1.一种气体传感器的温湿度补偿方法，其特征在于，包括：S1：等时间步同时获取气体传感器所处空间的温度、湿度和气体传感器输出的原始气体浓度的时序数据，并对于气体浓度的时序数据进行异常值剔除，对温度和湿度的时序数据进行预处理，获得温度输入系数和湿度输入系数；

S2：建立温湿度交叉影响量化模型，将温度输入系数和湿度输入系数输入到建立好的温湿度交叉影响量化模型中，得到气体传感器因为温湿度变化引起的气体浓度误差，并采用随机搜索对模型参数进行优化；

S3：对补偿前传感器输出的气体浓度数据进行滤波，并且构建温湿度变化的加权综合指标，将加权综合指标作为动态补偿切换的筛选条件，基于优化后的气体浓度误差模型，采用动态切换补偿模式对于滤波后的气体浓度数据进行补偿；

所述温湿度交叉影响量化模型的方程是：

其中，λ表示温度变化率的权重系数；ΔC(t)表示温湿度补偿浓度；η表示温湿度协同权重系数； 表示温度输入系数； 表示湿度输入系数；

所述动态切换补偿模式包括计算温湿度的变化率，并且设定时间窗口长度为K：其中，RT表示温度变化的平均绝对波动率；Tt‑i表示时间步t‑i的温度值；Tt‑i‑1表示时间步t‑i‑1的温度值；RH表示湿度变化的平均绝对波动率；Ht‑i表示时间步t‑i的湿度值；Ht‑i‑1表示时间步t‑i‑1的湿度值；K表示时间窗口长度；

构建温湿度变化的加权综合指标：

其中，根据传感器规格可以设置RT,max＝3℃/min；RH,max＝10％RH/min；J表示温湿度加权综合指标；RT,max表示温度变化率最大参考值；RH,max表示湿度变化率最大参考值；α表示温度敏感系数；γ表示湿度敏感系数；

如果J<0.5，则补偿算法为

其中，Ccorr(t)表示时间步t补偿后的浓度； 表示滤波后时间步t的传感器输*

出浓度；ΔC(t)表示优化后的温湿度补偿浓度；

如果0.5≤J<0.8,则补偿算法为

其中， H(t)表示

时间步t的湿度值；H(t‑2)表示时间步t‑2的湿度值；μ表示湿度偏差的调节权重系数；β0表示截距项；β1表示一阶湿度滞后系数；β2表示二阶湿度滞后系数；Tref表示预设参考温度；θ表示温度缩放系数；T(t)表示时间步t的温度原始测量值；

如果J≥0.8，则补偿算法为：

其中，w＝0.7‑0.1·tanh(5J)，w表示动态权重参数；Ccorr(t)表示在时间步t的补偿浓度值；Ccorr(t‑1)表示在时间步t‑

1的补偿浓度值；Ccorr(t‑2)表示在时间步t‑2的浓度补偿值；Ccorr(t)表示在时间步t的浓度补偿值。

2.根据权利要求1所述一种气体传感器的温湿度补偿方法，其特征在于，所述异常值剔除的方法为:设定滑动窗口大小为W＝2k+1，计算滑动窗口内的浓度中位数，以及窗口内气体浓度中位数绝对偏差，设定异常判定阈值，设定筛选条件为其中，k表示时间步的数量；t表示时间步位置；τ(t)表示t时间步异常判定阈值；σ(t)表示t时间步气体浓度中位数绝对偏差对应的标准差； 表示t时间步的气体浓度中位数；

若 按照孤立异常点进行进一步处理；否则，保留该时间点的原始气体浓度数据；

针对孤立异常点，有：

其中，C(t‑1)和C(t+1)分别表示t‑1时间步和t+1时间步的气体浓度值；Ccorrected(t)表示t位置的浓度修正值。

3.根据权利要求2所述一种气体传感器的温湿度补偿方法，其特征在于，所述设定筛选条件为 具体过程为：获得t时间步的气体浓度序列：C(t‑k),C(t‑k+1),...,C(t),...,C(t+k)，其中，C(t+k)表示相对于当前时间步t，第k个时间点的气体浓度值；

将窗口内的所有数据点按照升序排列，得到有序序列：C(1)≤C(2)≤…≤C(2n+1)

