CN109507884B - 空氧混合器压力控制方法、装置、计算机设备和存储介质 - Google Patents
空氧混合器压力控制方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109507884B CN109507884B CN201811455891.4A CN201811455891A CN109507884B CN 109507884 B CN109507884 B CN 109507884B CN 201811455891 A CN201811455891 A CN 201811455891A CN 109507884 B CN109507884 B CN 109507884B
- Authority
- CN
- China
- Prior art keywords
- pressure
- air
- current pressure
- adaptive control
- control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本申请涉及一种空氧混合器压力控制方法、装置、计算机设备和存储介质,获取压力设定值与当前压力值;根据当前压力值与压力设定值,计算当前压力误差;根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号;根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律;根据自适应控制律,调整维持空氧混合器***压力所需的控制量。用基于预设混合器压力模型设计的自适应控制算法得到的自适应控制律,能够在线调整维持空氧混合器***压力所需的控制量,且该算法的前馈信号可用于消除***误差,反馈信号用于维持***稳定,前馈加反馈的控制作用,可实现空氧混合器压力的精确控制。
Description
技术领域
本申请涉及气体混合器气道压控制领域,特别是涉及一种空氧混合器压力控制方法、装置、计算机设备和存储介质。
背景技术
呼吸机是一种能代替、控制或改变人的正常生理呼吸,增加肺通气量,改善呼吸功能,减轻呼吸功消耗,节约心脏储备能力的装置。
空氧混合器通常作为呼吸机的呼吸配件,提供氧浓度可控的混合气体,一般空氧混合器都是按照空气氧气的体积混合比例,达到氧浓度调节的目的。
传统空氧混合器压力控制采用以PID(Proportion-Integral-Derivative,比例-积分-微分)算法或者改进PID算法,如模糊PID,但该类算法自适应能力较弱,当出现较大干扰时,如输入到低压比例阀气体流量突然增大,会导致该算法反应不过来,空氧混合器压力控制效果差。
发明内容
基于此,有必要针对传统空氧混合器压力自适应控制算法适应能力较弱导致控制效果差的问题,提供一种压力控制更加稳定的力控制方法、装置、计算机设备和存储介质。
一种空氧混合器压力控制方法,包括:
获取压力设定值与当前压力值;
根据当前压力值与压力设定值,计算当前压力误差;
根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号;
根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律;
根据自适应控制律,调整维持空氧混合器***压力所需的控制量。
在其中一个实施例中,根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号之前,还包括:
获取呼吸***模型;
将呼吸***模型中呼吸肌作用力与气道压之和的变量替换为当前压力值变量、并将呼吸***模型中呼吸末正压变量替换为压力设定值变量,生成预设混合器压力模型。
在其中一个实施例中,根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号包括:
根据当前压力误差以及预设混合器压力模型,结合模型参考自适应控制理论,配置初始自适应控制算法中前馈信号和反馈信号。
在其中一个实施例中,根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律包括:
分析当前压力误差的动态特性,结合混合器压力模型对当前压力误差进行求导,得出当前压力误差导数值;
根据当前压力误差、当前压力误差导数值以及自适应控制算法的设定参数,基于确定性等价原则,设计控制增量;
基于控制增量和当前压力误差导数值以及李雅普诺夫能量函数,设计自适应控制律。
在其中一个实施例中,基于控制增量和压力误差的导数值,结合李雅普诺夫能量函数,设计自适应控制律包括:
获取空氧混合器***的参数更新律;
基于李雅普诺夫稳定性理论,构建李雅普诺夫能量函数;
对李雅普诺夫能量函数进行求导,得到李雅普诺夫能量函数的导数;
根据当前压力误差、当前压力误差导数值、控制增量、***参数更新律和李雅普诺夫能量函数的导数,判断空氧混合器***的稳定性;
当判断空氧混合器***稳定时,确定在时域上的自适应控制律。
在其中一个实施例中,获取空氧混合器***的参数更新律之前,还包括:
根据当前压力误差的导数值以及控制增量,基于李雅普诺夫稳定性理论,设计空氧混合器***的参数更新律。
一种空氧混合器压力控制装置,包括:
数据获取模块,用于获取压力设定值与当前压力值;
误差计算模块,用于根据当前压力值与压力设定值,计算当前压力误差;
前馈信号和反馈信号确定模块,根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号;
自适应控制律设计模块,根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律;
