CN110529419A - 无创呼吸机风机的压力输出控制方法 - Google Patents

无创呼吸机风机的压力输出控制方法 Download PDF

Info

Publication number
CN110529419A
CN110529419A CN201910823394.3A CN201910823394A CN110529419A CN 110529419 A CN110529419 A CN 110529419A CN 201910823394 A CN201910823394 A CN 201910823394A CN 110529419 A CN110529419 A CN 110529419A
Authority
CN
China
Prior art keywords
pressure
neural network
pressure output
blower
network algorithm
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.)
Pending
Application number
CN201910823394.3A
Other languages
English (en)
Inventor
江松林
戴泽远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Beth Medical Technology Co Ltd
Original Assignee
Suzhou Beth Medical Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Beth Medical Technology Co Ltd filed Critical Suzhou Beth Medical Technology Co Ltd
Priority to CN201910823394.3A priority Critical patent/CN110529419A/zh
Publication of CN110529419A publication Critical patent/CN110529419A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/33—Controlling, regulating or measuring
    • A61M2205/3331—Pressure; Flow
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/70—Type of control algorithm
    • F05D2270/706—Type of control algorithm proportional-integral-differential
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/70—Type of control algorithm
    • F05D2270/709—Type of control algorithm with neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Anesthesiology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Hematology (AREA)
  • Emergency Medicine (AREA)
  • Pulmonology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Feedback Control In General (AREA)
  • Control Of Positive-Displacement Air Blowers (AREA)

Abstract

本发明公开了无创呼吸机风机的压力输出控制方法，涉及呼吸机风机控制技术领域，该无创呼吸机风机的压力输出控制方法，通过神经网络算法对偏差与控制量之间进行数据处理，得出的压力控制数据精度较高，同时使用者实际气道压力值峰度小，极端值小，波动小，气道压力波形在呼、吸相呈现平稳状态，明显改善呼吸机风机压力输出的精准性，使得呼吸机风机输出的风压能够快速、准确地在呼气压力(EPAP)和吸气压力(IPAP)之间切换，根据病人气道流量和压力变化幅度作出自动调控，使呼吸机风机输出的压力水平能在多个角度切合病情的需要和治疗的要求。

