呼吸机检测与控制算法的研究与应用

发布时间：2017-10-05 03:21

  本文关键词：呼吸机检测与控制算法的研究与应用

  更多相关文章： 呼吸机 流速控制 漏气检测 内模控制 BP神经网络

【摘要】：呼吸机是各个医院不可或缺的医疗设备之一,在病人的抢救与治疗中起着至关重要的作用。深入研究如何提高通气平稳度与漏气检测精确度对降低国内呼吸机使用安全隐患,提升国产品牌的技术水平和市场竞争力有着重要的理论与现实意义。本文以提升定容通气时的通气平稳度和漏气检测的准确性为目标。通过分析研究实验室呼吸机平台定容通气的特性以及漏气检测的不足之处,并对比了现有控制理论的优势与适用场景,从而选取内模PID算法控制定容通气的流速,使用BP神经网络监测呼吸机系统的漏气量。首先,针对呼吸机的气路组成以及实验室现有设备,对气路进行改造,以便于采集呼吸机漏气时的工作状态,包括呼吸潮气量以及漏气量等。然后根据采集到的数据与呼吸机的工作特点,确定BP神经网络的结构模型,并通过大量实验选择合适的传递函数与训练算法,借助AATLAB完成漏气检测系统的设计与仿真。其次,针对定容通气的工作模式,提出内模PID控制方案。通过对比机理法建模和测试法建模的优缺点,选取测试法对呼吸机流速控制系统进行数学建模。实验选取三种不同幅值的阶跃函数作为系统激励,同时记录流速控制系统的响应,通过拟合的方式得出响应曲线的函数表达式,在此基础上添加滤波器得到内模PID的控制模型,并通过试验的方式对内模PID控制的参数进行了整定。最后,对漏气检测系统与流速控制系统分别进行了测试与验证：结合MATLAB与 Delphi上位机软件对基于BP神经网络的漏气检测情况进行测试,测试结果表明,该系统具有良好的稳定性与较高的精度,在不增加传感器的前提下实现了实验室呼吸机平台的漏气检测功能：通过对不同实验条件下的八组数据的对比分析,测试了三种流速模型下内模PID的性能,实验发现,三种模型的表现差距较大,但均比原系统使用的流速控制器有了较大幅度的提升,实现了对患者平稳准确的供气。
【关键词】：呼吸机 流速控制 漏气检测 内模控制 BP神经网络
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH789
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-12
• 1.1 呼吸机的发展历史及国内外现状8-9
• 1.1.1 呼吸机的发展历史8
• 1.1.2 国内外发展现状8-9
• 1.2 选题背景和意义9-10
• 1.3 本文主要内容及结构安排10-12
• 第二章 呼吸机检测与控制的算法基础12-22
• 2.1 漏气检测与流速控制算法的选取12-14
• 2.1.1 常用控制算法简介12-13
• 2.1.2 流速控制影响因素研究13-14
• 2.1.3 漏气检测影响因素分析14
• 2.2 BP神经网络的基本原理14-18
• 2.2.1 神经元模型14-15
• 2.2.2 神经网络的学习方式15-16
• 2.2.3 感知器16
• 2.2.4 BP神经网络16-18
• 2.3 内模PID控制理论18-21
• 2.3.1 PID控制与内模控制18-19
• 2.3.2 内模PID控制原理简介19-20
• 2.3.3 内部模型的设计方法20-21
• 2.4 本章小节21-22
• 第三章 基于BP神经网络的漏气检测模块设计22-36
• 3.1 呼吸机气路分析22
• 3.2 BP神经网络结构设计22-24
• 3.2.1 输入输出层23
• 3.2.2 隐藏层23-24
• 3.3 样本数据的获取与处理24-28
• 3.3.1 样本数据的采集24-26
• 3.3.2 样本数据的预处理26-28
• 3.4 网络中数据的传递与处理28-34
• 3.4.1 传递函数的选择28-30
• 3.4.2 训练算法的选择30-34
• 3.5 本章小结34-36
• 第四章 基于内模PID的流速控制模块设计36-50
• 4.1 呼吸机控制平台工作原理简介36-40
• 4.1.1 硬件部分36-38
• 4.1.2 软件部分38-40
• 4.2 呼吸机流速控制的数学建模40-46
• 4.2.1 比例阀控制的一般过程40-41
• 4.2.2 流速控制过程的数学建模41-46
• 4.3 基于内模PID的流速控制模块设计46-48
• 4.3.1 流速控制模块程序编写46-48
• 4.3.2 参数整定48
• 4.4 本章小结48-50
• 第五章 呼吸机检测与控制效果的测试与验证50-60
• 5.1 漏气检测测试与验证50-52
• 5.1.1 呼吸机漏气检测精度及泛化能力测试50-51
• 5.1.2 呼吸机漏气检测重复性验证51-52
• 5.2 流速控制测试与验证52-58
• 5.3 本章小结58-60
• 第六章 总结与展望60-62
• 6.1 总结60
• 6.2 工作展望60-62
• 致谢62-64
• 参考文献64-68
• 附录68-70

【参考文献】

中国期刊全文数据库 前10条

1 杨平;余洁;孙宇贞;;多容惯性标准传递函数的建立与比较[J];上海电力学院学报;2011年05期

2 吴俊学;;基于PSO-EO算法优化的BP神经网络研究[J];科学技术与工程;2010年24期

3 张池平;唐蕾;苏小红;马培军;;改进的DFP神经网络学习算法[J];计算机仿真;2008年04期

4 肖胜春;卢兴平;曹德森;刘延武;;呼吸机通气质量检测及质量评估方法[J];中国医疗设备;2008年01期

5 徐春梅,尔联洁,刘金琨;动态模糊神经网络及其快速自调整学习算法[J];控制与决策;2005年02期

6 黄玲,秦英智;呼吸机的发展应用现状[J];医疗装备;2005年01期

7 黄敏,方晓柯,王建辉,顾树生;基于多值编码的混合遗传算法的小波神经网络优化[J];系统仿真学报;2004年09期

8 李祥飞,邹恩,邹莉华;前馈神经网络的混沌BP混合学习算法[J];控制与决策;2004年04期

9 姚俊峰,杨献勇,彭小奇,张田,郑顺斌;基于混沌变量的变步长梯度下降优化算法[J];清华大学学报(自然科学版);2003年12期

10 艾景军,周春光,宫成春;前馈神经网络病态样本投票剔除算法[J];小型微型计算机系统;2002年11期

中国博士学位论文全文数据库 前2条

1 门金来;内模控制在汽车稳定控制中的应用研究[D];上海交通大学;2012年

2 周斌;基于BP神经网络的内燃机排放性能建模与应用研究[D];西南交通大学;2004年

中国硕士学位论文全文数据库 前8条

1 蒋亮;BP神经网络的优化研究及应用[D];南昌大学;2014年

2 王鸣云;基于改进的Levenberg-Marquardt算法的入侵检测系统的研究[D];哈尔滨理工大学;2012年

3 刘天舒;BP神经网络的改进研究及应用[D];东北农业大学;2011年

4 王宇辉;内模控制方法的研究和设计[D];北京化工大学;2009年

5 黄丽;BP神经网络算法改进及应用研究[D];重庆师范大学;2008年

6 黄建娜;基于神经网络PID在直齿圆柱电磁齿轮传动控制系统中的研究[D];贵州大学;2007年

7 侯明冬;智能内模PID控制方法研究[D];太原科技大学;2007年

8 黄静;基于内模控制的PID控制系统的研究与应用[D];北京化工大学;2006年

，

本文编号：974487