控制模块,用于根据自适应控制律,控制维持空氧混合器***压力所需的控制量。
在其中一个实施例中,自适应控制律设计模块包括:
参数更新律获取单元,用于获取空氧混合器***的参数更新律;
函数构建单元,用于基于李雅普诺夫能量函数,构建李雅普诺夫能量函数;
函数求导单元,用于对李雅普诺夫能量函数进行求导,得到李雅普诺夫能量函数的导数;
稳定性判断单元,用于根据当前压力误差、当前压力误差导数值、控制增量、***参数自适应律和李雅普诺夫能量函数的导数,判断空氧混合器***的稳定性;
自适应控制律确定单元,用于当判断空氧混合器***稳定时,确定在时域上的自适应控制律。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取压力设定值与当前压力值;
根据当前压力值与压力设定值,计算当前压力误差;
根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号;
根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律;
根据自适应控制律,调整维持空氧混合器***压力所需的控制量。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取压力设定值与当前压力值;
根据当前压力值与压力设定值,计算当前压力误差;
根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号;
根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律;
根据自适应控制律,调整维持空氧混合器***压力所需的控制量。
上述空氧混合器压力控制方法、装置、计算机设备和存储介质,获取压力设定值与当前压力值;根据当前压力值与压力设定值,计算当前压力误差;根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号;根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律;根据自适应控制律,调整维持空氧混合器***压力所需的控制量。利用基于预设混合器压力模型设计的自适应控制算法得到的自适应控制律,能够实现在线调整维持空氧混合器***压力所需的控制量,且该算法的前馈信号可用于消除***误差,反馈信号用于维持***稳定,前馈加反馈的控制作用,能够实现空氧混合器压力的精确控制。
附图说明
图1为一个实施例中包含空氧混合器的涡轮呼吸机的***框架图;
图2为一个实施例中空氧混合器压力控制的流程图;
图3为另一个实施例中空氧混合器压力控制的流程图;
图4为一个实施例中PID算法维持压力效果图;
图5为一个实施例中自适应控制算法维持压力效果图;
图6为一个实施例中空氧混合器压力装置的结构示意图;
图7为一个实施例中计算机设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的空氧混合器压力控制方法,可以应用在图1中的应用环境中。图1中的涡轮与气道之间添加了空氧混合器,起到缓冲作用。当空氧混合器***处于工作状态时,上位机给出压力设定值、混合器压力传感器读取当前压力,空氧混合器处理器获取压力设定值与当前压力值;根据压力设定值与当前压力值,计算当前压力误差;根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号;根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律;根据自适应控制律,调整维持空氧混合器***压力所需的控制量。
在一个实施例中,如图2所示,提供了一种空氧混合器压力控制方法,以该方法应用于图1中的空氧混合器的处理器为例进行说明,包括以下步骤:
步骤S100,获取压力设定值与当前压力值。
其中,压力设定值是由上位机给出,上位机是指可以直接发出操控命令的计算机,其屏幕显示各种信号变化,如液压、水位、温度等信号。本实施中,压力设定值为50百帕,上位机获取压力设定值后会将压力设定值发送至空氧混合器的处理器;在其他实施例中,压力设定值还可以为55百帕、60百帕以及其他压力值,在此不做限制。压力是工业生产中的重要参数之一,为了保证生产正常运行,故必须对压力进行监测和控制,本实施例中,压力由混合器压力传感器读取。混合器压力传感器是能感受压力信号,并能按照一定的规律将压力信号转换成可用的输出的电信号的器件或装置,混合器压力传感器实时读取当前压力值,并将当前压力值发送至空氧混合器的处理器。
步骤S200,根据当前压力值与压力设定值,计算当前压力误差。
由图1我们能够得知,空氧混合器在工作时会受到四方面影响,一是来自于空气气体的影响,二是来自于氧气气体的影响,三是供给气道气体的影响,四是自身排气的影响,故其在工作时受到的干扰较大,使得当前压力不稳定,需要维持压力稳定,而压力的维持需要依赖于当前压力误差的计算。空氧混合器处理器在获取上位机和混合器压力传感器发送的当前压力值与压力设定值后,将当前压力值与压力设定值作减法运算,计算得到当前压力误差,若当前压力误差等于0时,则保持控制量不变,继续计算下一时刻压力误差值;若当前压力误差不等于0时,则通过自适应控制律来调整维持空氧混合器***压力的控制量,继续计算下一时刻压力误差值。
步骤S300,根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号。
