CN116907586B - 一种基于云计算的超声设备运行状态管理系统及方法 - Google Patents
一种基于云计算的超声设备运行状态管理系统及方法 Download PDFInfo
- Publication number
- CN116907586B CN116907586B CN202311142473.0A CN202311142473A CN116907586B CN 116907586 B CN116907586 B CN 116907586B CN 202311142473 A CN202311142473 A CN 202311142473A CN 116907586 B CN116907586 B CN 116907586B
- Authority
- CN
- China
- Prior art keywords
- probe
- signal
- ultrasonic
- monitoring
- echo
- 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
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000000523 sample Substances 0.000 claims abstract description 251
- 238000012544 monitoring process Methods 0.000 claims abstract description 107
- 238000012545 processing Methods 0.000 claims abstract description 55
- 230000035945 sensitivity Effects 0.000 claims abstract description 20
- 230000005856 abnormality Effects 0.000 claims abstract description 5
- 238000007726 management method Methods 0.000 claims description 46
- 238000001228 spectrum Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000007689 inspection Methods 0.000 claims description 12
- 238000012806 monitoring device Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 241000135164 Timea Species 0.000 claims 1
- 238000002604 ultrasonography Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于云计算的超声设备运行状态管理系统及方法,涉及超声设备管理技术领域。本发明通过对超声设备的关键性配件超声波探头进行回波信息、波形信息、电流电压信息和位置姿态信息的探头状态监测;便于对超声波探头状态进行集中化的管控,云计算处理模块通过回波监测处理、位姿监测处理、异常监测处理的多样化处理手段的结合,生成反映质量、灵敏度、管控风险相关的多种信号,便于后续的故障预测和反馈,该运行状态管理系统具有高可用性,避免超声波探头的运行状态异常而影响诊断结果。
Description
技术领域
本发明属于超声设备管理技术领域,具体涉及一种基于云计算的超声设备运行状态管理系统及方法。
背景技术
超声设备在医疗领域具有广泛应用,是医生进行诊断和治疗的重要工具。然而,目前超声设备的状态管理存在诸多问题。例如,针对超声设备的关键性配件-超声波探头,没有进行集中化的管控和云计算的处理和故障预测方式,需要一种可用性强的适用于超声波探头的运行状态管理系统。
