CN105854142A - 一种基于反向传播算法的呼吸机治疗压力稳定方法 - Google Patents

Abstract

本发明公开一种基于反向传播算法的呼吸机治疗压力稳定方法，包括以下步骤：先判定样本数量；若样本量小于N，再增加新样本，读取新样本的各样本参数，将该状态下的各样本参数采用反向传播算法得到训练阶段的计算治疗压力值，判定训练阶段的治疗压力值‑训练阶段的计算治疗压力值的均方误差是否小于阈值；若小于阈值，计算各参数的权值并替换，若均方误差大于或等于阈值，则重新判断样本量，进入循环。在治疗过程中，读取治疗状态下的实际参数值，调用存储区域中的各参数的权值，再计算出静态治疗状态下的计算治疗压力，采用该面罩端治疗压力给病患治疗。本发明能够实现漏气量的快速、精确补偿，有效保证治疗的效果和患者使用的舒适度。

Description

一种基于反向传播算法的呼吸机治疗压力稳定方法

技术领域

本发明属于呼吸机领域，具体而言，涉及一种呼吸机使用过程中发生漏气时进行压力追踪及稳定的方法，尤其是一种基于反向传播算法的呼吸机治疗压力稳定方法。

背景技术

目前，睡眠呼吸机是治疗睡眠呼吸暂停综合症的最有效的手段，其使用简单、治疗效果明显，主机通过一条呼吸管路经口鼻面罩，给患者输送所需要的治疗压力。显然，稳定和及时准确的压力控制，是睡眠呼吸机疗效的有效保证。

然而，患者在使用过程中，面罩或管路等部位可能会发生不同程度的漏气，如果没有及时的检测和准确的判断并做出相应的控制措施，压力会有所下降，导致治疗效果失败。

据发明人了解，传统的呼吸机对漏气过程中压力的补偿采用的是流速补偿，当呼吸机漏气时，主机的流量传感器检测到系统流量增加，通过计算新的流量基线，并将当前新的流量基线与呼吸机未漏气时的流量基线相比较，根据基线差值增加相关的流速，以达到提高压力来保证治疗效果。

这种补偿技术虽然在一定程度上能使治疗压力达到预设的范围，但是仍然存在一些不可避免的缺点：这是由于呼吸机根据流量基线的变化调整响应的速度比较慢，不能及时根据漏气的情况调整治疗压力，有时会出现患者使用过程中不舒适或呼吸到的流量不足的情况。这是因为流量基线的计算是通过计算一段时间内流量的平均值来实现的，也就是说需要在采集一段时间内的不同流量的基础上，才能计算出这段时间内流量的平均值，而在采集流量并计算这段时间的新的流量基线时，呼吸机还是按照之前的流量基线进行运作，无法即时做出调整，因此采用该补偿技术就注定了其响应速度慢，无法时刻保证治疗效果及患者的舒适度。

因此，为了解决上述问题，提供一种基于反向传播算法的呼吸机治疗压力稳定方法是本发明所要研究的课题。

发明内容

本发明提供一种基于反向传播算法的呼吸机治疗压力稳定方法，其目的是为了解决现有技术中，当面罩或管路等部位发生不同程度的漏气时，由于呼吸机在调整治疗压力时响应速度慢，从而导致治疗效果失败的问题。

为达到上述目的，本发明采用的技术方案是：一种基于反向传播算法的呼吸机治疗压力稳定方法，所述呼吸机包括主机、呼吸管路、面罩、压力传感器以及流量传感器，所述压力传感器以及流量传感器用于检测主机风道内的压力值和流量值，其创新点在于：

所述治疗压力稳定方法包括学习阶段和治疗阶段，所述学习阶段包括以下步骤：

步骤1.1：开启呼吸机进行学习，令呼吸机的学习次数为i，i为0、1、2、3、……，设定学习次数i的上限值为N，N为正整数，设六个权值存储单元用于存储六个参数的权值，其中：

第一权值存储单元用于存储压力参数P的权值Wp；

第二权值存储单元用于存储流量参数F的权值Wf；

第三权值存储单元用于存储面罩泄气量参数Lm的权值Wlm；

第四权值存储单元用于存储漏气量参数Lv的权值Wlv；

第五权值存储单元用于存储控制压力参数Pc的权值Wpc；

第六权值存储单元用于存储呼吸管路压力损耗参数Pl的权值Wpl；

i=0为呼吸机开启后的初始状态，设六个参数的初始权值为常数C1；

步骤1.2：使用呼吸机模拟第一漏气量的漏气状态，令i=1，并在该漏气状态下主机获取以下六个参数的数值作为第一个样本：

压力参数P，该压力参数P的数值为所述主机通过压力传感器获得的压力值P1；

流量参数F，该流量参数F的数值为所述主机通过流量传感器获得的流量值F1；

面罩泄气量参数Lm，该面罩泄气量参数Lm的数值为将流量参数F的数值代入面罩厂家给出的面罩特性曲线获得的面罩泄气量值Lm1；

漏气量参数Lv，该漏气量参数Lv的数值为流量平均值减去面罩泄气量参数Lm的数值，所述流量平均值为流量传感器在采样时间段内所采集到的所有样本的流量值叠加后除以采样次数所获得的值Lv1；