其中,预设混合器压力模型是基于传统呼吸***模型所构建的,混合器可以模拟为硬质肺而构造为呼吸***,故可以根据传统呼吸***模型推导出预设混合器压力模型。自适应控制算法的研究对象是具有一定程度不确定性的***,这里所谓的“不确定性”是指描述被控对象及其环境的数学模型不是完全确定的,其中包含一些未知因素和随机因素。自适应控制和常规的反馈控制和最优控制一样,也是一种基于数学模型的控制方法,所不同的只是自适应控制所依据的关于模型和扰动的先验知识比较少,需要在***的运行过程中去不断提取有关模型的信息,使模型逐步完善。具体地说,可以依据对象的输入输出数据,不断地辨识模型参数,这个过程称为***的在线辩识。比如某些控制对象,其特性可能在运行过程中要发生较大的变化,但通过在线辩识和改变控制器参数,***也能逐渐适应。本实施例中,预设混合器压力模型作为参考模型,自适应控制算法就是基于预设混合器压力模型的控制算法。该控制算法可以分成两部分,前半部分是前馈信号,用于抵消***结构项;后半部分是反馈信号,用于维持空氧混合器***稳定。前馈信号和反馈信号用于前馈控制和反馈控制,前馈控制是一种利用扰动信号的控制策略。如果过程具有严重的可测扰动,前馈控制器就可以在反馈回路产生纠正作用前减少干扰对回路的影响。受控部分在接受控制部分的指令进行活动时,又及时地受到前馈信号的调控,因此活动可以更加准确。与前馈控制相比,反馈控制需要较长的时间,因为控制部分要在接到受控部分活动的反馈信号后才能发出纠正受控部分活动的指令,因此受控部分的活动可能发生较大波动。以神经***对骨骼肌任意活动的控制为例,如果只有反馈控制而没有前馈控制,则肌肉活动时可出现震颤,动作不能快速、准确、协调地完成。本实施的前馈信号和反馈信号的结合能够快速准确维持空氧混合器***的压力稳定。
步骤S400,根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律。
由前馈信号和反馈信号确定的自适应控制算法,该算法具有前馈作用和反馈作用,使得实现空氧混合器***具有一定的自适应能力。自适应控制律的设计方法主要有两种:基于参数估计,基于稳定性理论,为使空氧混合器***稳定工作,本实施例采用李普雅诺夫稳定性理论设计多参数可调的自适应控制律。李雅普诺夫稳定性理论是由俄国学者李雅普诺夫于1892年提出,对于控制***,稳定性是需要研究的一个基本问题。在研究线性定常***时,已有许多判据如代数稳定判据、奈奎斯特稳定判据等可用来判定***的稳定性。李雅普诺夫稳定性理论能同时适用于分析线性***和非线性***、定常***和时变***的稳定性,是更为一般的稳定性分析方法。目前,李雅普诺夫稳定性理论是证明非线性***稳定性的重要理论依据,也是设计控制算法的重要方法之一。本实施例中,李雅普诺夫稳定性理论采用的即是李雅普诺夫第二方法,李雅普诺夫第二方法可用于任意阶的***,运用这一方法可以不必求解***状态方程而直接判定稳定性。对非线性***和时变***,状态方程的求解常常是很困难的,因此李雅普诺夫第二方法就显示出很大的优越性。
步骤S500,根据自适应控制律,调整维持空氧混合器***压力所需的控制量。
自适应控制律描述了受控状态变量与***输入信号之间的函数关系。在研究控制器的控制规律时,经常是假定控制器的输入信号是一个阶跃信号,然后来研究控制器的输出信号随时间的变化规律。基本的控制规律有:位式控制、比例控制、积分控制、微分控制和组合式。不同的控制规律适应于不同的生产要求,必须根据生产要求来选用适当的控制规律。如选用不当,不但不能起到好的作用,反而会使控制过程恶化,甚至造成事故。本实施例中,自适应控制律为时域上的自适应控制律,根据此自适应控制律可实现在线调整控制量,维持空氧混合器***压力的稳定。
上述空氧混合器压力控制方法、装置、计算机设备和存储介质,获取压力设定值与当前压力值;根据当前压力值与压力设定值,计算当前压力误差;根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号;根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律;根据自适应控制律,调整维持空氧混合器***压力所需的控制量。利用基于预设混合器压力模型设计的自适应控制算法得到的自适应控制律,能够实现在线调整维持空氧混合器***压力所需的控制量,且该算法的前馈信号可用于消除***误差,反馈信号用于维持***稳定,前馈加反馈的控制作用,能够实现空氧混合器压力的精确控制。
如图3所示,在其中一个实施例中,根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号之前,还包括:获取呼吸***模型;将呼吸***模型中呼吸肌作用力与气道压之和的变量替换为当前压力值变量、并将呼吸***模型中呼吸末正压变量替换为压力设定值变量,生成预设混合器压力模型。
其中,呼吸***模型为现有的成熟模型,在易韦韦博士论文《基于主动模拟肺的通气模式关键技术研究》中有详细推导,呼吸***一般描述为:其中,Pm为呼吸肌作用力,Paw为气道压,PEEP为呼吸末正压,V=∫f dt+V0,f=f1-f2,f1=k*u,C为顺应性,f为硬质肺气体流量,R为气阻。因混合器模拟为硬质肺,可以基于上述呼吸***模型,将呼吸***模型中呼吸肌作用力与气道压之和的变量替换为当前压力值变量、并将呼吸***模型中呼吸末正压变量替换为压力设定值变量,生成预设混合器压力模型:其中,V=∫f dt+V0,f=f1-f2,f1=k*u,P为混合器当前压力,V为混合器气体容积,C为顺应性,f为混合器气体流量,R为气阻,P0为混合器起始压力,∫dt为积分符号,V0为混合器气体起始容积,f1为混合器流入流量,f2为混合器流出流量且为已知定量,k为控制量系数,u为控制量。本实施中,基于传统呼吸***模型构建混合器压力模型,方式简单,且有成熟的理论基础,保证了混合器压力模型的准确性。