现有技术通过在设备主体和超声探头之间加入监测模块对超声探头与人体的接触状态进行判断,能够实现超声探头是否空载的鉴别。即通过监测模块中的数据分析电路读取当前输出电信号的电流幅度和/或电压幅度并经过数据处理,与预置的超声探头空载电流幅度和/或电压幅度进行比对,鉴别当前超声探头是否连接到有效负载的判断。但是上述技术方案只能识别超声探头是否空载以及是否连接到有效负载,没有结合超声波探头的多项状态关键因素,通过云计算的方式来综合处理,以提高运行状态管理系统的可用性,便于故障排查和检修。
发明内容
本发明的目的在于提供一种基于云计算的超声设备运行状态管理系统及方法,用于解决现有技术中没有结合超声波探头的多项状态关键因素,通过云计算的方式来综合处理,以提高运行状态管理系统的可用性,便于故障排查和检修的技术问题。
为了实现上述目的,本发明采用了如下技术方案:
一种基于云计算的超声设备运行状态管理系统,包括探头状态监测模块、云计算处理模块、故障预测模块和状态管理显示平台;
探头状态监测模块用于实时监测超声设备的超声波探头的回波信息、波形信息、电流电压信息和位置姿态信息,并将其发送至云计算处理模块;
云计算处理模块用于对超声波探头的回波信息、波形信息和电流电压信息进行回波监测处理,生成高质高灵信号、中质中灵信号或低质低灵信号;用于对超声波探头的位置姿态信息进行位姿监测处理,生成高精度信号和低精度信号;用于对低质低灵信号和低精度信号进行异常监测处理,生成不同级别的探头管控信号;
所述回波信息包括超声波探头发送的超声波信号的回波信号的强度、信噪比和动态范围值;波形信息包括超声波探头发送的超声波信号的回波波形的平稳性和频谱特性;电流电压信息包括超声波探头的接收电流值和接收电压值;位置姿态信息包括超声波探头的三维坐标以及俯仰角、偏航角、横滚角构成的姿态信息。
进一步的,所述回波监测处理的过程包括以下步骤:
S11、将超声波信号的回波波形与波形模型库内的预设回波波形进行比较,若波形相对稳定且与预设的信号频率、形状匹配,则判定回波波形的平稳性和频谱特性符合要求,转入步骤S12;若波形不稳定或与预设的信号频率、形状不匹配,则判定回波波形的平稳性或频谱特性不符合要求,生成低质低灵信号;
S12、将单位时间后超声波信号的回波信号的强度、信噪比、动态范围值分别标记
为HBq、HBx和HBd;将单位时间后的超声波探头的接收电流值与其标准电流值的差值标记为
HBi,将单位时间后的超声波探头的接收电压值与其标准电压值的差值标记为HBu,根据计
算公式得到单位时间后的回信风险因子HBF;其中,
α为回信补偿因子且α=2.68,h1、h2、h3、h4、h5均为预设比例系数且0.95<h4<h5<h1<h2
<h3;
S13、将回信风险因子与其阈值进行比较,当回信风险因子大于等于其阈值时生成中质中灵信号,当回信风险因子小于其阈值时生成高质高灵信号。
进一步的,所述位姿监测处理的过程包括以下步骤:
S21、将单位时间内超声波探头的三维坐标最大值分别标记为X1、Y1和Z1,将单位时
间内超声波探头的三维坐标最小值分别标记为X0、Y0和Z0,根据计算公式得到单位时间内的三维坐标误差因子WC;
S22、将单位时间内超声波探头的俯仰角最大值、偏航角最大值和横滚角最大值分
别标记为F1、P1和H1,将单位时间内超声波探头的俯仰角最小值、偏航角最小值和横滚角最
小值分别标记为F0、P0和H0,根据计算公式得到单位
时间内的位置姿态误差因子WZ;
S23、将单位时间内超声波探头的三维坐标误差因子WC与位置姿态误差因子WZ相乘得到位姿监测因子,将位姿监测因子与其阈值进行比较,当位姿监测因子大于等于其阈值时,生成低精度信号;当位姿监测因子小于其阈值时,生成高精度信号。
进一步的,所述异常监测处理的过程包括以下步骤:
S31、读取低质低灵信号对用的回波波形,若平稳性和频谱特性均不符合要求,则生成一级探头管控信号并将其发送至故障预测模块;若平稳性和频谱特性的其中一个不符合要求,则生成二级探头管控信号并将其发送至故障预测模块;