控制压力参数Pc，该控制压力参数Pc的数值为预先设定的面罩端的治疗压力理论值Pc1；

呼吸管路压力损耗参数Pl，该呼吸管路压力损耗参数Pl的数值为将压力参数P的数值以及所述流量参数F的数值代入管路厂家给出的管路特性曲线获得的呼吸管路压力损耗的值Pl1；

主机将第一个样本中的数值P1乘以常数C1，数值F1乘以常数C1，数值Lm1乘以常数C1，数值Lv1乘以常数C1，数值Pc1乘以常数C1，数值Pl1乘以常数C1，得到六个输入值，再将该六个输入值作为输入代入反向传播算法公式：

并且，

中计算得到学习阶段的计算治疗压力值Ps1以及第一个样本对应的六个参数的权值，即压力参数P的权值Wp1、流量参数F的权值Wf1、面罩泄气量参数Lm的权值Wlm1、漏气量参数Lv的权值Wlv1、控制压力参数Pc的权值Wpc1和呼吸管路压力损耗参数Pl的权值Wpl1；其中，δ=0.712~0.895，C2=4500~5500；η=0.1~0.2；所述计算治疗压力值Ps1用于调整风机转速；

步骤1.3：将Wp1存入第一权值存储单元，Wf1存入第二权值存储单元， Wlm1存入第三权值存储单元，Wlv1存入第四权值存储单元，Wpc1存入第五权值存储单元，Wpl1存入第六权值存储单元；

步骤1.4：判定学习次数i是否大于或等于N；若i小于N，则转到步骤1.5；若i大于或等于N，则转到步骤1.8；

步骤1.5：使用呼吸机模拟第二漏气量的漏气状态，该漏气状态的呼吸机学习次数为i+1；并在该漏气状态下主机获取以下六个参数的数值作为第二个样本，按照第一样本的方式对应获得以下第二个样本的六个参数：

压力参数P的数值P2；

流量参数F的数值F2；

面罩泄气量参数Lm的数值Lm2；

漏气量参数Lv的数值Lv2；

控制压力参数Pc的数值Pc2；

呼吸管路压力损耗参数Pl的数值Pl2；

主机将第二样本中的数值P2乘以第一存储单元中的当前数值，数值F2乘以第二存储单元中的当前数值，数值Lm2乘以第三存储单元中的当前数值，数值Lv2乘以第四存储单元中的当前数值，数值Pc2乘以第五存储单元中的当前数值，数值Pl2乘以第六存储单元中的当前数值，得到六个输入值，再将该六个输入值作为输入代入反向传播算法公式：

并且，

中计算得到第二个样本的学习阶段的计算治疗压力值Ps2以及第二个样本对应的六个参数的权值，即压力参数P的权值Wp2、流量参数F的权值Wf2、面罩泄气量参数Lm的权值Wlm2、漏气量参数Lv的权值Wlv2、控制压力参数Pc的权值Wpc2和呼吸管路压力损耗参数Pl的权值Wpl2；其中，δ=0.712~0.895，C2=4500~5500；η=0.1~0.2；所述计算治疗压力值Ps2用于调整风机转速；

步骤1.6：将Wp2替换第一权值存储单元的值，Wf2替换第二权值存储单元的值，Wlm2替换第三权值存储单元的值，Wlv2替换第四权值存储单元的值， Wpc2替换第五权值存储单元的值，Wpl2替换第六权值存储单元的值；

步骤1.7：判定学习阶段的实际治疗压力值Pm2与学习阶段的计算治疗压力值Ps2的均方误差是否小于第一阈值T1，该第一阈值T1预先设定；所述学习阶段的实际治疗压力值Pm2等于压力参数P的数值P2减去呼吸管路压力损耗参数Pl的数值Pl2，再减去面罩泄气量参数Lm的数值Lm2在面罩特性曲线上所对应的压力值所得到的数值；若该均方误差小于第一阈值T1，则转到步骤1.8；若该均方误差大于或等于第一阈值T1，则回到步骤1.4，进行第三个样本的学习，第三个样本模拟第三漏气量的漏气状态，并在该漏气状态下主机获取的六个参数的数值作为第三个样本；第三漏气量与第二漏气量不同；以此循环往复，进行第四个样本、第五个样本、第六个样本……的学习，直至均方误差小于第一阈值T1或者i等于N时为止；

步骤1.8：结束学习；

所述治疗阶段包括以下步骤：

步骤2.1：使用学习结束后的呼吸机对患者进行治疗，主机获取治疗状态下的六个参数的数值，该六个参数是治疗状态下的压力参数P′、流量参数F′、面罩泄气量参数Lm′、漏气量参数Lv′、控制压力参数Pc′以及呼吸管路压力损耗参数Pl′，该治疗状态下的六个参数的数值与学习阶段中样本的六个参数的数值的获取方式一致；

步骤2.2：主机将治疗状态下压力参数P′的数值乘以第一存储单元中的当前数值，流量参数F′的数值乘以第二存储单元中的当前数值，面罩泄气量参数Lm′的数值乘以第三存储单元中的当前数值，漏气量参数Lv′的数值乘以第四存储单元中的当前数值，控制压力参数Pc′的数值乘以第五存储单元中的当前数值，呼吸管路压力损耗参数Pl′的数值乘以第六存储单元中的当前数值，得到六个输入值，再将该六个输入值作为输入代入反向传播算法公式：

