二升温数据的权值就相应地增加到0.5，因为两个权值之和等于1。

新的权值：第一升温数据的权值为0.5；第二升温数据的权值为0.5。

使用新的权值重新计算发热数据：发热数据=50℃×0.5+60℃×0.5=55℃。

计算最近的发热数据与最新的第二升温数据的第二匹配度；用于衡量最近的发热数据与最新的第二升温数据之间相似性或一致性。

根据第二匹配度正相关调节第一融合算法中第二升温数据的权值，第二匹配度越大，第一融合算法中第二升温数据的权值越大，第二匹配度越小，第一融合算法中第二升温数据的权值越小。因此，当第二匹配度增大时，第二升温数据的权值应该增大；反之，当第二匹配度减小时，第二升温数据的权值应该减小。确保了当某个升温数据与发热数据更加一致时，在综合计算中的贡献就会增加，从而更准确地反映实际情况。

例如：

初始设定：第一升温数据的权值为0.6；第二升温数据的权值为0.4。

当前情况：第一升温数据为50℃；第二升温数据为60℃。

发热数据：50℃×0.6+60℃×0.4=54℃。

计算第二匹配度：比如使用计算绝对值差的方式来计算最近的发热数据与最新的第二升温数据之间的匹配度。如果，发热数据（54℃）与第二升温数据（60℃）之间的差异相对较小，因此第二匹配度很大。

调节权值：由于第二匹配度很大，表示第二升温数据与发热数据非常接近，意味着第二升温数据在当前的计算中应该具有更大的影响。因此，应该增大第二升温数据的权值。

假设我们将第二升温数据的权值从0.4增加到0.6，那么第一升温数据的权值就相应地减小到0.4，因为两个权值之和等于1。

新的权值：第一升温数据的权值：0.4；第二升温数据的权值：0.6。

使用新的权值重新计算发热数据：发热数据=50℃×0.4+60℃×0.6=56度。

参照图7，根据第一降温数据和第二降温数据使用预设的第二融合算法计算出制冷数据；其中，第二融合算法为加权平均算法，包括：

降温数据=第一降温数据×第一降温数据的权值+第二降温数据×第二降温数据的权值；其中，第一降温数据的权值+第二降温数据的权值=1。

计算最近的制冷数据与最新的第一降温数据的第三匹配度；用来衡量最近的制冷数据与最新的第一降温数据之间的相似性或一致性。根据第三匹配度正相关调节第二融合算法中第一升温数据的权值；第三匹配度越小，第二融合算法中第一升温数据的权值越大；第三匹配度越大，第二融合算法中第一升温数据的权值越小。当第三匹配度增大时，表示最近的制冷数据与最新的第一降温数据之间的差异减小，因此第一降温数据的权值应该减小，以使得制冷数据不过于依赖第一降温数据。相反，当第三匹配度减小时，表示最近的制冷数据与最新的第一降温数据之间的差异增大，因此第一降温数据的权值应该增大，以使得制冷数据更多地考虑第一降温数据。通过动态调节的过程，可以根据具体的匹配度变化来设定权值的调整幅度。例如，第三匹配度为75%时，第一升温数据的权值为0.45；匹配度为83%时，第一升温数据的权值为0.6。

计算最近的制冷数据与最新的第二降温数据的匹配度；用来衡量最近的制冷数据与最新的第二降温数据之间的相似性或一致性。根据匹配度反相关调节第一融合算法中第二升温数据的权值，匹配度越大，第二升温数据的权值越小；匹配度越小，第二升温数据的权值越大。与第一降温数据的权值调节相反，当匹配度增大时，表示最近的制冷数据与最新的第二降温数据之间的差异减小，因此第二降温数据的权值应该减小，以使得制冷数据不过于依赖第二降温数据。当匹配度减小时，表示最近的制冷数据与最新的第二降温数据之间的差异增大，因此第二降温数据的权值应该增大，以使得制冷数据更多地考虑第二降温数据。这个调节过程同样是动态的，并且与第一降温数据权值的调节是独立进行的。例如，匹配度为80%时，第二升温数据的权值为0.4；匹配度为70%时，第二升温数据的权值为0.5。