S32、读取低精度信号对应的位姿监测因子,将该位姿监测因子减去位姿监测因子阈值后除以位姿监测因子阈值,得到位姿监测误差率,当位姿监测误差率≥5%时生成三级探头管控信号并将其发送至故障预测模块,当位姿监测误差率<5%时生成四级探头管控信号并将其发送至故障预测模块。
进一步的,故障预测模块用于在接收到一级探头管控信号后,生成探头质量预警信号;在接收到二级探头管控信号后,生成探头灵敏预警信号;在接收到三级探头管控信号后,生成探头高误差预警信号;在接收到四级探头管控信号后,生成探头低误差预警信号。
进一步的,所述状态管理显示平台用于在接收到探头质量预警信号、探头灵敏预警信号、探头高误差预警信号、探头低误差预警信号后,分别生成如下对应字幕:探头回波故障,建议停机检查;探头不灵敏,建议重启核查;探头精度高误差,建议停机检查;探头精度低误差,建议重启核查。
本发明还提供了上述基于云计算的超声设备运行状态管理方法,包括以下步骤:
探头状态监测:实时监测超声设备的超声波探头的回波信息、波形信息、电流电压信息和位置姿态信息;
云计算处理:对超声波探头的回波信息、波形信息和电流电压信息进行回波监测处理,生成高质高灵信号、中质中灵信号或低质低灵信号;用于对超声波探头的位置姿态信息进行位姿监测处理,生成高精度信号和低精度信号;用于对低质低灵信号和低精度信号进行异常监测处理,生成不同级别的探头管控信号;
读取地质低灵信号对用的回波波形,若平稳性和频谱特性均不符合要求,则生成一级探头管控信号;若平稳性和频谱特性的其中一个不符合要求,则生成二级探头管控信号;
读取低精度信号对应的位姿监测因子,将该位姿监测因子减去位姿监测因子阈值后除以位姿监测因子阈值,得到位姿监测误差率,当位姿监测误差率≥5%时生成三级探头管控信号,当位姿监测误差率<5%时生成四级探头管控信号;
故障预测:接收到一级探头管控信号后,生成探头质量预警信号;在接收到二级探头管控信号后,生成探头灵敏预警信号;在接收到三级探头管控信号后,生成探头高误差预警信号;在接收到四级探头管控信号后,生成探头低误差预警信号;
状态管理显示:接收到探头质量预警信号、探头灵敏预警信号、探头高误差预警信号、探头低误差预警信号后,分别生成如下对应字幕:探头回波故障,建议停机检查;探头不灵敏,建议重启核查;探头精度高误差,建议停机检查;探头精度低误差,建议重启核查。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明通过对超声设备的关键性配件超声波探头进行回波信息、波形信息、电流电压信息和位置姿态信息的探头状态监测;便于对超声波探头状态进行集中化的管控,云计算处理模块通过回波监测处理、位姿监测处理、异常监测处理的多样化处理手段的结合,生成反映质量、灵敏度、管控风险相关的多种信号,便于后续的故障预测和反馈,该运行状态管理系统具有高可用性,避免超声波探头的运行状态异常而影响诊断结果。
2、本发明通过对超声波的回波波形的平稳性和频谱特性进行优先匹配判定,不匹配时生成反映低质量、低灵敏度的信号,匹配时将回波信号和电流电压相关的多种数值进行标记、回信补偿、公式计算结合的方式,得到综合反映超声波探头信号故障风险的回信风险因子;通过对超声波探头的三维坐标和姿态角度进行公式计算误差后相乘结合的方式,得到综合反映超声波探头诊断精度的多种信号;多种风险因子便于后续进一步的故障预测并利于采取分级化的管控措施。
3、本发明将不同级别的管控信号通过故障预测模块溯源后生成相关性能的预警信号,并显示对应处理措施的字幕,便于及时排查和检修故障,保障超声设备运行状态的安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明基于云计算的超声设备运行状态管理系统的模块框图;
图2示出了本发明基于云计算的超声设备运行状态管理方法的流程图;
图3示出了本发明多种预警信号与其生成的对应字幕图。