并且，

中计算得到治疗阶段的计算治疗压力值Ps′以及治疗阶段对应的六个参数的权值；其中，δ=0.712~0.895，C2=4500~5500；η=0.1~0.2；

步骤2.3：主机根据计算治疗压力值Ps′，调整风机电机转速以满足呼吸机治疗压力要求；

步骤2.4：将治疗阶段中的压力参数P′的权值替换第一权值存储单元的值，流量参数F′的权值替换第二权值存储单元的值，面罩泄气量参数Lm′的权值替换第三权值存储单元的值，漏气量参数Lv′的权值替换第四权值存储单元的值，控制压力参数Pc′的权值替换第五权值存储单元的值，呼吸管路压力损耗参数Pl′的权值替换第六权值存储单元的值；

所述呼吸机在治疗阶段实时监测患者治疗压力，主机实时获取治疗状态下的六个参数的数值，并按照步骤2.1至步骤2.4的方式重复操作，以此循环往复，直至结束治疗。

上述技术方案中的有关内容解释如下：

1、上述方案中，在治疗阶段中，实时计算实际治疗压力值Pm′，该实际治疗压力值Pm′等于压力参数P′的数值减去呼吸管路压力损耗参数Pl′的数值，再减去面罩泄气量参数Lm′的数值在面罩特性曲线上所对应的压力值所得到的数值；当实际治疗压力值Pm′与治疗阶段的计算治疗压力值Ps′的均方误差大于阈值T时，按如下步骤进行动态调整：

步骤3.1：主机读取治疗状态下的压力参数P′的数值、控制压力参数Pc′、呼吸管路压力损耗参数Pl′、面罩泄气量参数Lm′；

步骤3.2：计算目标压力Pt′的值，目标压力Pt′是将控制压力参数Pc′加上呼吸管路压力损耗参数Pl′的数值，再加上面罩泄气量参数Lm′的数值在面罩特性曲线上所对应的压力值所获得的数值；

步骤3.3：将压力参数P′的数值与目标压力Pt′比较，当压力参数P′的数值与目标压力Pt′的差的绝对值小于或等于预先设定的第二阈值T2时，则转到步骤3.4；当压力参数P′的数值与目标压力Pt′的差的绝对值大于预先设定的第二阈值T2时，根据压力参数P′的数值与目标压力Pt′的差值调整电机转速，然后回到步骤3.1重复步骤3.1至步骤3.3操作，以此循环往复；

步骤3.4：结束动态调整。

2、上述方案中，所述动态调整还包括：

预先设定一个系数K的值；

在步骤3.3中，当压力参数P′的数值与目标压力Pt′的差的绝对值大于预先设定的第二阈值T2时，主机读取流量参数F′的数值，然后将压力参数P′的数值除以流量参数F′平方的数值得到商值，若该商值小于K，则主机提示异常。

3、上述方案中，理论上，数值N越大则学习的效果越精确，误差越小，这样的治疗效果越好，厂家可以根据需要调整学习所需的次数。

4、上述方案中，所述呼吸管路压力损耗参数指的是面罩与呼吸机主机之间连接的管路。

5、上述方案中，其中第一权值存储单元中的数值是不停地被压力参数P的权值所更替的，第二权值存储单元中的数值是不停地被流量参数F的权值所更替的，第三权值存储单元中的数值是不停地被面罩泄气量参数Lm的权值所更替的；第四权值存储单元中的数值是不停地被漏气量参数Lv的权值所更替的，第五权值存储单元中的数值是不停地被控制压力参数Pc的权值所更替的，第六权值存储单元中的数值是不停地被呼吸管路压力损耗参数Pl的权值所更替的，每经过一次样本学习，这些值都要被新的样本参数的权值所更替一次，直到样本学习结束。

本发明原理、构思和效果如下：

本发明提供的一种基于反向传播算法的呼吸机治疗压力稳定方法，该方法包括两个部分：第一部分是在呼吸机出厂前，先通过后向传播算法批量学习，让呼吸机自学习在不同漏气量下的治疗压力输出，然后再将数据保存，当呼吸机真正开始治疗时，通过对比调用符合要求的治疗压力，这就类似于将不同漏气量的治疗压力事先试验好，并存储在数据库当中，当需要正式治疗使用时，只需要通过比对将符合要求的治疗压力调用出，就可以实现治疗，因此，采用这种方法比普通的在线补偿响应速度大大提高；第二部分是在呼吸机使用过一段时间后，误差逐渐加大，进行动态调整治疗压力。

与现有技术相比，该发明由于在呼吸机出厂前已经学习了各种漏气量下所对应的治疗压力，在实际治疗过程中只需调用符合要求的治疗压力，因此能够快速给予因面罩或管路等部位发生漏气时的治疗压力补偿，使治疗输出端压力及时地稳定在设定压力，这就类似于将不同漏气量的治疗压力事先试验好，并存储在数据库当中，当需要正式治疗使用时，只需要通过比对将符合要求的治疗压力调用出，就可以实现治疗，因此，采用这种方法比普通的在线补偿响应速度大大提高。而当呼吸机在使用一段时间后，出现较大误差时，通过重新的计算方法动态调整治疗压力，仍然能够使治疗输出端压力及时地稳定在设定压力。本发明采用这两个部分达到漏气量的快速、精确补偿，有效保证治疗的效果和患者使用的舒适度。