其中， 表示气体浓度中位数；C(2n+1)表示气体浓度升序中2n+1位置的浓度值；C(n+1)表示时间窗口内的浓度中位数；n表示序列个数索引；

基于 获得t位置的气体浓度绝对偏差序列：

对每个窗口数据点计算与中位数的绝对差值：

其中，m表示窗口内的气体浓度序列的位置索引；dm表示第m个数据点与中位数的绝对偏差；C(t‑k+m‑1)表示t‑k+m‑1处的浓度值；

将绝对偏差按照升序排列，得到有序序列：

d(1)≤d(2)≤…≤d(2n+1)

提取中位数绝对偏差：

MAD(t)＝d(n+1)

其中，MAD(t)表示气体浓度中位数绝对偏差；d(2n+1)表示升序2n+1处的气体浓度绝对偏差；d(n+1)表示时间窗口内的浓度中位数绝对偏差；

将气体浓度中位数绝对偏差转化为标准差：

σ(t)＝1.4826·MAD(t)

其中，σ(t)表示气体浓度中位数的标准差；

定义异常判定动态阈值：

τ(t)＝3

其中，τ(t)表示动态阈值。

4.根据权利要求1所述一种气体传感器的温湿度补偿方法，其特征在于，所述对温度和湿度的时序数据进行预处理，基于以下公式获得每个时间步的温度输入系数和湿度输入系数；

其中，T(t)表示时间步t的温度原始测量值；H(t)表示时间步t的湿度原始测量值；Tmin表示温度的最小参考值； 表示温度输入系数； 表示湿度输入系数；α表示湿度非线性缩放系数。

5.根据权利要求1所述一种气体传感器的温湿度补偿方法，其特征在于，所述随机搜索对模型参数进行优化，具体步骤如下：对i＝1,2,…,W次随机采样，生成W组候选参数其中，i表示采样次数；W表示采样总数； 表示λi取值范围是[0,1]的连续均匀分布； 表示ηi取值范围是[0,1.5]的连续均匀分布；

对每组数据(λi,ηi)，计算均方误差f(λi,ηi)：其中，

ΔCi(t)表示第i组(λi,ηi)对应的温湿度补偿浓度；f(λi,ηi)表示均方误差；λi表示第i组λ的候选参数，ηi表示第i组η的候选参数；i表示λ和η的参数组合索引；ΔCreal(t)表示实际观测到的浓度变化值；N表示气体浓度样本总数量；λ表示温度变化率的权重系数；η表示温湿度协同权重系数；

选择具有最小均方误差的参数组合：

* *

λ表示λ的最优参数；η表示η的最优参数；

优化后的模型为：

*

ΔC(t)表示优化后的温湿度补偿浓度； 表示温度输入系数； 表示湿度输入系数。

6.根据权利要求1所述一种气体传感器的温湿度补偿方法，其特征在于，所述对补偿前传感器输出的气体浓度数据进行滤波，采用FIR滤波器进行滤波,在补偿前对时间步t的传感器原始输出浓度Craw(t)进行滤波：其中，

其中， 表示滤波后时间步t的传感器输出浓度；a表示滤波器索引；h(a)表示FIR滤波器系数；Craw(t‑a)表示时间步t‑a的传感器原始输出浓度；M表示滤波器阶数；β表示窗形状参数；I0表示零阶修正贝塞尔函数。

7.一种气体传感器的温湿度补偿系统，其特征在于：所述系统用于执行权利要求1‑6任一项所述的补偿方法，包括：数据采集模块，等时间步同时获取气体传感器所处空间的温度、湿度和气体传感器输出的气体浓度的时序数据，并对于气体浓度的时序数据进行异常值剔除，对温度和湿度的时序数据进行预处理，获得温度输入系数和湿度输入系数；

状态补偿模块，用于建立温湿度交叉影响量化模型，将温度输入系数和湿度输入系数输入到建立好的温湿度交叉影响量化模型中，得到气体传感器因为温湿度变化引起的气体浓度误差，并采用随机搜索对模型参数进行优化；

动态调整模块，用于对补偿前传感器输出的气体浓度数据进行滤波，并且构建温湿度变化的加权综合指标，将加权综合指标作为动态补偿切换的筛选条件，基于优化后的气体浓度误差模型采用动态切换补偿模式对于滤波后的气体浓度数据进行补偿。