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它实施例,都属于本发明保护的范围。
实施例1
参阅图1所示,本实施例的一种基于云计算的超声设备运行状态管理系统,适用于非介入式超声影像诊断设备的运行状态管理。非介入式超声医学设备的组成一般包括超声探头、控制器、显示器和数据传输存储介质。超声探头是设备的核心部分,包含发射超声波和接收回波的传感器,超声波具有不同的形状和频率,用于不同的检查部位和深度;控制器用于控制超声波的发射和接收,同时接收和处理传感器的信号,并生成图像和数据;显示器用于显示实时超声图像和数据,供医生观察和分析;数据传输存储介质将获得的图像和数据保存并通过网络进行传输和分享。
具体地,本实施例的超声设备运行状态管理系统包括探头状态监测模块、云计算处理模块、故障预测模块和状态管理显示平台。
探头状态监测模块用于实时监测超声设备的超声波探头的回波信息、波形信息、电流电压信息和位置姿态信息,并将其发送至云计算处理模块;回波信息包括超声波探头发送的超声波信号的回波信号的强度、信噪比和动态范围值;波形信息包括超声波探头发送的超声波信号的回波波形的平稳性和频谱特性;电流电压信息包括超声波探头的接收电流值和接收电压值;位置姿态信息包括超声波探头的三维坐标以及俯仰角、偏航角、横滚角构成的姿态信息。
回波信号的强度通常使用线性比例来表示,例如分贝,分贝是一种相对单位,用于描述两个物理量之间的比值,常用于表示信号的强弱;回波信号的强度超出预设范围值表示信号质量差或相应的传感器出现问题。回波信号的信噪比为回波信号的强度与背景噪声的比例,较高的信噪比表示信号质量较好。动态范围值表示回波信号的最大强度和最小强度之间的差值,较大的动态范围值可以提高探头的灵敏度和分辨率。回波波形的平稳性是指波形相对稳定,未出现明显的干扰或噪音;频谱特性是指回波波形与预设的信号频率、形状是否匹配。
超声波探头的三维坐标表示探头在三维坐标系中的位置,X轴表示水平方向,Y轴表示垂直方向,Z轴表示前后方向。超声波探头的姿态信息包括俯仰角、偏航角和横滚角。俯仰角表示探头前后方向与水平面之间的夹角,当探头向上倾斜时,俯仰角为正值;当探头向下倾斜时,俯仰角为负值。偏航角表示探头左右方向与参考方向之间的夹角,当探头向左偏转时,偏航角为正值;当探头向右偏转时,偏航角为负值。横滚角表示探头绕其自身轴线旋转的角度;当探头顺时针旋转时,横滚角为正值;当探头逆时针旋转时,横滚角为负值。
其中,回波信号的强度通过超声传感器接收的信号幅度来测量;信噪比是通过超声传感器识别接收的回波信号中的噪音,度量信号强度和背景噪音之间的关系计算得到;动态范围值是通过超声传感器测量的最大信号强度和最小信号强度之间的差值,一般来说,动态范围较大的探头能够接收和处理更广泛范围内的信号强度,包括弱信号和强信号,这意味着该探头能够在不同场景下获取更多的信息并提供更丰富的数据。回波波形的平稳性和频谱特性是通过将超声传感器接收的回波信号转换为电信号,采用模拟-数字转换器将超声信号从模拟形式转换为数字信号,数字信号经过滤波、增强、去噪的算法后,读取有用信息、去除噪音,再对信号进行频谱分析,将信号分解为不同的频率成分,进一步分析回波波形的平稳性和频谱特性。超声波探头的三维坐标和姿态信息通过陀螺仪和加速度仪测量得到。超声波探头的接收电流值和接收电压值通过其内部的电流传感器和电压检测器测量得到。
云计算处理模块用于对超声波探头的回波信息、波形信息和电流电压信息进行回波监测处理,生成高质高灵信号、中质中灵信号或低质低灵信号;用于对超声波探头的位置姿态信息进行位姿监测处理,生成高精度信号和低精度信号;用于对低质低灵信号和低精度信号进行异常监测处理,生成不同级别的探头管控信号。
本实施例的超声设备运行状态管理系统,通过对超声设备的关键性配件超声波探头进行回波信息、波形信息、电流电压信息和位置姿态信息的探头状态监测,以上信息影响到超声波探头的诊断质量和灵敏度;便于对超声波探头状态进行集中化的管控,云计算处理模块通过回波监测处理、位姿监测处理、异常监测处理多样化处理手段的结合,生成反映质量、灵敏度、管控风险相关的多种信号,便于后续的故障预测和反馈,该运行状态管理系统具有高可用性,避免超声波探头的运行状态异常而影响诊断结果。