Description

无创呼吸机风机的压力输出控制方法
技术领域
本发明涉及呼吸机风机控制技术领域，具体为无创呼吸机风机的压力输出控制方法。
背景技术
无创呼吸机在工作过程中，通过压差传感器与压力传感器的反馈值判断呼吸相的切换和风机输出压力的控制，在患者吸气和呼气过程中提供不同水平的正压来进行呼吸治疗。
无创呼吸机常采用无刷直流电机驱动的风机作为气体发生装置，控制电机的方法主要包括实时检测转子位置的启停控制和通过PWM调压的转速控制,控制的精度和抵御干扰的性能较差，本专利提出能够自适应的基于神经网络的PID风机压力输出控制方法。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了无创呼吸机风机的压力输出控制方法，解决了实时检测转子位置的启停控制和通过PWM调压的转速控制,控制的精度和抵御干扰的性能较差的问题。
(二)技术方案
为达到以上目的，本发明采取的技术方案是：无创呼吸机风机的压力输出控制方法，包括以下步骤；
S1、对实际使用时呼气压力和吸气压力的数据进行采集处理；
S2、建立呼吸风机的神经网络算法模型；
S3、神经网络算法模型的应用。
优选的，所述S1步骤中，直接启动PID控制器，得出控制量与偏差之间的关系式为：
优选的，其中E(t)为偏差，U(t)为控制量，KP，KI，KD分别为比例，积分和微分系数。
优选的，当采样收起足够短，需要将PID控制过程离散化，采用增量型数字PID：ΔU(n)＝KpΔE(n)+KIE(n)+KD[E(n)-2E(n-1)+E(n-2)]，其中n为采样序号,E(n)为n次采样的偏差；U(n)为n次采样时输出的控制量，当气体流向发生突变时，流速传感器测量到的流速误差会突然升高，然后迅速降低，需要引入神经网络算法。
优选的，所述S2步骤中，使用MATLAB建立偏差与控制量之间的神经网络算法模型并进行调试，YS为输入设定值，将输出值Yo与输入值YS通过神经网络进行处理，得到Xi(t)(i＝l，2，3)三个状态量，通过学习调节神经元权值ωi(t)(i＝l，2，3)最后得到Yo。
优选的，所述S2步骤中建立的呼吸风机的神经网络算法模型的算法为：X1＝E(n)-E(n-1),X2＝E(n),X3＝E(n)-2E(n-1)+E(n-2)，U(n)＝ω1X1+ω2X2+ω3X3；
神经网络算法的激发函数可以是对数函数logsig、正切函数tangsig及纯线性函数或其中的任意组合，ωi在实际运行过程中可以进行自适应调节，并根据如下算法来改变，其中ηPηIηD分别为比例，积分，微分的学习速率，
ω1(k+1)＝ω1(k)+ηpu(k)e(k)x1(k)
ω2(k+1)＝ω2(k)+ηIu(k)e(k)x2(k)
ω3(k+1)＝ω3(k)+ηDu(k)e(k)x3(k)，
给定任意非零的一组权值，比如：(ω1,ω2,ω3)＝(0.1,0.2,0.7),使用MATLAB进行调试，最终确定学习速率系数的大小，由此得到偏差与控制量的神经网络算法模型。
优选的，将S1中采集的数据输入对应的神经网络算法模型中，经过神经网络算法模型与PID进行计算，即可得出数据，然后对呼吸机风机的压力输出进行精准控制。
优选的，神经元网络算法得出的数据对风机进行控制保证使用者实际气道压力值峰度小，极端值小，波动小，气道压力波形在呼、吸相呈现平稳状态，明显改善呼吸机风机压力输出的精准性。
(三)有益效果
本发明的有益效果在于：