根据第一降温数据和第二降温数据以及它们的权值，使用加权平均算法计算出制冷数据。然后，根据制冷数据与第一降温数据和第二降温数据之间的匹配度，动态地调节这两个降温数据的权值，以使得制冷数据的计算更加准确和合理。

加热器根据发热数据控制输出热量，制冷器根据制冷数据控制输出冷量。

参照图8，方法还包括如下步骤：

获取机柜内的实时风阻；可以空气阻力传感器测得机柜内的风阻大小，风阻的大小反映了机柜内空气流通的难易程度，影响机柜内的湿度和温度控制。

根据实时风阻实时调节湿度实时差值的权值；湿度实时差值的权值’=（1+a1×实时风阻）×湿度实时差值的权值，其中，a1为调节参数，湿度实时差值的权值’为调节后的湿度实时差值的权值。风阻增加时，意味着空气流通受阻，湿度实时差值的权值会增加，从而使系统更加关注湿度的控制，因为风阻的增加会使得湿度的变化更加迅速。

根据实时风阻实时调节温度实时差值的权值；温度实时差值的权值’=（1+a2×实时风阻）×温度实时差值的权值，其中，a2为调节参数，温度实时差值的权值’为调节后的温度实时差值的权值；其中，a1大于a2。与湿度不同的是，由于风力对温度的影响相对较慢，意味着在相同的风阻条件下，湿度实时差值的权值会比温度实时差值的权值调整得更为显著。

比如，利用空气阻力传感器测量车的实时风阻。根据实时风阻来实时调节权值。风力影响湿度快，影响温度慢，因此a1大于a2。使用了两个调节参数a1和a2来分别调整湿度实时差值和温度实时差值的权值。调节后的权值被限制在0到1之间，以确保有效性和合理性。

例如，初始条件下：

目标湿度：50%RH（相对湿度）；目标温度为25℃；

初始湿度实时差值权值为0.6；初始温度实时差值权值为0.4。

调节参数a1为0.3，对湿度影响较大的参数；

调节参数a2为0.1，对温度影响较小的参数；

实时风阻测量：使用空气阻力传感器测得实时风阻为0.2；

湿度实时差值的权值的计算：

(1+0.3×0.2)×0.6=1.06×0.6=0.636，四舍五入后为0.64；

温度实时差值的权值的计算：

(1+0.1×0.2)×0.4=1.02×0.4=0.408，四舍五入后为0.41；

由于风阻的存在，湿度和温度的实时差值权值都有所增加，但湿度实时差值的权值增加得更多，从0.6增加到0.64，反映了风力对湿度的影响比温度更快或更显著。

通过这种方法，控制系统可以根据实时的风阻情况，动态地调整湿度和温度的控制策略，以实现更加精确和高效的环境控制。

参照图9，方法还包括如下步骤：

基于第一实时温度值，计算第一实时温度值的实时升温速度；通过实时升温速度反映了机柜内温度上升的快慢。

获取预设升温速度；预设升温速度是一个预设的、期望的升温速度；表示机柜内温度应该在多长时间内以何种速度上升到目标温度。这个预设值是基于机柜的设计、用途或特定环境条件下的最佳升温速度。

根据实时升温速度与预设升温速度，计算机柜内的升温温阻；通过升温温阻衡量实时升温速度与预设升温速度之间差异。

升温温阻=（预设升温速度-实时升温速度）/预设升温速度；通过该公式可以得到一个介于-1到1之间的值，假设实时升温速度不会超过预设升温速度。这个值反映了实际升温情况与预期升温情况之间的差异程度。