实施例2
参阅图1-图2所示,本实施例的一种基于云计算的超声设备运行状态管理系统,在实施例1的基础上,进一步限定了回波监测处理和位姿监测处理的具体过程。
回波监测处理的过程包括以下步骤:
S11、将超声波信号的回波波形与波形模型库内的预设回波波形进行比较,若波形相对稳定且与预设的信号频率、形状匹配,则判定回波波形的平稳性和频谱特性符合要求,转入步骤S12;若波形不稳定或与预设的信号频率、形状不匹配,则判定回波波形的平稳性或频谱特性不符合要求,生成低质低灵信号;
S12、将单位时间后超声波信号的回波信号的强度、信噪比、动态范围值分别标记
为HBq、HBx和HBd;将单位时间后的超声波探头的接收电流值与其标准电流值的差值标记为
HBi,将单位时间后的超声波探头的接收电压值与其标准电压值的差值标记为HBu,根据计
算公式得到单位时间后的回信风险因子HBF;其中,
α为回信补偿因子且α=2.68,h1、h2、h3、h4、h5均为预设比例系数且0.95<h4<h5<h1<h2
<h3;回信风险因子的表观值越大,说明单位时间内超声波探头的接收信号质量越大,检测
的灵敏度越低,超声波探头发生故障的风险越大;
S13、将回信风险因子与其阈值进行比较,当回信风险因子大于等于其阈值时生成中质中灵信号,当回信风险因子小于其阈值时生成高质高灵信号。
上述提及的波形模型库是通过大量实验和研究来创建生成的,生成步骤如下:
数据采集:采集一系列具有不同特征和属性的超声波回波信号;这些回波信号通过使用合适的超声波设备对特定物体或材料进行测量和扫描来获取;
数据处理和分析:采集到的回波信号需要进行预处理和分析,包括去除噪声、对信号进行滤波和增强等处理操作;然后,通过分析回波信号的特征和属性,如振幅、周期、频率,来提取与目标物体或材料相关的信息;
数据建模:建立回波信号与目标物体或材料之间的关联模型;通过采用机器学习、统计学或其他相关建模技术来实现;回波信号的特征和属性作为输入,而目标物体或材料的性质和属性作为输出,使用机器学习算法如支持向量机、人工神经网络、决策树来训练模型;
模型验证和评估:对建立的模型进行验证和评估;包括使用一系列已知目标物体或材料的回波信号进行测试,以评估模型的准确性和性能;如果模型表现良好,则将其回波波形纳入预设的模型库或数据库中作为预设回波波形。
位姿监测处理的过程包括以下步骤:
S21、将单位时间内超声波探头的三维坐标最大值分别标记为X1、Y1和Z1,将单位时
间内超声波探头的三维坐标最小值分别标记为X0、Y0和Z0,根据计算公式得到单位时间内的三维坐标误差因子WC;三维坐标
误差因子的表观值越大,说明单位时间内超声波探头坐标的变化幅度越大,对待检测部位
的检测精准度越低;
S22、将单位时间内超声波探头的俯仰角最大值、偏航角最大值和横滚角最大值分
别标记为F1、P1和H1,将单位时间内超声波探头的俯仰角最小值、偏航角最小值和横滚角最
小值分别标记为F0、P0和H0,根据计算公式得到单位
时间内的位置姿态误差因子WZ;姿态误差因子的表观值越大,说明单位时间内超声波探头
姿态调整或矫正的幅度越大,对待检测部位的检测精确度越低;
S23、将单位时间内超声波探头的三维坐标误差因子WC与位置姿态误差因子WZ相乘得到位姿监测因子,将位姿监测因子与其阈值进行比较,当位姿监测因子大于等于其阈值时,生成低精度信号;当位姿监测因子小于其阈值时,生成高精度信号。
本实施例通过对超声波的回波波形的平稳性和频谱特性进行优先匹配判定,不匹配时生成反映低质量、低灵敏度的信号,匹配时将回波信号和电流电压相关的多种数值进行标记、回信补偿、公式计算结合的方式,得到综合反映超声波探头信号故障风险的回信风险因子;通过对超声波探头的三维坐标和姿态角度进行公式计算误差后相乘结合的方式,得到综合反映超声波探头诊断精度的多种信号;多种风险因子便于后续进一步的故障预测并利于采取分级化的管控措施。