该无创呼吸机风机的压力输出控制方法，常规PID控制方法对当气体流向发生突变时，流速传感器测量到的流速误差会突然升高，然后迅速降低的情况难以处理，会影响呼气压力与吸气压力之间切换过程的精准，通过神经网络算法对偏差与控制量之间进行数据处理，得出的压力控制数据精度较高，同时使用者实际气道压力值峰度小，极端值小，波动小，气道压力波形在呼、吸相呈现平稳状态，明显改善呼吸机风机压力输出的精准性，使得呼吸机风机输出的风压能够快速、准确地在呼气压力(EPAP)和吸气压力(IPAP)之间切换，根据病人气道流量和压力变化幅度作出自动调控，使呼吸机风机输出的压力水平能在多个角度切合病情的需要和治疗的要求。
附图说明
图1为本发明神经网络算法PID控制结构示意图；
图2为常规PID控制和基于神经网络的PID控制变化曲线示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1-2所示，本发明提供一种技术方案：无创呼吸机风机的压力输出控制方法，包括以下步骤；
S1、对实际使用时呼气压力和吸气压力的数据进行采集处理；
S2、建立呼吸风机的神经网络算法模型；
S3、神经网络算法模型的应用。
S1步骤中，直接启动PID控制器，得出控制量与偏差之间的关系式为：
其中E(t)为偏差，U(t)为控制量，KP，KI，KD分别为比例，积分和微分系数。
当采样收起足够短，需要将PID控制过程离散化，采用增量型数字PID：ΔU(n)＝KpΔE(n)+KIE(n)+KD[E(n)-2E(n-1)+E(n-2)]，其中n为采样序号,E(n)为n次采样的偏差；U(n)为n次采样时输出的控制量，当气体流向发生突变时，流速传感器测量到的流速误差会突然升高，然后迅速降低，需要引入神经网络算法。
S2步骤中，使用MATLAB建立偏差与控制量之间的神经网络算法模型并进行调试，YS为输入设定值，将输出值Yo与输入值YS通过神经网络进行处理，得到Xi(t)(i＝l，2，3)三个状态量，通过学习调节神经元权值ωi(t)(i＝l，2，3)最后得到Yo。
S2步骤中建立的呼吸风机的神经网络算法模型的算法为：X1＝E(n)-E(n-1),X2＝E(n),X3＝E(n)-2E(n-1)+E(n-2)，U(n)＝ω1X1+ω2X2+ω3X3；
神经网络算法的激发函数可以是对数函数logsig、正切函数tangsig及纯线性函数或其中的任意组合，ωi在实际运行过程中可以进行自适应调节，并根据如下算法来改变，其中ηPηIηD分别为比例，积分，微分的学习速率，
ω1(k+1)＝ω1(k)+ηpu(k)e(k)x1(k)
ω2(k+1)＝ω2(k)+ηIu(k)e(k)x2(k)
ω3(k+1)＝ω3(k)+ηDu(k)e(k)x3(k)，
给定任意非零的一组权值，比如：(ω1,ω2,ω3)＝(0.1,0.2,0.7),使用MATLAB进行调试，最终确定学习速率系数的大小，由此得到偏差与控制量的神经网络算法模型。
将S1中采集的数据输入对应的神经网络算法模型中，经过神经网络算法模型与PID进行计算，即可得出数据，然后对呼吸机风机的压力输出进行精准控制。
神经元网络算法得出的数据对风机进行控制保证使用者实际气道压力值峰度小，极端值小，波动小，气道压力波形在呼、吸相呈现平稳状态，明显改善呼吸机风机压力输出的精准性。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.无创呼吸机风机的压力输出控制方法，其特征在于：包括以下步骤；
S1、对实际使用时呼气压力和吸气压力的数据进行采集处理；