根据升温温阻，反相关调节温度实时差值的权值；升温温阻越大，表示实际升温速度远低于预设升温速度，温度实时差值越小，意味着系统需要更加关注温度的快速上升。升温温阻越小，表示实际升温速度接近或略高于预设升温速度，温度实时差值的权值越大，系统可以相对放松对温度上升速度的控制。

由于热力对于温度的影响较快，而对湿度的影响较慢，因此，通过计算升温温阻，来反相关调节温度实时差值的权值。通常，温度的变化会比湿度的变化更加迅速和直接。因此，当温度出现较大偏差时，系统需要更快地做出反应和调整，以避免温度超过或低于安全范围。而湿度的变化则相对较慢，系统可以给予更多的时间和容忍度来进行调整。

例如，每5分钟，记过内的温度传感器获得一次温度数据，实时升温速度为：(23℃-22℃)/5分钟=0.2℃/分钟。

假设，预设的升温速度是0.5℃/分钟，则升温温阻=(0.5℃/分钟-0.2℃/分钟)/0.5℃/分钟=0.6。

假设初始的温度实时差值权值为0.5，表示温度和湿度在控制系统中具有相同的优先级。由于升温温阻为0.6，表示实际升温速度低于预设速度，系统需要更加关注温度的快速上升，因此会减小温度实时差值的权值。假设系统使用一个简单的线性映射来调整权值，即升温温阻每增加0.1，权值减少0.1。因此，调整后的温度实时差值权值为：0.5-0.6×0.1=0.44。

参照图10，方法还包括如下步骤：

基于第一实时温度值，计算第一实时温度值的实时降温速度；例如，如果在一个时间间隔内，温度从30℃降低到了28℃，并且这个时间间隔是10分钟，那么实时降温速度就是(30℃-28℃)/10分钟=0.2℃/分钟。

获取预设的降温速度；预设的降温速度是根据机柜的冷却系统性能、设备散热能力以及环境要求等因素设定的期望降温速度。例如，假设预设降温速度为0.5℃/分钟，意味着希望机柜内的温度在每分钟内能降低0.5℃。

根据实时降温速度与预设降温速度，计算机柜内的降温温阻；降温温阻是一个用来衡量实时降温速度与预设降温速度之间差异的指标。

降温温阻=（预设降温速度-实时降温速度）/预设降温速度；例如，如果实时降温速度是0.2℃/分钟，而预设降温速度是0.5℃/分钟，则降温温阻=(0.5℃/分钟-0.2℃/分钟)/0.5℃/分钟=0.6。

根据降温温阻，反相关调节温度实时差值的权值；降温温阻越大，说明温度降低的速度越慢，温度实时差值的权值越小，因此需要增大温度实时差值的权值，使控制系统更加关注温度的降低。降温温阻越小，说明温度降低的速度接近或超过预设速度，此时可以适当减小温度实时差值的权值。温度实时差值的权值越大。

例如，使用一个简单的线性映射作为示例，初始权值为0.5，调整后的温度实时差值权值：0.5-0.6×0.5=0.2。使用调整因子0.5来线性地减小权值。意味着每增加0.1的降温温阻，权值将减少0.05。因此，初始权值为0.5，经过调整后的权值为0.2，意味着控制系统将更加关注温度的降低，以加快降温过程。

通过动态调整温度实时差值的权值，控制系统能够根据实际情况优化降温过程，确保机柜内的温度能够快速、平稳地达到预设要求。当降温温阻大时，增加权值意味着控制系统会更加积极地采取措施来降低温度，比如增加冷却系统的功率、调整风扇转速等，从而降低降温的阻力。

参照图11，方法还包括：

根据第一实时湿度值，计算第一实时湿度值的实时加湿速度；例如，如果在10分钟内湿度从40%RH（相对湿度）增加到45%RH，那么实时加湿速度就是(45%RH-40%RH)/10分钟=0.5%RH/分钟。