实施例3
参阅图1-图2所示,本实施例的一种基于云计算的超声设备运行状态管理系统,在实施例1和2的基础上,限定了异常监测处理的具体过程,并限定了故障预测模块和状态管理显示平台的功能。
异常监测处理的过程包括以下步骤:
S31、读取低质低灵信号对用的回波波形,若平稳性和频谱特性均不符合要求,则生成一级探头管控信号并将其发送至故障预测模块;若平稳性和频谱特性的其中一个不符合要求,则生成二级探头管控信号并将其发送至故障预测模块;
S32、读取低精度信号对应的位姿监测因子,将该位姿监测因子减去位姿监测因子阈值后除以位姿监测因子阈值,得到位姿监测误差率,当位姿监测误差率≥5%时生成三级探头管控信号并将其发送至故障预测模块,当位姿监测误差率<5%时生成四级探头管控信号并将其发送至故障预测模块。
故障预测模块用于在接收到一级探头管控信号后,生成探头质量预警信号;在接收到二级探头管控信号后,生成探头灵敏预警信号;在接收到三级探头管控信号后,生成探头高误差预警信号;在接收到四级探头管控信号后,生成探头低误差预警信号;还用于将上述生成的信号发送至状态管理显示平台。
参阅图3所示,状态管理显示平台用于在接收到探头质量预警信号、探头灵敏预警信号、探头高误差预警信号、探头低误差预警信号后,分别生成如下对应字幕:探头回波故障,建议停机检查;探头不灵敏,建议重启核查;探头精度高误差,建议停机检查;探头精度低误差,建议重启核查。
本实施例通过将多种风险因子与阈值比较、误差率比较结合的方式,生成反映异常情况等级的多级管控信号,不同级别的管控信号通过故障预测模块溯源后生成相关性能的预警信号,并显示对应处理措施的字幕,便于及时排查和检修故障,保障超声设备运行状态的安全性。
本申请中提及的预设权重系数用于均衡各项数据在公式计算中的占比权重,从而促进计算结果的准确性;系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的权重因子系数;只要不影响参数与量化后数值的比例关系即可。涉及到的公式均是采集大量数据去量纲后进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置。
实施例4
参阅图2所示,本实施例提供一种基于云计算的超声设备运行状态管理方法,包括以下步骤:
探头状态监测:实时监测超声设备的超声波探头的回波信息、波形信息、电流电压信息和位置姿态信息;
云计算处理:对超声波探头的回波信息、波形信息和电流电压信息进行回波监测处理,生成高质高灵信号、中质中灵信号或低质低灵信号;用于对超声波探头的位置姿态信息进行位姿监测处理,生成高精度信号和低精度信号;用于对低质低灵信号和低精度信号进行异常监测处理,生成不同级别的探头管控信号;
读取地质低灵信号对用的回波波形,若平稳性和频谱特性均不符合要求,则生成一级探头管控信号;若平稳性和频谱特性的其中一个不符合要求,则生成二级探头管控信号;
读取低精度信号对应的位姿监测因子,将该位姿监测因子减去位姿监测因子阈值后除以位姿监测因子阈值,得到位姿监测误差率,当位姿监测误差率≥5%时生成三级探头管控信号,当位姿监测误差率<5%时生成四级探头管控信号;
故障预测:接收到一级探头管控信号后,生成探头质量预警信号;在接收到二级探头管控信号后,生成探头灵敏预警信号;在接收到三级探头管控信号后,生成探头高误差预警信号;在接收到四级探头管控信号后,生成探头低误差预警信号;
状态管理显示:接收到探头质量预警信号、探头灵敏预警信号、探头高误差预警信号、探头低误差预警信号后,分别生成如下对应字幕:探头回波故障,建议停机检查;探头不灵敏,建议重启核查;探头精度高误差,建议停机检查;探头精度低误差,建议重启核查。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可做很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.一种基于云计算的超声设备运行状态管理系统,其特征在于,包括探头状态监测模块、云计算处理模块、故障预测模块和状态管理显示平台;
