1.一种基于人工智能的过滤袋智能设计方法，其特征在于，所述基于人工智能的过滤袋智能设计方法包括：通过污染物颗粒动态捕获装置对室内空气污染物的粒径分布、吸附特性进行多维度数据采集，得到污染物特性数字指纹库；

根据所述污染物特性数字指纹库利用材料微观渗透性测量仪对过滤材料的孔隙率、活性位点分布、表面电荷进行精确量化，得到多维材料性能矩阵；

基于所述多维材料性能矩阵对过滤袋褶皱角度、深度、密度进行参数化建模与气流分布计算，得到自平衡褶皱结构参数组；

根据所述自平衡褶皱结构参数组对过滤袋不同材料层的组合顺序、厚度比例、接触界面进行优化调整，得到多层复合过滤结构配置表；

利用所述多层复合过滤结构配置表对过滤袋在高湿度、高浓度污染物环境下的过滤效率与使用寿命进行模拟测试，得到全工况性能曲线集；

依据所述全工况性能曲线集对过滤袋材料配方、结构尺寸、生产工艺参数进行精准转换与校验，得到可直接用于生产的过滤袋设计方案。

2.根据权利要求1所述的基于人工智能的过滤袋智能设计方法，其特征在于，所述通过污染物颗粒动态捕获装置对室内空气污染物的粒径分布、吸附特性进行多维度数据采集，得到污染物特性数字指纹库，包括：通过高精度光散射传感器对室内空气中的PM2.5颗粒进行实时浓度监测，获取颗粒大小分布直方图；

采用气相色谱分析器对室内甲醛、VOC气态污染物进行浓度梯度测量，形成污染物浓度变化曲线；

利用静电吸附测试板对不同污染物在各种温湿度条件下的表面附着力进行量化记录，构建污染物黏附特性数据集；

依据所获取的颗粒大小分布直方图、污染物浓度变化曲线与污染物黏附特性数据集，通过数据融合处理器进行多源数据关联分析，生成污染物时空分布特征图；

将所生成的污染物时空分布特征图导入特征提取单元，提取关键污染物特征参数，建立污染物行为模式库；

根据所建立的污染物行为模式库与历史环境条件数据进行交叉验证与归一化处理，形成污染物特性数字指纹库。

3.根据权利要求1所述的基于人工智能的过滤袋智能设计方法，其特征在于，所述根据所述污染物特性数字指纹库利用材料微观渗透性测量仪对过滤材料的孔隙率、活性位点分布、表面电荷进行精确量化，得到多维材料性能矩阵，包括：通过氮气吸附法对过滤材料进行比表面积测定，记录材料孔径分布曲线；

采用电子显微扫描技术对过滤材料表面形貌进行高倍放大成像，获取材料表面微观结构图；

利用热重分析仪对过滤材料在不同温度条件下的吸附容量进行定量测试，形成吸附热力学特性图；

将所述材料孔径分布曲线与所述材料表面微观结构图进行数据融合，建立材料三维孔隙网络拓扑结构；

通过荧光标记法对所述材料三维孔隙网络拓扑结构中的活性位点进行定位与密度测量，构建活性位点空间分布图；

将所述活性位点空间分布图与所述吸附热力学特性图结合，通过相关性分析构建材料捕获效率预测模型，生成多维材料性能矩阵。

4.根据权利要求1所述的基于人工智能的过滤袋智能设计方法，其特征在于，所述基于所述多维材料性能矩阵对过滤袋褶皱角度、深度、密度进行参数化建模与气流分布计算，得到自平衡褶皱结构参数组，包括：通过几何参数生成器对褶皱结构的初始几何形态进行离散化处理，形成褶皱单元网格点集；

将所述多维材料性能矩阵中的材料物理参数映射到所述褶皱单元网格点集上，构建数字化褶皱材料模型；

对所述数字化褶皱材料模型施加流场边界条件，通过分段压降计算确定各褶皱单元的气流通量分布；

基于所述气流通量分布识别压力不均衡区域，对褶皱角度参数进行梯度调整，生成角度优化数据表；

将所述角度优化数据表与褶皱深度变量相结合，通过响应面分析确定深度‑密度关系曲线，形成褶皱几何耦合关系图；

根据所述褶皱几何耦合关系图进行气流均匀性评估与参数迭代优化，生成自平衡褶皱结构参数组。

5.根据权利要求1所述的基于人工智能的过滤袋智能设计方法，其特征在于，所述根据所述自平衡褶皱结构参数组对过滤袋不同材料层的组合顺序、厚度比例、接触界面进行优化调整，得到多层复合过滤结构配置表，包括：通过材料相容性分析仪对候选过滤材料间的界面作用力进行定量测量，获取材料界面结合强度数据；