如图3所示,在其中一个实施例中,根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号包括:根据当前压力误差以及预设混合器压力模型,结合模型参考自适应控制理论,配置初始自适应控制算法中前馈信号和反馈信号。
其中,模型参考自适应控制是设计适应机构使被控对象和已知参考模型的动态特性尽可能接近的一种自适应控制,它已具有较成熟的分析综合理论和方法,并在实践中被越来越广泛地使用,如飞机自动驾驶仪、舰船自动驾驶***、光电跟踪望远镜随动***、可控硅调速***和机械手控制***等方面。而模型参考自适应控制***设计主要有两大类方法,本实施例中,采用的设计方法为基于李雅普诺夫稳定性理论,基于模型参考自适应理论、当前压力误差以及预设混合器压力模型,配置初始自适应控制算法的反馈信号和前馈信号。配置完成后的自适应控制算法结构可以分成两部分,前半部分,即是前馈信号,用于去抵消***结构项;后半部分,即-K0e,是为了最终稳定而设计的反馈信号。相比PID算法,PID算法为纯反馈算法,无前馈作用,因此自适应控制算法更为合适。
如图3所示,在其中一个实施例中,根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律包括:S410,分析当前压力误差的动态特性,结合混合器压力模型对当前压力误差进行求导,得出当前压力误差导数值;S420,根据当前压力误差、当前压力误差导数值以及自适应控制算法的设定参数,基于确定性等价原则,设计控制增量;S430,基于控制增量和当前压力误差导数值以及李雅普诺夫能量函数,设计自适应控制律。
其中,确定性等价原则用于统一分析基于任意控制策略和任意参数估计算法的自校正控制***的稳定性和收敛性。当设计控制器时,最新估计出的参数值被当作真实值应用在控制规律中。即在设计中没有考虑估计的不确定性,这被称之为确定性等价准则。基于确定性等价原则的自适应控制器的参数估计和控制器设计是分离的,即在设计控制器时忽略了参数估计的不确定性。因此,任何参数估计算法都可以和任意控制律相结合,产生出相应的确定性等价自适应控制器。实际上真实***的模型是未知的,故本实施例采用在线参数辨识的手段估计被控对象的参数或控制器参数,根据确定性等价原则,把估计出来的参数当成真是的参数用来计算控制量u,并且在每个采样周期内重复进行参数估计和控制输入的计算。本实施中,在设计自适应控制律中,用于设计控制增量的参数为α的估计值,具体的自适应控制律设计过程如下:
(1)混合器压力模型为:其中V=∫f dt+V0,f=f1-f2,f1=k*u,P为混合器当前压力,V为混合器气体容积,C为顺应性,f为混合器气体流量,R为气阻,P0为混合器起始压力,∫dt为积分符号,V0为混合器气体起始容积,f1为混合器流入流量,f2为混合器流出流量且为已知定量,k为控制量系数,u为控制量;
(2)混合器压力误差e:e=P-Pd,其中Pd为混合器压力设定值;
(5)基于控制增量和当前压力误差导数值以及李雅普诺夫能量函数,设计自适应控制律。
本实施例中,采用确定性等价原则把得到的参数估计值当成真实的参数用来计算控制量u,随着自适应控制过程的进行,辨识出来的参数将越来越准确,控制的效果也就越来越准确。
在其中一个实施例中,基于控制增量和压力误差的导数值,结合李雅普诺夫能量函数,设计自适应控制律包括:获取空氧混合器***的参数更新律;基于李雅普诺夫稳定性理论,构建李雅普诺夫能量函数;对李雅普诺夫能量函数进行求导,得到李雅普诺夫能量函数的导数;根据当前压力误差、当前压力误差导数值、控制增量、***参数更新律和李雅普诺夫能量函数的导数,判断空氧混合器***的稳定性;当判断空氧混合器***稳定时,确定在时域上的自适应控制律。
具体的,首先获取参数更新律为判断空氧混合器***的稳定性,利用空氧混合器***的总能量E来分析该***的稳定性,依据经验和技巧构建李雅普诺夫能量函数对其进行求导,得到李雅普诺夫能量函数的导数将混合器压力误差e、压力误差导数值以及参数更新律代入李雅普诺夫能量函数的导数中,得到:
由上式可知,根据李雅普诺夫稳定性理论可知空氧混合器***是稳定的,由此,便能确定时域上的自适应控制律为:本时刻的控制量等于上一时刻的控制量加上本时刻的控制增量,即其中,u(t)为t时刻的控制量,u(t-1)为t-1时刻的控制量,为t时刻的控制量导数。对非线性***和时变***,状态方程的求解常常是很困难的,利用李雅普诺夫稳定性理论这一方法可以不必求解***状态方程而直接判定稳定性,更为简单便捷。
在其中一个实施例中,获取空氧混合器***的参数更新律之前,还包括:根据当前压力误差的导数值以及控制增量,基于李雅普诺夫稳定性理论,设计空氧混合器***的参数更新律。
其中,参数更新律是为了使得被控对象和参考模型之间的跟踪误差达到最小,自适应控制器可采用参数更新律以识别未知的***参数,并通过调节反馈增益来适应***变化。具体的,令将控制增量代入压力误差导数值也就是跟踪误差的误差动态方程,再对李雅普诺夫函数进行求导,得到李雅普诺夫函数导数为使设计参数更新律为其中,γ为已知参数,为的导数。本实例中,参数更新律的设计是基于李雅普诺夫稳定性理论从***角度出发,有益于空氧混合器***的稳定性的判断。
