[发明专利]一种基于人工神经网络模型的灭菌参数选择方法及系统

权利要求书

1.一种基于人工神经网络模型的灭菌参数选择方法，其特征在于，包括：

获取灭菌参数样本数据，根据所述灭菌参数样本数据建立样本数据集，所述灭菌参数样本数据至少包括超声参数和空化作用参数；

对所述样本数据集进行训练，建立人工神经网络模型；

对人工神经网络模型进行验证，获取最优参数，建立灭菌参数选择模型；

根据所述灭菌参数选择模型确定最优的超声参数和空化作用参数之间的关系，完成灭菌参数选择；

所述对人工神经网络模型进行验证包括：

选取用于验证的超声参数，并将所述用于验证的超声参数输入到所述人工神经网络模型，得到系统结果参数；

获取所述用于验证的超声参数对应的所述空化作用参数；

判断所述空化作用参数与所述系统结果参数是否符合一预设条件；

若是，则根据符合所述预设条件的超声参数和空化作用参数之间的关系建立灭菌参数选择模型；

若否，则重新选择用于验证的超声参数；

当所述空化作用参数与所述系统结果参数不符合一预设条件时，通过阶跃函数对多个所述用于验证的超声参数进行处理或/和使用残差原理对多个所述用于验证的超声参数进行处理；

所述人工神经网络模型的输入量X的表示方式包括：

，其中，为超声强度，为辐照时间；

所述人工神经网络模型的输出量Y的表示方式包括：

，其中，为活菌数量，为死菌数量，为细菌存活率；

所述输入量X与所述输出量Y的映射关系F的表示方式包括：

；

所述阶跃函数的表示方式包括：

，，，

其中，、是输入增量；、、是输出增量，为阶跃响应系数；

根据所述阶跃函数的表示方式、映射关系F、输入量X的表示方式、输出量Y的表示方式得到：

，其中，，，。

2.根据权利要求1所述的基于人工神经网络模型的灭菌参数选择方法，其特征在于：

所述超声参数至少包括超声强度和辐照时间；

所述空化作用参数至少包括细菌存活数量或者细菌死亡数量。

3.一种基于人工神经网络模型的灭菌参数选择系统，其特征在于，包括：

获取模块，用于获取灭菌参数样本数据，并根据所述灭菌参数样本数据建立样本数据集，其中，所述灭菌参数样本数据至少包括超声参数和空化作用参数；

处理模块，用于对所述样本数据集进行训练，建立人工神经网络模型；

验证模块，用于对人工神经网络模型进行验证，获取最优参数，建立灭菌参数选择模型；

选择模块，用于根据所述灭菌参数选择模型确定最优的超声参数和空化作用参数之间的关系，完成灭菌参数选择；

所述验证模块还用于选取用于验证的超声参数，并将所述用于验证的超声参数输入到所述人工神经网络模型，得到系统结果参数；

获取所述用于验证的超声参数对应的所述空化作用参数；

判断所述空化作用参数与所述系统结果参数是否符合一预设条件；

若是，则根据符合所述预设条件的超声参数和空化作用参数之间的关系建立灭菌参数选择模型；

若否，则重新选择用于验证的超声参数；

当所述空化作用参数与所述系统结果参数不符合一预设条件时，所述验证模块还用于通过阶跃函数对多个所述用于验证的超声参数进行处理或/和使用残差原理对多个所述用于验证的超声参数进行处理；

所述人工神经网络模型的输入量X的表示方式包括：

，其中，为超声强度，为辐照时间；

所述人工神经网络模型的输出量Y的表示方式包括：

，其中，为活菌数量，为死菌数量，为细菌存活率；

所述输入量X与所述输出量Y的映射关系F的表示方式包括：

；

所述阶跃函数的表示方式包括：

，，，

其中，、是输入增量；、、是输出增量，为阶跃响应系数；

根据所述阶跃函数的表示方式、映射关系F、输入量X的表示方式、输出量Y的表示方式得到：

，其中，，，。

4.根据权利要求3所述的基于人工神经网络模型的灭菌参数选择系统，其特征在于：

所述超声参数至少包括超声强度和辐照时间；

所述空化作用参数至少包括细菌存活数量或者细菌死亡数量。