对所述候选过滤材料进行捕获能力互补度评估，基于所述污染物特性数字指纹库中的污染物数据计算材料组合捕获谱，形成材料互补性评分表；

依据所述材料互补性评分表对不同材料层的排列组合方案进行穷举分析，通过定向过滤系数计算生成材料排序方案库；

将所述材料排序方案库与所述自平衡褶皱结构参数组结合，通过层间压降协调计算确定各层材料最佳厚度比率，构建厚度配比关系矩阵；

利用所述厚度配比关系矩阵与所述材料界面结合强度数据进行交叉分析，识别界面应力集中点，调整材料层间接触方式，生成界面优化策略表；

将所述界面优化策略表与所述材料排序方案库、所述厚度配比关系矩阵整合，形成多层复合过滤结构配置表。

6.根据权利要求1所述的基于人工智能的过滤袋智能设计方法，其特征在于，所述利用所述多层复合过滤结构配置表对过滤袋在高湿度、高浓度污染物环境下的过滤效率与使用寿命进行模拟测试，得到全工况性能曲线集，包括：通过环境参数控制箱对温度、湿度、污染物浓度进行分级组合设置，构建多维测试工况矩阵；

将所述多层复合过滤结构配置表中的结构参数转换为数字孪生样机，加载所述多维测试工况矩阵中的环境条件，进行虚拟风洞测试，获取初始过滤阻力数据；

对所述数字孪生样机施加加速老化处理，通过污染物累积量计算确定捕获饱和曲线，绘制过滤效率衰减图谱；

基于所述过滤效率衰减图谱，分析过滤材料在不同湿度条件下的吸湿变形特性，构建湿度响应应变图；

将所述湿度响应应变图与所述初始过滤阻力数据结合，分析高浓度污染物对材料饱和时间的影响，生成寿命预测数据集；

对所述寿命预测数据集进行边界工况筛选与性能插值计算，形成全工况性能曲线集。

7.根据权利要求1所述的基于人工智能的过滤袋智能设计方法，其特征在于，所述依据所述全工况性能曲线集对过滤袋材料配方、结构尺寸、生产工艺参数进行精准转换与校验，得到可直接用于生产的过滤袋设计方案，包括：通过材料配方解析器对所述全工况性能曲线集中的材料性能指标进行反向分析，确定材料成分配比关系，生成材料配方清单；

对所述材料配方清单中的配方项进行可获取性评估，匹配现有供应商资源库，形成材料采购参数表；

基于所述多层复合过滤结构配置表与所述全工况性能曲线集的对应关系，提取关键结构尺寸数据，构建制造尺寸规格卡；

将所述制造尺寸规格卡转换为生产设备参数，通过工艺适配性分析确定设备调整参数，形成工艺流程指令集；

利用所述工艺流程指令集对过滤袋样品进行小批量试制，收集实际生产偏差数据，建立工艺修正因子表；

基于所述工艺修正因子表对所述材料配方清单、所述制造尺寸规格卡进行微调与校验，整合形成可直接用于生产的过滤袋设计方案。

8.一种基于人工智能的过滤袋智能设计系统，用于实现如权利要求1‑7中任一项所述的基于人工智能的过滤袋智能设计方法，其特征在于，所述基于人工智能的过滤袋智能设计系统包括：采集模块，用于通过污染物颗粒动态捕获装置对室内空气污染物的粒径分布、吸附特性进行多维度数据采集，得到污染物特性数字指纹库；

量化模块，用于根据所述污染物特性数字指纹库利用材料微观渗透性测量仪对过滤材料的孔隙率、活性位点分布、表面电荷进行精确量化，得到多维材料性能矩阵；

计算模块，用于基于所述多维材料性能矩阵对过滤袋褶皱角度、深度、密度进行参数化建模与气流分布计算，得到自平衡褶皱结构参数组；

调整模块，用于根据所述自平衡褶皱结构参数组对过滤袋不同材料层的组合顺序、厚度比例、接触界面进行优化调整，得到多层复合过滤结构配置表；

测试模块，用于利用所述多层复合过滤结构配置表对过滤袋在高湿度、高浓度污染物环境下的过滤效率与使用寿命进行模拟测试，得到全工况性能曲线集；

校验模块，用于依据所述全工况性能曲线集对过滤袋材料配方、结构尺寸、生产工艺参数进行精准转换与校验，得到可直接用于生产的过滤袋设计方案。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于人工智能的过滤袋智能设计方法。

10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时使得所述处理器执行如权利要求1至7中任一项所述的基于人工智能的过滤袋智能设计方法。