为更加清楚直白地表达本申请提供的自适应控制算法的压力控制效果,下面将传统PID算法维持压力效果图和本申请的自适应控制算法维持压力效果图加以比较,传统压力控制采用以PID算法或者改进PID算法,如模糊PID为主,该类算法自适应能力较弱,当出现较大干扰时,如流出到低压比例阀气体流量突然增大,会导致该算法反应不过来,压力维持效果变差,形成如图4的压力波形图。从图4可以看出,维持压力设定为50百帕,在中间段波动较大,导致***稳态静差较大,空氧混合器压力控制效果较差。本申请提供的根据混合器***特性设计的自适应控制算法,可以很好地维持压力,同样维持压力设定为50百帕,得到如图5的压力波形图,维持段波动较小,***静差较小,空氧混合器压力控制效果更好。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种空氧混合器压力控制装置,包括:数据获取模块610、误差计算模块620、前馈信号和反馈信号确定模块630、自适应控制律设计模块640和自控制模块650,其中:
数据获取模块610,用于获取压力设定值与当前压力值。
误差计算模块620,用于根据当前压力值与压力设定值,计算当前压力误差。
前馈信号和反馈信号确定模块630,根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号。
自适应控制律设计模块640,根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律。
自控制模块650,用于根据自适应控制律,控制维持空氧混合器***压力所需的控制量。
在一个实施例中,自适应控制律设计模块640包括:
参数更新律获取单元641,用于获取空氧混合器***的参数更新律;
函数构建单元642,用于基于李雅普诺夫能量函数,构建李雅普诺夫能量函数;
函数求导单元643,用于对李雅普诺夫能量函数进行求导,得到李雅普诺夫能量函数的导数;
稳定性判断单元644,用于根据当前压力误差、当前压力误差导数值、控制增量、***参数自适应律和李雅普诺夫能量函数的导数,判断空氧混合器***的稳定性;
自适应控制律确定单元645,用于当判断空氧混合器***稳定时,确定在时域上的自适应控制律。
在一个实施例中,空氧混合器压力控制装置还包括混合器压力模型生成模块660,混合器压力模型生成模块660用于获取呼吸***模型;将呼吸***模型中呼吸肌作用力与气道压之和的变量替换为当前压力值变量、并将呼吸***模型中呼吸末正压变量替换为压力设定值变量,生成预设混合器压力模型。
在一个实施例中,空氧混合器压力控制装置还包括前馈信号和反馈信号配置模块670,前馈信号和反馈信号配置模块670用于根据当前压力误差以及预设混合器压力模型,结合模型参考自适应控制理论,配置初始自适应控制算法中前馈信号和反馈信号。
在一个实施例中,自适应控制律设计模块640还用于分析当前压力误差的动态特性,结合混合器压力模型对当前压力误差进行求导,得出当前压力误差导数值;根据当前压力误差、当前压力误差导数值以及自适应控制算法的设定参数,基于确定性等价原则,设计控制增量;基于控制增量和当前压力误差导数值以及李雅普诺夫能量函数,设计自适应控制律。
在一个实施例中,自适应控制律设计模块640还用于获取空氧混合器***的参数更新律;基于李雅普诺夫稳定性理论,构建李雅普诺夫能量函数;对李雅普诺夫能量函数进行求导,得到李雅普诺夫能量函数的导数;根据当前压力误差、当前压力误差导数值、控制增量、***参数更新律和李雅普诺夫能量函数的导数,判断空氧混合器***的稳定性;当判断空氧混合器***稳定时,确定在时域上的自适应控制律。
在一个实施例中,空氧混合器压力控制装置还包括参数更新律设计模块680,参数更新律设计模块680用于根据当前压力误差的导数值以及控制增量,基于李雅普诺夫稳定性理论,设计空氧混合器***的参数更新律。
关于空氧混合器压力控制装置的具体限定可以参见上文中对于空氧混合器压力控制方法的限定,在此不再赘述。上述空氧混合器压力控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种空氧混合器压力控制方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取压力设定值与当前压力值;根据当前压力值与压力设定值,计算当前压力误差;根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号;根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律;根据自适应控制律,调整维持空氧混合器***压力所需的控制量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取呼吸***模型;将呼吸***模型中呼吸肌作用力与气道压之和的变量替换为当前压力值变量、并将呼吸***模型中呼吸末正压变量替换为压力设定值变量,生成预设混合器压力模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据当前压力误差以及预设混合器压力模型,结合模型参考自适应控制理论,配置初始自适应控制算法中前馈信号和反馈信号。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:分析当前压力误差的动态特性,结合混合器压力模型对当前压力误差进行求导,得出当前压力误差导数值;根据当前压力误差、当前压力误差导数值以及自适应控制算法的设定参数,基于确定性等价原则,设计控制增量;基于控制增量和当前压力误差导数值以及李雅普诺夫能量函数,设计自适应控制律。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取空氧混合器***的参数更新律;基于李雅普诺夫稳定性理论,构建李雅普诺夫能量函数;对李雅普诺夫能量函数进行求导,得到李雅普诺夫能量函数的导数;根据当前压力误差、当前压力误差导数值、控制增量、***参数更新律和李雅普诺夫能量函数的导数,判断空氧混合器***的稳定性;当判断空氧混合器***稳定时,确定在时域上的自适应控制律。