[发明专利]呼吸机比例阀流量控制方法、装置、计算机设备

说明书

本申请涉及一种呼吸机比例阀流量控制方法、装置、计算机设备，读取呼吸机系统运行参数，将呼吸机系统运行参数输入基于呼吸机历史系统运行参数训练生成的预设神经网络模型，获取预设已训练的神经网络模型根据呼吸机系统运行参数输出的电流信号，将电流信号输入至呼吸机中比例阀，来控制比例阀的流量。通过将当前呼吸机系统运行参数输入至基于呼吸机历史系统运行参数训练生成的预设神经网络模型中，能够得到一个合理的电流信号，根据这个合理的电流信号能够有效地控制呼吸机比例阀的流量，使比例阀在流量控制过程中，能够适应外部干扰因素变化带来的影响。

技术领域

本申请涉及呼吸机技术领域，特别是涉及一种呼吸机比例阀流量控制方法、装置、计算机设备和存储介质。

背景技术

呼吸机是一种能够起到预防和治疗呼吸衰竭，减少并发症，挽救及延长病人生命的至关重要的医疗设备，作为一项能人工替代自主通气功能的有效手段，已普遍用于各种原因所致的呼吸衰竭、大手术期间的麻醉呼吸管理、呼吸支持治疗和急救复苏中，在现代医学领域内占有十分重要的位置。

日常生活中，呼吸机比例阀多采用电磁比例阀，电磁比例阀是指采用比例电磁铁作为电气一机械转换元件的比例阀，比例电磁铁将输入的电流信号转换成力、位移机械信号输出.进而控制压力、流量及方向等参数。

目前，现有的比例阀的流量控制方法都是离线生成表格，在流量控制过程中很难适应外部干扰因素变化带来的影响，外部干扰因素包括压差变化、电流干扰、传感器噪声等因素。

发明内容

基于此，有必要针对比例阀很难适应难适应外部干扰因素变化带来的影响的问题，提供一种具有一定自适应调整能力的呼吸机比例阀流量控制方法、装置、计算机设备和存储介质。

一种呼吸机比例阀流量控制方法，包括：

读取呼吸机系统运行参数；

将呼吸机系统运行参数输入预设已训练的神经网络模型，预设已训练的神经网络模型基于呼吸机历史系统运行参数训练生成；

获取预设已训练的神经网络模型根据呼吸机系统运行参数输出的电流信号；

将电流信号输入至呼吸机中比例阀，电流信号用于控制比例阀的流量。

在其中一个实施例中，预设已训练的神经网络模型为Elman(艾尔曼)神经网络模型，将呼吸机系统运行参数输入预设已训练的神经网络模型之前还包括：

建立初始Elman神经网络模型；

根据预设Levenberg-Marquardt算法和呼吸机历史系统运行参数，训练初始Elman神经网络模型的参数，得到训练后的Elman神经网络模型。

在其中一个实施例中，根据Levenberg-Marquardt(列文伯格-马夸尔特)算法和呼吸机历史系统运行参数，训练初始Elman神经网络模型包括：

初始化初始Elman神经网络模型各层连接权值和各层阈值；

获取呼吸机历史系统运行参数；

根据呼吸机历史系统运行参数，利用Levenberg-Marquardt算法调整初始Elman神经网络模型的权值和阈值，直至确定最优的权值和阈值。

在其中一个实施例中，根据Levenberg-Marquardt算法调整初始Elman神经网络模型的权值和阈值，直至确定最佳的权值和阈值包括：

给出训练误差允许值ε，常数μ₀和β(0β1)，初始化权值和阈值组成的向量，令k＝0,μ＝μ₀；

计算初始Elman神经网络模型的输出值及误差指标函数E(w^k)；