S2、建立呼吸风机的神经网络算法模型；
S3、神经网络算法模型的应用。
2.根据权利要求1所述的无创呼吸机风机的压力输出控制方法，其特征在于：所述S1步骤中，直接启动PID控制器，得出控制量与偏差之间的关系式为：
3.根据权利要求2所述的无创呼吸机风机的压力输出控制方法，其特征在于：其中E(t)为偏差，U(t)为控制量，KP，KI，KD分别为比例，积分和微分系数。
4.根据权利要求2所述的无创呼吸机风机的压力输出控制方法，其特征在于：当采样收起足够短，需要将PID控制过程离散化，采用增量型数字PID：ΔU(n)＝KpΔE(n)+KIE(n)+KD[E(n)-2E(n-1)+E(n-2)]，其中n为采样序号,E(n)为n次采样的偏差；U(n)为n次采样时输出的控制量，当气体流向发生突变时，流速传感器测量到的流速误差会突然升高，然后迅速降低，需要引入神经网络算法。
5.根据权利要求1所述的无创呼吸机风机的压力输出控制方法，其特征在于：所述S2步骤中，使用MATLAB建立偏差与控制量之间的神经网络算法模型并进行调试，YS为输入设定值，将输出值Yo与输入值YS通过神经网络进行处理，得到Xi(t)(i＝l，2，3)三个状态量，通过学习调节神经元权值ωi(t)(i＝l，2，3)最后得到Yo。
6.根据权利要求1所述的无创呼吸机风机的压力输出控制方法，其特征在于：所述S2步骤中建立的呼吸风机的神经网络算法模型的算法为：X1＝E(n)-E(n-1),X2＝E(n),X3＝E(n)-2E(n-1)+E(n-2)，U(n)＝ω1X1+ω2X2+ω3X3；
神经网络算法的激发函数可以是对数函数logsig、正切函数tangsig及纯线性函数或其中的任意组合，ωi在实际运行过程中可以进行自适应调节，并根据如下算法来改变，其中ηPηIηD分别为比例，积分，微分的学习速率，ω1(k+1)＝ω1(k)+ηpu(k)e(k)x1(k)
ω2(k+1)＝ω2(k)+ηIu(k)e(k)x2(k)
ω3(k+1)＝ω3(k)+ηDu(k)e(k)x3(k)，
给定任意非零的一组权值，比如：(ω1,ω2,ω3)＝(0.1,0.2,0.7),使用MATLAB进行调试，最终确定学习速率系数的大小，由此得到偏差与控制量的神经网络算法模型。
7.根据权利要求6所述的无创呼吸机风机的压力输出控制方法，其特征在于：将S1中采集的数据输入对应的神经网络算法模型中，经过神经网络算法模型与PID进行计算，即可得出数据，然后对呼吸机风机的压力输出进行精准控制。
8.根据权利要求7所述的无创呼吸机风机的压力输出控制方法，其特征在于：神经元网络算法得出的数据对风机进行控制保证使用者实际气道压力值峰度小，极端值小，波动小，气道压力波形在呼、吸相呈现平稳状态，明显改善呼吸机风机压力输出的精准性。
CN201910823394.3A 2019-09-02 2019-09-02 无创呼吸机风机的压力输出控制方法 Pending CN110529419A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910823394.3A CN110529419A (zh) 2019-09-02 2019-09-02 无创呼吸机风机的压力输出控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910823394.3A CN110529419A (zh) 2019-09-02 2019-09-02 无创呼吸机风机的压力输出控制方法