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据当前压力误差的导数值以及控制增量,基于李雅普诺夫稳定性理论,设计空氧混合器***的参数更新律。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取压力设定值与当前压力值;根据当前压力值与压力设定值,计算当前压力误差;根据当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号;根据由前馈信号和反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律;根据自适应控制律,调整维持空氧混合器***压力所需的控制量。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取呼吸***模型;将呼吸***模型中呼吸肌作用力与气道压之和的变量替换为当前压力值变量、并将呼吸***模型中呼吸末正压变量替换为压力设定值变量,生成预设混合器压力模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据当前压力误差以及预设混合器压力模型,结合模型参考自适应控制理论,配置初始自适应控制算法中前馈信号和反馈信号。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:分析当前压力误差的动态特性,结合混合器压力模型对当前压力误差进行求导,得出当前压力误差导数值;根据当前压力误差、当前压力误差导数值以及自适应控制算法的设定参数,基于确定性等价原则,设计控制增量;基于控制增量和当前压力误差导数值以及李雅普诺夫能量函数,设计自适应控制律。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取空氧混合器***的参数更新律;基于李雅普诺夫稳定性理论,构建李雅普诺夫能量函数;对李雅普诺夫能量函数进行求导,得到李雅普诺夫能量函数的导数;根据当前压力误差、当前压力误差导数值、控制增量、***参数更新律和李雅普诺夫能量函数的导数,判断空氧混合器***的稳定性;当判断空氧混合器***稳定时,确定在时域上的自适应控制律。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据当前压力误差的导数值以及控制增量,基于李雅普诺夫稳定性理论,设计空氧混合器***的参数更新律。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成的,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种空氧混合器压力控制方法,其特征在于,所述方法包括:
获取压力设定值与当前压力值;
根据所述当前压力值与所述压力设定值,计算当前压力误差;
根据所述当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号;
根据由所述前馈信号和所述反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律;
根据所述自适应控制律,调整维持空氧混合器***压力所需的控制量;
所述根据由所述前馈信号和所述反馈信号确定的自适应控制算法,基于李雅普诺夫稳定性理论,设计自适应控制律包括:
分析所述当前压力误差的动态特性,结合所述预设混合器压力模型对所述当前压力误差进行求导,得出当前压力误差导数值;
根据所述当前压力误差、所述当前压力误差导数值以及所述自适应控制算法的设定参数,基于确定性等价原则,设计控制增量;
基于所述控制增量和所述当前压力误差导数值以及李雅普诺夫稳定性理论,设计所述自适应控制律。
2.根据权利要求1所述的空氧混合器压力控制方法,其特征在于,所述根据所述当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号之前,还包括:
获取呼吸***模型;
将所述呼吸***模型中呼吸肌作用力与气道压之和的变量替换为当前压力值变量、并将所述呼吸***模型中呼吸末正压变量替换为压力设定值变量,生成预设混合器压力模型。
3.根据权利要求1所述的空氧混合器压力控制方法,其特征在于,所述根据所述当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号包括:
根据所述当前压力误差以及所述预设混合器压力模型,结合模型参考自适应控制理论,配置初始自适应控制算法中前馈信号和反馈信号。
4.根据权利要求1所述的空氧混合器压力控制方法,其特征在于,所述基于所述控制增量和所述当前压力误差导数值以及李雅普诺夫稳定性理论,设计所述自适应控制律包括:
获取所述空氧混合器***的参数更新律;
基于李雅普诺夫稳定性理论,构建李雅普诺夫能量函数;
对所述李雅普诺夫能量函数进行求导,得到所述李雅普诺夫能量函数的导数;
根据所述当前压力误差、所述当前压力误差导数值、所述控制增量、所述空氧混合器***的参数更新律和所述李雅普诺夫能量函数的导数,判断所述空氧混合器***的稳定性;
当判断所述空氧混合器***稳定时,确定在时域上的自适应控制律。
5.根据权利要求4所述的空氧混合器压力控制方法,其特征在于,所述获取所述空氧混合器***的参数更新律之前,还包括:
根据所述当前压力误差导数值以及所述控制增量,基于李雅普诺夫稳定性理论,设计所述空氧混合器***的参数更新律。