附图说明

附图1为本发明实施例中反向传播算法的模型图；

附图2为本发明实施例中反向传播算法的示意图；

附图3为本发明实施例中压力流量PQ曲线图；

附图4为本发明实施例中呼吸机学习阶段的流程图；

附图5为本发明实施例1中呼吸机压力稳定的流程图

附图6为本发明实施例3中呼吸机压力稳定的流程图。

具体实施方式

下面结合实施例对本发明作进一步描述：

实施例1：一种基于反向传播算法的呼吸机治疗压力稳定方法

参见附图1-2、4-5所示，所述呼吸机包括主机、呼吸管路、面罩、压力传感器以及流量传感器，所述压力传感器以及流量传感器用于检测主机风道内的压力值和流量值，其特征在于：

所述治疗压力稳定方法包括学习阶段和治疗阶段，所述学习阶段包括以下步骤：

步骤1.1：开启呼吸机进行学习，令呼吸机的学习次数为i，i为0、1、2、3、……，设定学习次数i的上限值为N，N为正整数，设六个权值存储单元用于存储六个参数的权值，其中：

第一权值存储单元用于存储压力参数P的权值Wp；

第二权值存储单元用于存储流量参数F的权值Wf；

第三权值存储单元用于存储面罩泄气量参数Lm的权值Wlm；

第四权值存储单元用于存储漏气量参数Lv的权值Wlv；

第五权值存储单元用于存储控制压力参数Pc的权值Wpc；

第六权值存储单元用于存储呼吸管路压力损耗参数Pl的权值Wpl；

i=0为呼吸机开启后的初始状态，设六个参数的初始权值为常数C1；

步骤1.2：使用呼吸机模拟第一漏气量的漏气状态，令i=1，并在该漏气状态下主机获取以下六个参数的数值作为第一个样本：

压力参数P，该压力参数P的数值为所述主机通过压力传感器获得的压力值P1；

流量参数F，该流量参数F的数值为所述主机通过流量传感器获得的流量值F1；

面罩泄气量参数Lm，该面罩泄气量参数Lm的数值为将流量参数F的数值代入面罩厂家给出的面罩特性曲线获得的面罩泄气量值Lm1；

漏气量参数Lv，该漏气量参数Lv的数值为流量平均值减去面罩泄气量参数Lm的数值，所述流量平均值为流量传感器在采样时间段内所采集到的所有样本的流量值叠加后除以采样次数所获得的值Lv1；

控制压力参数Pc，该控制压力参数Pc的数值为预先设定的面罩端的治疗压力理论值Pc1；

呼吸管路压力损耗参数Pl，该呼吸管路压力损耗参数Pl的数值为将压力参数P的数值以及所述流量参数F的数值代入管路厂家给出的管路特性曲线获得的呼吸管路压力损耗的值Pl1；

主机将第一个样本中的数值P1乘以常数C1，数值F1乘以常数C1，数值Lm1乘以常数C1，数值Lv1乘以常数C1，数值Pc1乘以常数C1，数值Pl1乘以常数C1，得到六个输入值，再将该六个输入值作为输入代入反向传播算法公式：

并且，

中计算得到学习阶段的计算治疗压力值Ps1以及第一个样本对应的六个参数的权值，即压力参数P的权值Wp1、流量参数F的权值Wf1、面罩泄气量参数Lm的权值Wlm1、漏气量参数Lv的权值Wlv1、控制压力参数Pc的权值Wpc1和呼吸管路压力损耗参数Pl的权值Wpl1；其中，δ=0.712~0.895，C2=4500~5500；η=0.1~0.2；所述计算治疗压力值Ps1用于调整风机转速；本实施例中，δ=0.8，C2=5000，η=0.15；

步骤1.3：将Wp1存入第一权值存储单元，Wf1存入第二权值存储单元， Wlm1存入第三权值存储单元，Wlv1存入第四权值存储单元，Wpc1存入第五权值存储单元，Wpl1存入第六权值存储单元；

步骤1.4：判定学习次数i是否大于或等于N，本实施例中，N取值5000；若i小于N，则转到步骤1.5；若i大于或等于N，则转到步骤1.8，也就是说，若i小于5000，则转到步骤1.5，若i大于等于5000，则转到步骤1.8；

步骤1.5：使用呼吸机模拟第二漏气量的漏气状态，该漏气状态的呼吸机学习次数为i+1；并在该漏气状态下主机获取以下六个参数的数值作为第二个样本，按照第一样本的方式对应获得以下第二个样本的六个参数：

压力参数P的数值P2；

流量参数F的数值F2；

面罩泄气量参数Lm的数值Lm2；

漏气量参数Lv的数值Lv2；

控制压力参数Pc的数值Pc2；

呼吸管路压力损耗参数Pl的数值Pl2；

主机将第二样本中的数值P2乘以第一存储单元中的当前数值，数值F2乘以第二存储单元中的当前数值，数值Lm2乘以第三存储单元中的当前数值，数值Lv2乘以第四存储单元中的当前数值，数值Pc2乘以第五存储单元中的当前数值，数值Pl2乘以第六存储单元中的当前数值，得到六个输入值，再将该六个输入值作为输入代入反向传播算法公式：

并且，

中计算得到第二个样本的学习阶段的计算治疗压力值Ps2以及第二个样本对应的六个参数的权值，即压力参数P的权值Wp2、流量参数F的权值Wf2、面罩泄气量参数Lm的权值Wlm2、漏气量参数Lv的权值Wlv2、控制压力参数Pc的权值Wpc2和呼吸管路压力损耗参数Pl的权值Wpl2；其中，δ=0.712~0.895，C2=4500~5500；η=0.1~0.2；所述计算治疗压力值Ps2用于调整风机转速；本实施例中，δ=0.8，C2=5000，η=0.15；

步骤1.6：将Wp2替换第一权值存储单元的值，Wf2替换第二权值存储单元的值，Wlm2替换第三权值存储单元的值，Wlv2替换第四权值存储单元的值， Wpc2替换第五权值存储单元的值，Wpl2替换第六权值存储单元的值；

步骤1.7：判定学习阶段的实际治疗压力值Pm2与学习阶段的计算治疗压力值Ps2的均方误差是否小于第一阈值T1，该第一阈值T1预先设定，本实施例中，该第一阈值T1设为0.2；所述学习阶段的实际治疗压力值Pm2等于压力参数P的数值P2减去呼吸管路压力损耗参数Pl的数值Pl2，再减去面罩泄气量参数Lm的数值Lm2在面罩特性曲线上所对应的压力值所得到的数值；若该均方误差小于第一阈值T1，也就均方误差小于是小于0.2，则转到步骤1.8；若该均方误差大于或等于第一阈值T1，也就是均方误差大于或等于0.2，则回到步骤1.4，进行第三个样本的学习，第三个样本模拟第三漏气量的漏气状态，并在该漏气状态下主机获取的六个参数的数值作为第三个样本；第三漏气量与第二漏气量不同；以此循环往复，进行第四个样本、第五个样本、第六个样本……的学习，直至均方误差小于0.2或者i等于5000时为止；

步骤1.8：结束学习；

所述治疗阶段包括以下步骤：

步骤2.1：使用学习结束后的呼吸机对患者进行治疗，主机获取治疗状态下的六个参数的数值，该六个参数是治疗状态下的压力参数P′、流量参数F′、面罩泄气量参数Lm′、漏气量参数Lv′、控制压力参数Pc′以及呼吸管路压力损耗参数Pl′，该治疗状态下的六个参数的数值与学习阶段中样本的六个参数的数值的获取方式一致；

步骤2.2：主机将治疗状态下压力参数P′的数值乘以第一存储单元中的当前数值，流量参数F′的数值乘以第二存储单元中的当前数值，面罩泄气量参数Lm′的数值乘以第三存储单元中的当前数值，漏气量参数Lv′的数值乘以第四存储单元中的当前数值，控制压力参数Pc′的数值乘以第五存储单元中的当前数值，呼吸管路压力损耗参数Pl′的数值乘以第六存储单元中的当前数值，得到六个输入值，再将该六个输入值作为输入代入反向传播算法公式：

并且，

中计算得到治疗阶段的计算治疗压力值Ps′以及治疗阶段对应的六个参数的权值；其中，δ=0.8，C2=5000，η=0.15；

步骤2.3：主机根据计算治疗压力值Ps′，调整风机电机转速以满足呼吸机治疗压力要求；

步骤2.4：将治疗阶段中的压力参数P′的权值替换第一权值存储单元的值，流量参数F′的权值替换第二权值存储单元的值，面罩泄气量参数Lm′的权值替换第三权值存储单元的值，漏气量参数Lv′的权值替换第四权值存储单元的值，控制压力参数Pc′的权值替换第五权值存储单元的值，呼吸管路压力损耗参数Pl′的权值替换第六权值存储单元的值；

所述呼吸机在治疗阶段实时监测患者治疗压力，主机实时获取治疗状态下的六个参数的数值，并按照步骤2.1至步骤2.4的方式重复操作，以此循环往复，直至结束治疗。

实施例2：一种基于反向传播算法的呼吸机治疗压力稳定方法

其余与实施例1相同，不同之处在于，在治疗阶段中，实时计算实际治疗压力值Pm′，该实际治疗压力值Pm′等于压力参数P′的数值减去呼吸管路压力损耗参数Pl′的数值，再减去面罩泄气量参数Lm′的数值在面罩特性曲线上所对应的压力值所得到的数值；当实际治疗压力值Pm′与治疗阶段的计算治疗压力值Ps′的均方误差大于阈值T时，按如下步骤进行动态调整：

步骤3.1：主机读取治疗状态下的压力参数P′的数值、控制压力参数Pc′、呼吸管路压力损耗参数Pl′、面罩泄气量参数Lm′；

步骤3.2：计算目标压力Pt′的值，目标压力Pt′是将控制压力参数Pc′加上呼吸管路压力损耗参数Pl′的数值，再加上面罩泄气量参数Lm′的数值在面罩特性曲线上所对应的压力值所获得的数值；

步骤3.3：将压力参数P′的数值与目标压力Pt′比较，当压力参数P′的数值与目标压力Pt′的差的绝对值小于或等于预先设定的第二阈值T2时，则转到步骤3.4；当压力参数P′的数值与目标压力Pt′的差的绝对值大于预先设定的第二阈值T2时，根据压力参数P′的数值与目标压力Pt′的差值调整电机转速，然后回到步骤3.1重复步骤3.1至步骤3.3操作，以此循环往复，本实施例中，第二阈值T2取值0.2，也就是说，当压力参数P′的数值与目标压力Pt′的差的绝对值小于或等于0.2时，则转到步骤3.4；当压力参数P′的数值与目标压力Pt′的差的绝对值大于0.2时，根据压力参数P′的数值与目标压力Pt′的差值调整电机转速，然后回到步骤3.1重复步骤3.1至步骤3.3操作，以此循环往复；

步骤3.4：结束动态调整。

实施例3：一种基于反向传播算法的呼吸机治疗压力稳定方法

参见附图1-3、5、6所示， 其余与实施例1相同，不同之处在于：所述动态调整还包括：

预先设定一个系数K的值，本实施例中，K 取值0.0002；

在步骤3.3中，当压力参数P′的数值与目标压力Pt′的差的绝对值大于预先设定的第二阈值T2时，主机读取流量参数F′的数值，然后将压力参数P′的数值除以流量参数F′平方的数值得到商值，若该商值小于K，则主机提示异常。

下面针对以上实施例作进一步解释如下：

1、以上实施例中，设定学习次数i的上限值为N，N取值为5000，实际上，N取值4000、4500、4800、5500、5001、6000……都是可行，数值N越大则学习的效果越精确，误差越小，这样的治疗效果越好，但是当学习次数已经远远大于5000，但是呼吸机还是没有学习结束，这有可能代表着呼吸机是次品或者存在一定的故障，而且实际上厂家可以根据需要调整学习所需的次数。

2、以上实施例中，第一阈值T1取值0.2，实际上第一阈值取值还可以是0.19、0.21、0.15、0.25……都是可行的，一般第一阈值的取值范围在0-0.2的范围内，实际上稍微大于0.2也是可行的，但是第一阈值取得越大，相对而言误差越大，设计人员可以根据需要调整第一阈值T1的取值。

3、以上实施例中，同理，第二阈值T2取值0.2，实际上第二阈值取值还可以是0.19、0.21、0.15、0.25……都是可行的，一般第二阈值的取值范围在0-0.2的范围内，实际上稍微大于0.2也是可行的，但是第一阈值取得越大，相对而言误差越大，设计人员可以根据需要调整第二阈值T2的取值。

4、以上实施例中，系数K 取值0.0002，实际上系数K取值还可以是0.0001、0.00011、0.00013、0.0003、0.0005……都是可行的，一般系数K的取值范围在00001-0.0005的范围内，实际上稍微大于0.0005、或者稍微小于0.0001当然也是可行的，设计人员可以根据需要调整K的取值。

5、以上实施例中，δ取0.712~0.895范围内的任意一个数值，C2取4500~5500范围内的任意一个数值，η取0.1~0.2范围内的任意一个数值均是可行的。本领域的技术人员通过本发明可以得到δ、C2以及η取上述各自的取值范围内的值均可实施的启示。

6、以上实施例中，各附图中出现的W（y）中，y为以上样本对应的六个参数，即W（y）实质指的是Wp、Wf、Wlm、Wlv、Wpc、Wpl。

结合本实施例3具体描述如下：图1-2中主要涉及到的后向传播算法为批量学习模式，呼吸机在治疗之前需要进行批量学习，呼吸机的主机MCU实时读取呼吸机在不同漏气量Lv下的压力传感器信号和流量传感器信号，并将信号进行处理，如进行滤波和放大处理，通过运算来调整系统压力驱动电路信号，产生需要的控制压力Pc，进而计算出呼吸管路压力损耗Pl和面罩泄气量Lm。将上述压力参数P、流量参数F、呼吸管路压力损耗参数Pl、控制压力参数Pc、面罩泄气量参数Lm和当前漏气量参数Lv组合成5000份学习样本带入后向传播算法中进行批量学习。当面罩端学习阶段的实际的治疗压力Pm和学习阶段的计算治疗压力值Ps的第一均方误差小于阈值T时即结束批量学习，计算各参数的权值并存入存储区域E2中。

当呼吸机在治疗时会读取E2中各输入参数的权值并带入计算，下面详细讲解实现过程：

如图5和6所示：呼吸机通电并开始进行静态治疗时，采集静态治疗阶段的与样本相对应的六个参数的数值，主机读取存入E2中的压力传感器信号对应的压力参数P的权值、流量传感器信号对应的流量参数F的权值、控制压力参数Pc的权值、呼吸机管路压力损耗参数Pl的权值W、面罩泄气量参数Lm的权值W和漏气量参数Lv的权值W。然后将各参数乘以更替后的权值带入后向传播算法，计算出面罩端治疗压力理论值Pm′，并判断实际值和理论值之间的第二均方误差大小。如果误差小于阈值T，则只需要输入批量学习计算的输入控制压力Pc，则面罩端就会出现符合要求的治疗压力；如果出现第二均方误差大于或等于设定阈值T时则在治疗时采用下述方法动态调整。

参见附图3，在呼吸机系统中，假如从鼓风机出风口直接经过管路、面罩到达患者，管路和面罩部分相当于鼓风机的负载。鼓风机输出的压力经过负载后会有不通程度的降低，降低的多少取决于负载的气路阻力的大小。根据风量力学理论，风量流量与风机的转速成正比即：Q2/Q1 =RPM2/RPM1，Q代表流量，RPM代表风机的转速；同时风量对应的压力与风机的转速的平方成正比，即：P2/P1= (RPM2* RPM2/RPM1* RPM1),其中，P代表压力，从上面的公式中可以推导出：P2/P1= （Q2*Q2/Q1*Q1），如果在等号后面的分子和分母中都加一个系数K结果不变，从而可以简化出压力和流量的关系式P=K*Q*Q，此时，K是一个常数。这个就是我们计算压力的基本公式依据。通过K，此时流量Q以及此时的压力P，则计算此时的控制压力Pc。

上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种基于反向传播算法的呼吸机治疗压力稳定方法，所述呼吸机包括主机、呼吸管路、面罩、压力传感器以及流量传感器，所述压力传感器以及流量传感器用于检测主机风道内的压力值和流量值，其特征在于：

所述治疗压力稳定方法包括学习阶段和治疗阶段，所述学习阶段包括以下步骤：

步骤1.1：开启呼吸机进行学习，令呼吸机的学习次数为i，i为0、1、2、3、……，设定学习次数i的上限值为N，N为正整数，设六个权值存储单元用于存储六个参数的权值，其中：

第一权值存储单元用于存储压力参数P的权值Wp；

第二权值存储单元用于存储流量参数F的权值Wf；

第三权值存储单元用于存储面罩泄气量参数Lm的权值Wlm；

第四权值存储单元用于存储漏气量参数Lv的权值Wlv；

第五权值存储单元用于存储控制压力参数Pc的权值Wpc；

第六权值存储单元用于存储呼吸管路压力损耗参数Pl的权值Wpl；

i=0为呼吸机开启后的初始状态，设六个参数的初始权值为常数C1；

步骤1.2：使用呼吸机模拟第一漏气量的漏气状态，令i=1，并在该漏气状态下主机获取以下六个参数的数值作为第一个样本：

压力参数P，该压力参数P的数值为所述主机通过压力传感器获得的压力值P1；

流量参数F，该流量参数F的数值为所述主机通过流量传感器获得的流量值F1；

面罩泄气量参数Lm，该面罩泄气量参数Lm的数值为将流量参数F的数值代入面罩厂家给出的面罩特性曲线获得的面罩泄气量值Lm1；

漏气量参数Lv，该漏气量参数Lv的数值为流量平均值减去面罩泄气量参数Lm的数值，所述流量平均值为流量传感器在采样时间段内所采集到的所有样本的流量值叠加后除以采样次数所获得的值Lv1；

控制压力参数Pc，该控制压力参数Pc的数值为预先设定的面罩端的治疗压力理论值Pc1；

呼吸管路压力损耗参数Pl，该呼吸管路压力损耗参数Pl的数值为将压力参数P的数值以及所述流量参数F的数值代入管路厂家给出的管路特性曲线获得的呼吸管路压力损耗的值Pl1；

主机将第一个样本中的数值P1乘以常数C1，数值F1乘以常数C1，数值Lm1乘以常数C1，数值Lv1乘以常数C1，数值Pc1乘以常数C1，数值Pl1乘以常数C1，得到六个输入值，再将该六个输入值作为输入代入反向传播算法公式：并且，

中计算得到学习阶段的计算治疗压力值Ps1以及第一个样本对应的六个参数的权值，即压力参数P的权值Wp1、流量参数F的权值Wf1、面罩泄气量参数Lm的权值Wlm1、漏气量参数Lv的权值Wlv1、控制压力参数Pc的权值Wpc1和呼吸管路压力损耗参数Pl的权值Wpl1；其中，δ=0.712~0.895，C2=4500~5500；η=0.1~0.2；所述计算治疗压力值Ps1用于调整风机转速；

步骤1.3：将Wp1存入第一权值存储单元，Wf1存入第二权值存储单元， Wlm1存入第三权值存储单元，Wlv1存入第四权值存储单元，Wpc1存入第五权值存储单元，Wpl1存入第六权值存储单元；

步骤1.4：判定学习次数i是否大于或等于N；若i小于N，则转到步骤1.5；若i大于或等于N，则转到步骤1.8；

步骤1.5：使用呼吸机模拟第二漏气量的漏气状态，该漏气状态的呼吸机学习次数为i+1；并在该漏气状态下主机获取以下六个参数的数值作为第二个样本，按照第一样本的方式对应获得以下第二个样本的六个参数：

压力参数P的数值P2；

流量参数F的数值F2；

面罩泄气量参数Lm的数值Lm2；

漏气量参数Lv的数值Lv2；

控制压力参数Pc的数值Pc2；

呼吸管路压力损耗参数Pl的数值Pl2；

主机将第二样本中的数值P2乘以第一存储单元中的当前数值，数值F2乘以第二存储单元中的当前数值，数值Lm2乘以第三存储单元中的当前数值，数值Lv2乘以第四存储单元中的当前数值，数值Pc2乘以第五存储单元中的当前数值，数值Pl2乘以第六存储单元中的当前数值，得到六个输入值，再将该六个输入值作为输入代入反向传播算法公式：

并且，

中计算得到第二个样本的学习阶段的计算治疗压力值Ps2以及第二个样本对应的六个参数的权值，即压力参数P的权值Wp2、流量参数F的权值Wf2、面罩泄气量参数Lm的权值Wlm2、漏气量参数Lv的权值Wlv2、控制压力参数Pc的权值Wpc2和呼吸管路压力损耗参数Pl的权值Wpl2；其中，δ=0.712~0.895，C2=4500~5500；η=0.1~0.2；所述计算治疗压力值Ps2用于调整风机转速；