Publications (1)

Publication Number Publication Date
CN110529419A true CN110529419A (zh) 2019-12-03

Family

ID=68666220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910823394.3A Pending CN110529419A (zh) 2019-09-02 2019-09-02 无创呼吸机风机的压力输出控制方法

Country Status (1)

Country Link
CN (1) CN110529419A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113738662A (zh) * 2020-05-28 2021-12-03 埃布姆-派斯特穆尔芬根股份有限两合公司 用于操作风机***的方法和具有后弯式离心风机的风机***
CN117618814A (zh) * 2024-01-04 2024-03-01 常州迅安科技股份有限公司 一种面罩内部压力控制方法、***及呼吸器

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799107A (zh) * 2012-08-28 2012-11-28 成都乐创自动化技术股份有限公司 基于微型神经网络的步进电机pid参数自匹配方法
CN103736185A (zh) * 2013-12-13 2014-04-23 科迈（常州）电子有限公司 一种家用呼吸机风机输出压力调节方法
CN105125215A (zh) * 2015-10-08 2015-12-09 湖南明康中锦医疗科技发展有限公司 基于神经网络的呼吸机状态分析方法和装置
CN105843036A (zh) * 2016-04-09 2016-08-10 北京工业大学 一种基于神经网络的污水处理过程控制方法
CN105973544A (zh) * 2016-06-20 2016-09-28 中国民航大学 一种基于自适应pid方法的飞机全静压测试***及方法
CN206190577U (zh) * 2016-08-30 2017-05-24 沈阳新松医疗科技股份有限公司 一种无创呼吸机风机控制器
US20170326316A1 (en) * 2003-08-14 2017-11-16 New York University System and Method for Diagnosis and Treatment of a Breathing Pattern of a Patient
CN108066860A (zh) * 2016-11-16 2018-05-25 北京航天长峰股份有限公司 一种呼吸机漏气补偿方法
CN108211075A (zh) * 2017-12-15 2018-06-29 湖南明康中锦医疗科技发展有限公司 呼吸机风机的稳压方法
CN108619597A (zh) * 2017-03-17 2018-10-09 深圳市大雅医疗技术有限公司 一种呼吸机流道的压力补偿方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170326316A1 (en) * 2003-08-14 2017-11-16 New York University System and Method for Diagnosis and Treatment of a Breathing Pattern of a Patient
CN102799107A (zh) * 2012-08-28 2012-11-28 成都乐创自动化技术股份有限公司 基于微型神经网络的步进电机pid参数自匹配方法
CN103736185A (zh) * 2013-12-13 2014-04-23 科迈（常州）电子有限公司 一种家用呼吸机风机输出压力调节方法
CN105125215A (zh) * 2015-10-08 2015-12-09 湖南明康中锦医疗科技发展有限公司 基于神经网络的呼吸机状态分析方法和装置
CN105843036A (zh) * 2016-04-09 2016-08-10 北京工业大学 一种基于神经网络的污水处理过程控制方法
CN105973544A (zh) * 2016-06-20 2016-09-28 中国民航大学 一种基于自适应pid方法的飞机全静压测试***及方法
CN206190577U (zh) * 2016-08-30 2017-05-24 沈阳新松医疗科技股份有限公司 一种无创呼吸机风机控制器
CN108066860A (zh) * 2016-11-16 2018-05-25 北京航天长峰股份有限公司 一种呼吸机漏气补偿方法
CN108619597A (zh) * 2017-03-17 2018-10-09 深圳市大雅医疗技术有限公司 一种呼吸机流道的压力补偿方法
CN108211075A (zh) * 2017-12-15 2018-06-29 湖南明康中锦医疗科技发展有限公司 呼吸机风机的稳压方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王军琴: "基于神经网络的增量PID算法及仿真研究", 《现代电子技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113738662A (zh) * 2020-05-28 2021-12-03 埃布姆-派斯特穆尔芬根股份有限两合公司 用于操作风机***的方法和具有后弯式离心风机的风机***
CN113738662B (zh) * 2020-05-28 2024-05-24 埃布姆-派斯特穆尔芬根股份有限两合公司 用于操作风机***的方法和具有后弯式离心风机的风机***
CN117618814A (zh) * 2024-01-04 2024-03-01 常州迅安科技股份有限公司 一种面罩内部压力控制方法、***及呼吸器
CN117618814B (zh) * 2024-01-04 2024-07-23 常州迅安科技股份有限公司 一种面罩内部压力控制方法、***及呼吸器

Similar Documents

Publication Publication Date Title
CN103893865B (zh) 一种呼吸机涡轮容量控制通气的方法
CN103028170B (zh) 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
CN102164540B (zh) 医用换气机中患者呼吸努力动态的模型预测在线识别
JP6165632B2 (ja) 被検体に強制吸気−呼気を提供するシステム及び方法
EP3332827B1 (en) Ventilator apparatus with a ventilator
CN110529419A (zh) 无创呼吸机风机的压力输出控制方法
CN103330979A (zh) 一种呼吸机控制方法及应用控制方法的呼吸机
JP2014506163A5 (zh)
CN103893864A (zh) 一种涡轮呼吸机压力控制通气方法
CN102802710A (zh) 利用负压支持的伺服通气
CN114177451B (zh) 一种呼吸机的单呼吸周期压力—容量双控模式的控制方法
CN106139338A (zh) 呼吸机
CN109718440A (zh) 降低呼吸支持设备人机对抗的方法和***
CN103191503A (zh) 一种呼吸机压力控制装置及压力控制方法
WO2016188343A1 (zh) 估算气阻和顺应性的方法和装置
US10869978B2 (en) Method of CO2 measurement during non-invasive ventilation
CN106267493B (zh) 医用呼吸机及其连续测算呼吸道阻力和顺应性的方法
CN105960258A (zh) 用于产生对呼吸机的控制信号的方法和装置
Živčák et al. A portable BVM-based emergency mechanical ventilator
Hao et al. Mechanical ventilation strategy for pulmonary rehabilitation based on patient-ventilator interaction
CN114939212A (zh) 一种人机同步呼吸装置
CN203379444U (zh) 一种与呼吸高同步的呼吸机
CN102178993B (zh) 气道正压高频通气模式的医用呼吸机
CN204950950U (zh) 主流式多种呼吸气体浓度和呼吸气压同步监测装置
CN203169768U (zh) 一种呼吸机压力控制装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191203