6.一种空氧混合器压力控制装置,其特征在于,所述装置包括:
数据获取模块,用于获取压力设定值与当前压力值;
误差计算模块,用于根据所述当前压力值与所述压力设定值,计算当前压力误差;
前馈信号和反馈信号确定模块,用于根据所述当前压力误差以及预设混合器压力模型,得到自适应控制算法的前馈信号和反馈信号;
自适应控制律设计模块,用于分析所述当前压力误差的动态特性,结合所述预设混合器压力模型对所述当前压力误差进行求导,得出当前压力误差导数值,根据所述当前压力误差、所述当前压力误差导数值以及所述自适应控制算法的设定参数,基于确定性等价原则,设计控制增量,基于所述控制增量和所述当前压力误差导数值以及李雅普诺夫稳定性理论,设计所述自适应控制律;
控制模块,用于根据所述自适应控制律,控制维持空氧混合器***压力所需的控制量。
7.根据权利要求6所述的空氧混合器压力控制装置,其特征在于,所述自适应控制律设计模块包括:
参数更新律获取单元,用于获取所述空氧混合器***的参数更新律;
函数构建单元,用于基于所述李雅普诺夫稳定性理论,构建李雅普诺夫能量函数;
函数求导单元,用于对所述李雅普诺夫能量函数进行求导,得到所述李雅普诺夫能量函数的导数;
稳定性判断单元,用于根据所述当前压力误差、所述当前压力误差导数值、所述控制增量、所述空氧混合器***的参数更新律和所述李雅普诺夫能量函数的导数,判断所述空氧混合器***的稳定性;
自适应控制律确定单元,用于当判断所述空氧混合器***稳定时,确定在时域上的自适应控制律。
8.根据权利要求7所述的空氧混合器压力控制装置,其特征在于,所述装置还包括:
参数更新律设计模块,用于根据所述当前压力误差导数值以及所述控制增量,基于李雅普诺夫稳定性理论,设计空氧混合器***的参数更新律。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,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5中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811455891.4A CN109507884B (zh) | 2018-11-30 | 2018-11-30 | 空氧混合器压力控制方法、装置、计算机设备和存储介质 |
PCT/CN2019/072604 WO2020107693A1 (zh) | 2018-11-30 | 2019-01-22 | 空氧混合器压力控制方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811455891.4A CN109507884B (zh) | 2018-11-30 | 2018-11-30 | 空氧混合器压力控制方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109507884A CN109507884A (zh) | 2019-03-22 |
CN109507884B true CN109507884B (zh) | 2020-03-27 |
Family
ID=65751424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811455891.4A Active CN109507884B (zh) | 2018-11-30 | 2018-11-30 | 空氧混合器压力控制方法、装置、计算机设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109507884B (zh) |
WO (1) | WO2020107693A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111265746B (zh) * | 2020-01-20 | 2022-02-22 | 深圳市科曼医疗设备有限公司 | 混合腔压力控制方法、呼吸机设备和计算机可读存储介质 |
CN111135411B (zh) * | 2020-01-20 | 2021-12-10 | 深圳市科曼医疗设备有限公司 | 呼气阀的控制方法、装置、计算机设备和存储介质 |
CN111324154B (zh) * | 2020-01-20 | 2022-06-24 | 深圳市科曼医疗设备有限公司 | 混合腔压力控制方法、呼吸机设备和计算机可读存储介质 |
CN113769217B (zh) * | 2021-09-17 | 2023-07-07 | 北华大学 | 一种呼吸***潮气量控制方法、装置及设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105963837A (zh) * | 2016-06-08 | 2016-09-28 | 湖南明康中锦医疗科技发展有限公司 | 一种空氧混合控制的呼吸机及控制方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103028170B (zh) * | 2011-09-30 | 2016-09-14 | 南京普澳医疗设备有限公司 | 一种呼吸压力模糊控制式呼吸机及呼吸压力模糊控制方法 |
CN104345639B (zh) * | 2014-10-09 | 2017-03-15 | 南京理工大学 | 一种电液位置伺服***鲁棒自适应控制方法 |
US10610654B2 (en) * | 2017-01-10 | 2020-04-07 | General Electric Company | Lung protective ventilation control |