获取预设加湿速度；预设加湿速度是根据环境需求、设备性能等因素设定的期望加湿速度。例如，可能预设加湿速度为1%RH/分钟，意味着希望环境湿度在每分钟内能增加1%RH。

根据实时加湿速度和预设加湿速度，计算加湿阻力；加湿阻力是一个用来衡量实时加湿速度与预设加湿速度之间差异的指标。

加湿阻力=（预设加湿速度-实时加湿速度）/预设加湿速度；例如，如果实时加湿速度是0.5%RH/分钟，而预设加湿速度是1%RH/分钟，则加湿阻力=(1%RH/分钟-0.5%RH/分钟)/1%RH/分钟=0.5。

根据加湿阻力，正相关调节加湿器的喷雾开关大小；加湿阻力越大，加湿器的喷雾开关越大，加湿阻力越小，加湿器的喷雾开关越小。即，加湿阻力越大，说明湿度增加的速度越慢，因此需要增大加湿器的喷雾开关大小，以增加加湿量。相反，如果加湿阻力小，说明湿度增加的速度接近或超过预设速度，此时可以适当减小加湿器的喷雾开关大小。

假设我们有一个加湿器，其喷雾开关大小可以在1（最小）到10（最大）的范围内调节。例如，如果加湿阻力为0时喷雾开关大小为5（中间值），那么加湿阻力为0.5时，喷雾开关大小是5+0.5×(10-5)=7.5（四舍五入到7或8，取决于具体的实现）。

通过动态调整加湿器的喷雾开关大小，系统能够根据实际情况优化加湿过程，确保环境湿度能够快速、平稳地达到预设要求。当加湿阻力大时，增加喷雾开关大小意味着加湿器会释放更多的水雾，从而加快湿度的增加。当加湿阻力小时，减小喷雾开关大小则有助于节省能源，避免湿度过高。加湿阻力越大，说明需要增大加湿器的喷雾开关以产生更多的雾气，从而提高湿度，以免机柜内的材料硬化开裂，且合理的湿气还有利于减少静电问题；反之，减小喷雾开关，以免潮湿程度过大带来的安全隐患；比如，短路引发的火灾问题，腐蚀和锈蚀的问题，漏电等安全问题。

在实际应用的过程中，本实施例中的机柜设定参数如下：

温度设定范围0~70℃，正常运行温度范围：虽然设定范围是0~70℃，但考虑到机柜内设备的运行效率和寿命，建议将正常运行温度控制在20~28℃之间。这个范围能确保大多数电子设备在最佳状态下运行。

相对湿度设定范围25%~95%，虽然设定范围是25%~95%，但建议将机柜内的相对湿度控制在40%~60%之间。能有效防止电气元器件受潮、绝缘性能下降，减少电气故障的发生。

继电器最大切换功率250VAC/15A，在机柜的电气设计中，应确保所选继电器的最大切换功率满足机柜内设备的电气需求。同时，要考虑到继电器的寿命和稳定性，避免频繁切换或过载使用。

其中，调整温度控制系统（如加热器、空调等）来控制温度，以加速或减缓湿气的蒸发，从而改变环境的温湿度。

实施原理：根据实时测量的温度和湿度数值，通过算法生成对应的低温、潮湿、高温、干燥等信号，再结合温度和湿度生成升温数据或者降温数据，最终再通过融合算法，将上述计算出的升温数据进行融合得到发热数据，将上述计算出的降温数据进行融合得到制冷数据；因此根据计算出发热数据和制冷数据，以实现机柜内的实时温度和湿度值来动态地调整加热器和制冷器的输出，以保持机柜内的环境在预设的范围内。

本申请实施例还公开一种机柜的温湿度控制系统，包括处理器，所述处理器中运行有上述中任意一项所述的机柜的温湿度控制方法的程序。

本申请实施例还公开一种存储介质，存储有上述中任意一项所述的机柜的温湿度控制方法的程序。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。