探头状态监测模块用于实时监测超声设备的超声波探头的回波信息、波形信息、电流电压信息和位置姿态信息,并将其发送至云计算处理模块;
云计算处理模块用于对超声波探头的回波信息、波形信息和电流电压信息进行回波监测处理,生成高质高灵信号、中质中灵信号或低质低灵信号;用于对超声波探头的位置姿态信息进行位姿监测处理,生成高精度信号和低精度信号;用于对低质低灵信号和低精度信号进行异常监测处理,生成不同级别的探头管控信号;
所述回波信息包括超声波探头发送的超声波信号的回波信号的强度、信噪比和动态范围值;波形信息包括超声波探头发送的超声波信号的回波波形的平稳性和频谱特性;电流电压信息包括超声波探头的接收电流值和接收电压值;位置姿态信息包括超声波探头的三维坐标以及俯仰角、偏航角、横滚角构成的姿态信息;
所述回波监测处理的过程包括以下步骤:
S11、将超声波信号的回波波形与波形模型库内的预设回波波形进行比较,若波形相对稳定且与预设的信号频率、形状匹配,则判定回波波形的平稳性和频谱特性符合要求,转入步骤S12;若波形不稳定或与预设的信号频率、形状不匹配,则判定回波波形的平稳性或频谱特性不符合要求,生成低质低灵信号;
S12、将单位时间后超声波信号的回波信号的强度、信噪比、动态范围值分别标记为HBq、HBx和HBd;将单位时间后的超声波探头的接收电流值与其标准电流值的差值标记为HBi,将单位时间后的超声波探头的接收电压值与其标准电压值的差值标记为HBu,根据计算公式得到单位时间后的回信风险因子HBF;其中,α为回信补偿因子且α=2.68,h1、h2、h3、h4、h5均为预设比例系数且0.95<h4<h5<h1<h2<h3;
S13、将回信风险因子与其阈值进行比较,当回信风险因子大于等于其阈值时生成中质中灵信号,当回信风险因子小于其阈值时生成高质高灵信号;
所述位姿监测处理的过程包括以下步骤:
S21、将单位时间内超声波探头的三维坐标最大值分别标记为X1、Y1和Z1,将单位时间内超声波探头的三维坐标最小值分别标记为X0、Y0和Z0,根据计算公式得到单位时间内的三维坐标误差因子WC;
S22、将单位时间内超声波探头的俯仰角最大值、偏航角最大值和横滚角最大值分别标记为F1、P1和H1,将单位时间内超声波探头的俯仰角最小值、偏航角最小值和横滚角最小值分别标记为F0、P0和H0,根据计算公式得到单位时间内的位置姿态误差因子WZ;
S23、将单位时间内超声波探头的三维坐标误差因子WC与位置姿态误差因子WZ相乘得到位姿监测因子,将位姿监测因子与其阈值进行比较,当位姿监测因子大于等于其阈值时,生成低精度信号;当位姿监测因子小于其阈值时,生成高精度信号;
所述异常监测处理的过程包括以下步骤:
S31、读取低质低灵信号对用的回波波形,若平稳性和频谱特性均不符合要求,则生成一级探头管控信号并将其发送至故障预测模块;若平稳性和频谱特性的其中一个不符合要求,则生成二级探头管控信号并将其发送至故障预测模块;
S32、读取低精度信号对应的位姿监测因子,将该位姿监测因子减去位姿监测因子阈值后除以位姿监测因子阈值,得到位姿监测误差率,当位姿监测误差率≥5%时生成三级探头管控信号并将其发送至故障预测模块,当位姿监测误差率<5%时生成四级探头管控信号并将其发送至故障预测模块。
2.根据权利要求1所述的一种基于云计算的超声设备运行状态管理系统,其特征在于,故障预测模块用于在接收到一级探头管控信号后,生成探头质量预警信号;在接收到二级探头管控信号后,生成探头灵敏预警信号;在接收到三级探头管控信号后,生成探头高误差预警信号;在接收到四级探头管控信号后,生成探头低误差预警信号。
3.根据权利要求2所述的一种基于云计算的超声设备运行状态管理系统,其特征在于,所述状态管理显示平台用于在接收到探头质量预警信号、探头灵敏预警信号、探头高误差预警信号、探头低误差预警信号后,分别生成如下对应字幕:探头回波故障,建议停机检查;探头不灵敏,建议重启核查;探头精度高误差,建议停机检查;探头精度低误差,建议重启核查。