-
2018
- 2018-11-30 CN CN201811455891.4A patent/CN109507884B/zh active Active
-
2019
- 2019-01-22 WO PCT/CN2019/072604 patent/WO2020107693A1/zh active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105963837A (zh) * | 2016-06-08 | 2016-09-28 | 湖南明康中锦医疗科技发展有限公司 | 一种空氧混合控制的呼吸机及控制方法 |
Non-Patent Citations (2)
Title |
---|
基于Lyapunov稳定性理论的模型参考自适应控制;罗胜琪;《硅谷》;20110915;第12-13页 * |
基于主动模拟肺的通气模式关键技术研究;易韦韦;《中国博士学位论文全文数据库 医药卫生科技辑》;20110215;第E077-1页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2020107693A1 (zh) | 2020-06-04 |
CN109507884A (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109507884B (zh) | 空氧混合器压力控制方法、装置、计算机设备和存储介质 | |
US11914348B2 (en) | Plant operation condition setting assistance system, learning device, and operation condition setting assistance device | |
JP3949164B2 (ja) | 非線形プロセスを制御するためのフィードバック法 | |
US5570282A (en) | Multivariable nonlinear process controller | |
CN112394645B (zh) | 一种航天器姿态跟踪的神经网络反步滑模控制方法和*** | |
CN108008627A (zh) | 一种并行优化的强化学习自适应pid控制方法 | |
Jiang et al. | Robust adaptive dynamic programming | |
CN105974795B (zh) | 基于可控电抗器抑制电力***低频振荡的模型预测控制方法 | |
EP2891932A2 (en) | Controller system for variable parameter and related program product | |
CN105867138A (zh) | 一种基于pid控制器的稳定平台控制方法及装置 | |
CN108489015A (zh) | 基于极点配置和帕德近似的空调***温度控制方法 | |
CN113325696B (zh) | 一种应用于交联电缆生产设备的单神经元pid与模型预测结合的混合控制方法 | |
CN110094838A (zh) | 一种基于空调***的可变参数无模型自适应控制方法 | |
Butt et al. | Adaptive backstepping control for an engine cooling system with guaranteed parameter convergence under mismatched parameter uncertainties | |
CN111240201B (zh) | 一种扰动抑制控制方法 | |
Männel et al. | Iterative gaussian process model predictive control with application to physiological control systems | |
Belikov et al. | Model based control of a water tank system | |
CN115963730A (zh) | 一种喷射点胶阀腔液温度的选择性控制方法 | |
CN113655816B (zh) | 钢包底吹氩***流量控制方法及计算机可读存储介质 | |
Zhang et al. | Controller Design for Time-Varying Sampling, Co-Regulated Systems | |
Kurth et al. | Optimal control for population dynamics with input constraints in chemostat reactor applications | |
CN106693129A (zh) | 一种呼吸机的闭环容量控制方法 | |
JPH09146610A (ja) | 多変数非線形プロセス・コントローラー | |
CN112257278A (zh) | 机组耗差计算模型获取方法、耗差获取方法及*** | |
Kirubakaran et al. | Fuzzy aggregation based multiple models explicit multi parametric MPC design for a quadruple tank process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |