CN111966138A - 一种医疗设备的高精度温控方法和系统 - Google Patents

Abstract

一种医疗设备的高精度温控方法和系统，用于控制医疗设备内加热线圈的加热功率，包括如下步骤：1)检测加热线圈的温度值，将该温度值与设定的目标值进行实时比较，得到系统误差和系统误差变化率，将其作为模糊神经网络PID算法的输入变量，得到输出变量；2)通过输出变量修正模糊神经网络PID算法中PID控制器的参数，包括比例参数、积分参数和微分参数；3)采用输出变量控制PWM驱动电路的输出占空比，获得控制电流，从而控制加热线圈的加热功率。本发明采用模糊神经网络PID算法实现高精度温控，解决了控制系统易受干扰、参数整定复杂、控制效果不理想等问题，实现系统的较小超调，缩短调节时间，改善控制器对复杂对象的调控性能，实现温度高精度的控制。

Description

一种医疗设备的高精度温控方法和系统

技术领域

本发明涉及医疗设备领域，特别是指一种医疗设备的高精度温控方法和系统。

背景技术

医疗设备检测中，一般液基细胞都对温度有较高的要求，检测环境直接影响细胞活性以及医疗设备的应用效果，目前现有的医疗检测设备，普遍存在缺少温度控制或者温控精度较低，温控范围稳定性低，无法为病理检测提供精确的温度操作环境，这为医学诊断和医疗技术进步带来了许多困难。

目前，一般温度控制常常采用PID控制调节，传统PID控制器结构简单，具有一定的鲁棒性，较容易实现，但稳定性不够好，很多控制系统中不同程度的存在着非线性、滞后和时变性等不确定性，因为传统PID控制无法满足高精度的温度控制。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种医疗设备的高精度温控方法和系统，采用模糊神经网络PID算法实现，具有上升时间快、适应性好、鲁棒性好等特点。

本发明采用如下技术方案：

一种医疗设备的高精度温控方法，用于控制医疗设备内加热线圈的加热功率，其特征在于，包括如下步骤：

1)检测加热线圈的温度值，将该温度值与设定的目标值进行实时比较，得到系统误差和系统误差变化率，将其作为模糊神经网络PID算法的输入变量，得到输出变量；

2)通过输出变量修正模糊神经网络PID算法中PID控制器的参数，包括比例参数、积分参数和微分参数；

3)采用输出变量控制PWM驱动电路的输出占空比，获得控制电流，从而控制加热线圈的加热功率。

优选的，步骤1)中，所述系统误差e＝r-y，系统误差变化率ec＝de/dt，其中r为目标值，y为检测的温度值为。

优选的，所述模糊神经网络PID算法的输入变量和输出变量论域对应的模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，其中，NB表示负大，NM表示负中，NS表示负小，ZO表示零，PS表示正小，PM表示正中，PB表示正大。

优选的，所述输入变量和输出变量均采用三角形隶属度函数；其中偏差小的区域NM、NS、ZO、PS和PM，选择分辨率较高的三角形隶属度函数；偏差大的区域NB和PB，采用斜率平缓的正态分布隶属度函数曲线。

优选的，所述输入变量和输出变量的模糊论域均设定为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}，比例参数微调值和积分参数微调值和微分参数微调值的论域分别设定为{-3,-2,-1,0,1,2,3}，{-1,-0.5,0,0.5,1}和{-3,-2,-1,0,1,2,3}。

一种医疗设备的高精度温控系统，其特征在于：包括温度检测模块、控制模块、人机交互模块、加热线圈以及PWM驱动电路；该温度检测模块用于检测加热线圈的温度值；该人机交互模块用于提供人机交互界面；该加热线圈安装于医疗设备内且与PWM驱动电路相连；该控制模块与温度检测模块、人机交互模块和PWM驱动电路相连，以采用上述的一种医疗设备的高精度温控方法，实现温控。

优选的，所述控制模块采用基于ARM Cortex-M内核的STM32F103ZET6芯片。

优选的，所述人机交互模块采用智能串口屏。

由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：

1、本发明的方法和系统，基于PID控制器加入模糊控制和神经网络算法，结构简单、实用性广，减少人为干预，可以实现高精度的控制，避免快速性和稳定性的冲突。

2、解决了控制系统易受干扰、参数整定复杂、控制效果不理想等问题，实现系统的较小超调，缩短调节时间，改善控制器对复杂对象的调控性能，实现温度高精度的控制。

3、本发明运用模糊神经PID算法，达到对温控系统的温度控制效果。温度控制范围可达到20℃-60℃，系统精度达到稳态时控制精度在±0.05℃之内。该温控模块也可应用于其他更多领域，具有一定实用价值。

附图说明

图1为本发明系统模块图；

图2为本发明方法流程图；

图3为本发明模糊神经网络PID算法控制框图；

以下结合附图和具体实施例对本发明作进一步详述。

具体实施方式

以下通过具体实施方式对本发明作进一步的描述。

参见图1，一种医疗设备的高精度温控系统，包括温度检测模块、控制模块、人机交互模块、加热线圈以及PWM驱动电路等。该温度检测模块用于检测加热线圈的温度值；该人机交互模块用于提供人机交互界面；该加热线圈安装于医疗设备内且与PWM驱动电路相连；该控制模块与温度检测模块、人机交互模块和PWM驱动电路相连，以采用医疗设备的高精度温控方法，实现温控。

温度检测模块可采用DS18B20作为数字温度传感器，将加热线圈的温度信号转换为电压信号，进行信号放大，再将模拟信号转换为数字信号。

该人机交互模块可采用智能串口屏，其内部集成与液晶显示屏相关的函数库，可接收指令按照控制字的要求调用相应的显示函数，并在液晶显示屏显示相应的内容。显示界面支持多种图片格式，兼具显示功能和触摸屏，同时可以实现显示功能和按键功能等。

控制模块采用基于ARM Cortex-M内核的STM32F103ZET6芯片。其具有使用外部晶振作为高稳定时钟源、内嵌RC振荡器、集成高速嵌入式存储器，有复用功能的通用GPIO等突出优点。STM32F103ZET6还自带12位ADC，16位通用定时器，12位数模转换器DAC，直接内存存取DMA控制器，集成了标准高级的通信接口，便于实现各种控制功能，以及与各种设备进行连接和通信。其可实现采集温度信号，产生正弦波信号、设定显示温度值以及PID控制算法等。本系统中，还可设置电源模块，其采用AMS1117用于为STM32系统提供工作电压，实现电压转化电路。

本发明的设置通讯模块，其可采用串口通信电路实现与上位机通讯，转换器采用CH340G芯片，USB总线的转换芯片，采用5V电压供电，并选用12MHz的晶振作为外部时钟源为芯片提供工作时钟，这样便可实现将微控制器发出的串行信号转换为差分信号并送给上位机，将上位机发出的差分信号转为串行信号传送给微控制器，完成了下位机与上位机之间的通讯。

该控制模块采集温度检测模块的温度值进行处理计算后，输入模糊神经网络PID控制算法中，实现闭环反馈控制，从而实现将温度值稳定在设定的偏差范围内，准确地控制温度变化量。

本发明还提出一种医疗设备的高精度温控方法，可应用上述的系统中，用于控制医疗设备内加热线圈的加热功率，包括如下步骤：

1)通过温度检测模块检测加热线圈的温度值，将该温度值与设定的目标值进行实时比较，得到系统误差和系统误差变化率，将其作为模糊神经网络PID算法的输入变量，得到输出变量。其中系统误差e＝r-y，系统误差变化率ec＝de/dt，其中r为目标值，y为检测的温度值。

2)通过输出变量修正模糊神经网络PID算法中PID控制器的参数，包括比例参数ΔKp、积分参数ΔKi和微分参数ΔKd。

其中模糊神经网络PID算法的输入变量和输出变量论域对应的模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，其中，NB表示负大，NM表示负中，NS表示负小，ZO表示零，PS表示正小，PM表示正中，PB表示正大。输入变量和输出变量均采用三角形隶属度函数,其中偏差小的区域NM、NS、ZO、PS和PM，选择分辨率较高的三角形隶属度函数；偏差大的区域NB和PB，采用斜率平缓的正态分布隶属度函数曲线。

输入变量和输出变量的模糊论域均设定为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}，比例参数微调值和积分参数微调值和微分参数微调值的论域分别设定为{-3,-2,-1,0,1,2,3}，{-1,-0.5,0,0.5,1}和{-3,-2,-1,0,1,2,3}。

3)采用输出变量控制PWM驱动电路的输出占空比，获得控制电流，从而控制加热线圈的加热功率。

本发明利用模糊神经网络PID控制算法对加热线圈进行温度调控，实现对医疗设备系统的温度环境控制，不需要依赖系统精确的数学模型，能够有效解决提高控温精度和稳定性的问题。参见图3，该模糊神经网络PID控制算法包括有模糊化模块、神经网络模块、RBF学习算法和PID控制器等。

其中模糊化模块设有模糊化处理模块、模糊控制规则模块，模糊推理机制和解模糊模块等，通过运用模糊数学的原理，对系统的状态变量进行模糊量化和归一化处理。在模糊控制中融入神经网络优秀的学习能力，将模糊控制中的模糊化处理、模糊推理、反模糊化等过程采用神经网络来模拟，模糊控制的输入输出就作为神经网络的输入和输出，用神经网络的节点来表示模糊控制中的隶属函数以及模糊规则。最后利用RBF神经网络的自学习能力优化模糊推理，将模糊规则以加权系数的形式表现出来，根据系统的运行状态，通过RBF神经网络的自学习和加权系数的调整，迅速整定PID控制器参数，得到最佳参数值，提高系统响应时间，提高温度控制精度。

传统的PID控制方法在时变、非线性、有时滞的温度系统中难以实现对温度的良好控制。因此在所述医疗设备温度控制系统中，本发明设计了基于STM32的模糊神经网络PID控制器，采用智能算法与PID控制相结合的方法进行温度控制。通过模糊判断和神经网络自调节来自动调整比例、积分、微分参数，由此来实现PID参数自整定，使得系统的超调小，调节时间短，获得在整个温度控制过程中的良好控制效果，从而使得温度控制功能更加强大，使得控制系统具有更好的动态性能和稳态性能。

进一步的，在电路中设计了满足温度控制要求的硬件电路，构成一个完整的温度测控系统，实现了测温、控温以及温度显示等功能。在人机交互界面设计过程中，以KeiluVision5作为开发环境，编写上位机界面，实现与下位机进行通讯，实现收发送目标温度值，采用液晶显示屏实时显示温度值，实现了良好的人机界面。

上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (8)

1.一种医疗设备的高精度温控方法，用于控制医疗设备内加热线圈的加热功率，其特征在于，包括如下步骤：

1)检测加热线圈的温度值，将该温度值与设定的目标值进行实时比较，得到系统误差和系统误差变化率，将其作为模糊神经网络PID算法的输入变量，得到输出变量；

2)通过输出变量修正模糊神经网络PID算法中PID控制器的参数，包括比例参数、积分参数和微分参数；

3)采用输出变量控制PWM驱动电路的输出占空比，获得控制电流，从而控制加热线圈的加热功率。

2.如权利要求1所述的一种医疗设备的高精度温控方法，其特征在于：步骤1)中，所述系统误差e＝r-y，系统误差变化率ec＝de/dt，其中r为目标值，y为检测的温度值为。

3.如权利要求1所述的一种医疗设备的高精度温控方法，其特征在于：所述模糊神经网络PID算法的输入变量和输出变量论域对应的模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，其中，NB表示负大，NM表示负中，NS表示负小，ZO表示零，PS表示正小，PM表示正中，PB表示正大。

4.如权利要求3所述的一种医疗设备的高精度温控方法，其特征在于：所述输入变量和输出变量均采用三角形隶属度函数；其中偏差小的区域NM、NS、ZO、PS和PM，选择分辨率较高的三角形隶属度函数；偏差大的区域NB和PB，采用斜率平缓的正态分布隶属度函数曲线。

5.如权利要求1所述的一种医疗设备的高精度温控方法，其特征在于：所述输入变量和输出变量的模糊论域均设定为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}，比例参数微调值和积分参数微调值和微分参数微调值的论域分别设定为{-3,-2,-1,0,1,2,3}，{-1,-0.5,0,0.5,1}和{-3,-2,-1,0,1,2,3}。

6.一种医疗设备的高精度温控系统，其特征在于：包括温度检测模块、控制模块、人机交互模块、加热线圈以及PWM驱动电路；该温度检测模块用于检测加热线圈的温度值；该人机交互模块用于提供人机交互界面；该加热线圈安装于医疗设备内且与PWM驱动电路相连；该控制模块与温度检测模块、人机交互模块和PWM驱动电路相连，以采用权利要求1至5中，任一项所述的一种医疗设备的高精度温控方法，实现温控。

7.如权利要求6所述的一种医疗设备的高精度温控系统，其特征在于：所述控制模块采用基于ARM Cortex-M内核的STM32F103ZET6芯片。

8.如权利要求6所述的一种医疗设备的高精度温控系统，其特征在于：所述人机交互模块采用智能串口屏。

Images