步骤1.6：将Wp2替换第一权值存储单元的值，Wf2替换第二权值存储单元的值，Wlm2替换第三权值存储单元的值，Wlv2替换第四权值存储单元的值， Wpc2替换第五权值存储单元的值，Wpl2替换第六权值存储单元的值；

步骤1.7：判定学习阶段的实际治疗压力值Pm2与学习阶段的计算治疗压力值Ps2的均方误差是否小于第一阈值T1，该第一阈值T1预先设定；所述学习阶段的实际治疗压力值Pm2等于压力参数P的数值P2减去呼吸管路压力损耗参数Pl的数值Pl2，再减去面罩泄气量参数Lm的数值Lm2在面罩特性曲线上所对应的压力值所得到的数值；若该均方误差小于第一阈值T1，则转到步骤1.8；若该均方误差大于或等于第一阈值T1，则回到步骤1.4，进行第三个样本的学习，第三个样本模拟第三漏气量的漏气状态，并在该漏气状态下主机获取的六个参数的数值作为第三个样本；第三漏气量与第二漏气量不同；以此循环往复，进行第四个样本、第五个样本、第六个样本……的学习，直至均方误差小于第一阈值T1或者i等于N时为止；

步骤1.8：结束学习；

所述治疗阶段包括以下步骤：

步骤2.1：使用学习结束后的呼吸机对患者进行治疗，主机获取治疗状态下的六个参数的数值，该六个参数是治疗状态下的压力参数P′、流量参数F′、面罩泄气量参数Lm′、漏气量参数Lv′、控制压力参数Pc′以及呼吸管路压力损耗参数Pl′，该治疗状态下的六个参数的数值与学习阶段中样本的六个参数的数值的获取方式一致；

步骤2.2：主机将治疗状态下压力参数P′的数值乘以第一存储单元中的当前数值，流量参数F′的数值乘以第二存储单元中的当前数值，面罩泄气量参数Lm′的数值乘以第三存储单元中的当前数值，漏气量参数Lv′的数值乘以第四存储单元中的当前数值，控制压力参数Pc′的数值乘以第五存储单元中的当前数值，呼吸管路压力损耗参数Pl′的数值乘以第六存储单元中的当前数值，得到六个输入值，再将该六个输入值作为输入代入以下反向传播算法公式：

并且，

中计算得到治疗阶段的计算治疗压力值Ps′以及治疗阶段对应的六个参数的权值；其中，δ=0.712~0.895，C2=4500~5500；η=0.1~0.2；

步骤2.3：主机根据计算治疗压力值Ps′，调整风机电机转速以满足呼吸机治疗压力要求；

步骤2.4：将治疗阶段中的压力参数P′的权值替换第一权值存储单元的值，流量参数F′的权值替换第二权值存储单元的值，面罩泄气量参数Lm′的权值替换第三权值存储单元的值，漏气量参数Lv′的权值替换第四权值存储单元的值，控制压力参数Pc′的权值替换第五权值存储单元的值，呼吸管路压力损耗参数Pl′的权值替换第六权值存储单元的值；

所述呼吸机在治疗阶段实时监测患者治疗压力，主机实时获取治疗状态下的六个参数的数值，并按照步骤2.1至步骤2.4的方式重复操作，以此循环往复，直至结束治疗。

2.根据权利要求1所述的基于反向传播算法的呼吸机治疗压力稳定方法，其特征在于：在治疗阶段中，实时计算实际治疗压力值Pm′，该实际治疗压力值Pm′等于压力参数P′的数值减去呼吸管路压力损耗参数Pl′的数值，再减去面罩泄气量参数Lm′的数值在面罩特性曲线上所对应的压力值所得到的数值；当实际治疗压力值Pm′与治疗阶段的计算治疗压力值Ps′的均方误差大于第一阈值T1时，按如下步骤进行动态调整：

步骤3.1：主机读取治疗状态下的压力参数P′的数值、控制压力参数Pc′、呼吸管路压力损耗参数Pl′、面罩泄气量参数Lm′；

步骤3.2：计算目标压力Pt′的值，目标压力Pt′是将控制压力参数Pc′加上呼吸管路压力损耗参数Pl′的数值，再加上面罩泄气量参数Lm′的数值在面罩特性曲线上所对应的压力值所获得的数值；

步骤3.3：将压力参数P′的数值与目标压力Pt′比较，当压力参数P′的数值与目标压力Pt′的差的绝对值小于或等于预先设定的第二阈值T2时，则转到步骤3.4；当压力参数P′的数值与目标压力Pt′的差的绝对值大于预先设定的第二阈值T2时，根据压力参数P′的数值与目标压力Pt′的差值调整电机转速，然后回到步骤3.1重复步骤3.1至步骤3.3操作，以此循环往复；

步骤3.4：结束动态调整。

3.根据权利要求2所述的基于反向传播算法的呼吸机治疗压力稳定方法，其特征在于：

所述动态调整还包括：

预先设定一个系数K的值；

在步骤3.3中，当压力参数P′的数值与目标压力Pt′的差的绝对值大于预先设定的第二阈值T2时，主机读取流量参数F′的数值，然后将压力参数P′的数值除以流量参数F′平方的数值得到商值，若该商值小于K，则主机提示异常。