本申请涉及数据处理，尤其涉及一种负离子浓度控制方法、装置、设备及存储介质。
背景技术：
1、负离子在调节氢氧离子仓的空气方面发挥着重要作用。然而，传统的负离子浓度控制方法往往依赖于简单的传感器监测和手动调节，这种方法在响应速度、精确度和系统的适应性方面存在明显不足。
2、随着工业自动化和智能化水平的提高，对负离子控制系统的需求也在逐渐增长。目前，许多存在的系统尚不能很好地适应复杂多变的工作环境，尤其是在面对环境条件快速变化时，系统的调节响应往往滞后，无法实时准确地调整负离子的浓度，从而影响整个环境的稳定性和安全性。
技术实现思路
1、本申请提供了一种负离子浓度控制方法、装置、设备及存储介质，用于提高了氢氧离子仓的负离子浓度控制准确率。
2、第一方面，本申请提供了一种负离子浓度控制方法，所述负离子浓度控制方法包括：
3、采集氢氧离子仓的负离子输出数据，并对所述负离子输出数据进行k-means聚类处理，得到多个目标数据中心；
4、将所述多个目标数据中心作为输入节点，并通过广义径向基函数神经网络进行负离子浓度预测，得到负离子浓度预测数据；
5、根据所述负离子浓度预测数据对所述氢氧离子仓进行气体流动和离子分布数值模拟，得到负离子分布模拟数据；
6、根据所述负离子分布模拟数据识别所述氢氧离子仓的多个目标子空间，并对所述多个目标子空间进行负离子浓度特征计算，得到多个子空间负离子浓度特征；
7、将所述多个子空间负离子浓度特征输入预置的贝叶斯网络模型进行设备故障预测，得到设备故障预测结果；
8、基于强化学习算法和所述设备故障预测结果，创建所述氢氧离子仓的负离子输出控制策略。
9、第二方面，本申请提供了一种负离子浓度控制装置，所述负离子浓度控制装置包括：
10、采集模块，用于采集氢氧离子仓的负离子输出数据，并对所述负离子输出数据进行k-means聚类处理，得到多个目标数据中心；
11、浓度预测模块，用于将所述多个目标数据中心作为输入节点，并通过广义径向基函数神经网络进行负离子浓度预测，得到负离子浓度预测数据；
12、模拟模块，用于根据所述负离子浓度预测数据对所述氢氧离子仓进行气体流动和离子分布数值模拟，得到负离子分布模拟数据；
13、计算模块，用于根据所述负离子分布模拟数据识别所述氢氧离子仓的多个目标子空间，并对所述多个目标子空间进行负离子浓度特征计算，得到多个子空间负离子浓度特征；
14、故障预测模块，用于将所述多个子空间负离子浓度特征输入预置的贝叶斯网络模型进行设备故障预测，得到设备故障预测结果；
15、创建模块，用于基于强化学习算法和所述设备故障预测结果，创建所述氢氧离子仓的负离子输出控制策略。
16、本申请第三方面提供了一种负离子浓度控制设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述负离子浓度控制设备执行上述的负离子浓度控制方法。
17、本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的负离子浓度控制方法。
18、本申请提供的技术方案中，通过采集氢氧离子仓的负离子输出数据，并运用k-means聚类处理，能够有效识别出数据的核心趋势和集群，从而为后续的负离子浓度预测提供更准确的输入基础。利用广义径向基函数神经网络进一步对聚类后的数据中心进行负离子浓度预测，提升了预测的准确性和响应速度。基于负离子浓度预测数据，通过计算流体力学模拟来细致地模拟和分析氢氧离子仓内的气体流动和离子分布。这种动态模拟使得整个系统能够根据实时数据调整操作参数，如通风速度和温度，确保负离子浓度始终处于最优状态。引入贝叶斯网络模型对各个子空间的负离子浓度特征进行设备故障预测，不仅提高了系统的可靠性，还能够在问题发生前预测潜在的设备故障，从而实现预防性维护，减少了突发停机的风险和维修成本。结合强化学习算法和设备故障预测结果，自动创建和优化氢氧离子仓的负离子输出控制策略。这种智能化的控制策略能够自适应环境变化，持续优化操作参数，进而提高了氢氧离子仓的负离子浓度控制准确率。
1.一种负离子浓度控制方法，其特征在于，所述负离子浓度控制方法包括：
2.根据权利要求1所述的负离子浓度控制方法，其特征在于，所述采集氢氧离子仓的负离子输出数据，并对所述负离子输出数据进行k-means聚类处理，得到多个目标数据中心，包括：
3.根据权利要求1所述的负离子浓度控制方法，其特征在于，所述将所述多个目标数据中心作为输入节点，并通过广义径向基函数神经网络进行负离子浓度预测，得到负离子浓度预测数据，包括：
4.根据权利要求1所述的负离子浓度控制方法，其特征在于，所述根据所述负离子浓度预测数据对所述氢氧离子仓进行气体流动和离子分布数值模拟，得到负离子分布模拟数据，包括：
5.根据权利要求1所述的负离子浓度控制方法，其特征在于，所述根据所述负离子分布模拟数据识别所述氢氧离子仓的多个目标子空间，并对所述多个目标子空间进行负离子浓度特征计算，得到多个子空间负离子浓度特征，包括：
6.根据权利要求1所述的负离子浓度控制方法，其特征在于，所述将所述多个子空间负离子浓度特征输入预置的贝叶斯网络模型进行设备故障预测，得到设备故障预测结果，包括：
7.根据权利要求1所述的负离子浓度控制方法，其特征在于，所述基于强化学习算法和所述设备故障预测结果，创建所述氢氧离子仓的负离子输出控制策略，包括：
8.一种负离子浓度控制装置，其特征在于，所述负离子浓度控制装置包括：
9.一种负离子浓度控制设备，其特征在于，所述负离子浓度控制设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的负离子浓度控制方法。