4.一种基于云计算的超声设备运行状态管理方法,适用于权利要求1-3任一项所述的一种基于云计算的超声设备运行状态管理系统,其特征在于,包括以下步骤:
探头状态监测:实时监测超声设备的超声波探头的回波信息、波形信息、电流电压信息和位置姿态信息;
云计算处理:对超声波探头的回波信息、波形信息和电流电压信息进行回波监测处理,生成高质高灵信号、中质中灵信号或低质低灵信号;用于对超声波探头的位置姿态信息进行位姿监测处理,生成高精度信号和低精度信号;用于对低质低灵信号和低精度信号进行异常监测处理,生成不同级别的探头管控信号;
读取地质低灵信号对用的回波波形,若平稳性和频谱特性均不符合要求,则生成一级探头管控信号;若平稳性和频谱特性的其中一个不符合要求,则生成二级探头管控信号;
读取低精度信号对应的位姿监测因子,将该位姿监测因子减去位姿监测因子阈值后除以位姿监测因子阈值,得到位姿监测误差率,当位姿监测误差率≥5%时生成三级探头管控信号,当位姿监测误差率<5%时生成四级探头管控信号;
故障预测:接收到一级探头管控信号后,生成探头质量预警信号;在接收到二级探头管控信号后,生成探头灵敏预警信号;在接收到三级探头管控信号后,生成探头高误差预警信号;在接收到四级探头管控信号后,生成探头低误差预警信号;
状态管理显示:接收到探头质量预警信号、探头灵敏预警信号、探头高误差预警信号、探头低误差预警信号后,分别生成如下对应字幕:探头回波故障,建议停机检查;探头不灵敏,建议重启核查;探头精度高误差,建议停机检查;探头精度低误差,建议重启核查。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311142473.0A CN116907586B (zh) | 2023-09-06 | 2023-09-06 | 一种基于云计算的超声设备运行状态管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311142473.0A CN116907586B (zh) | 2023-09-06 | 2023-09-06 | 一种基于云计算的超声设备运行状态管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116907586A CN116907586A (zh) | 2023-10-20 |
CN116907586B true CN116907586B (zh) | 2023-11-21 |
Family
ID=88353390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311142473.0A Active CN116907586B (zh) | 2023-09-06 | 2023-09-06 | 一种基于云计算的超声设备运行状态管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116907586B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118090908B (zh) * | 2024-04-29 | 2024-07-12 | 陕西大力神航空新材料科技股份有限公司 | 一种环形锻件自动探伤检测系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5517994A (en) * | 1994-11-16 | 1996-05-21 | Advanced Technology Laboratories, Inc. | Self diagnostic ultrasonic imaging systems |
JP2007185549A (ja) * | 2007-04-23 | 2007-07-26 | Ge Medical Systems Global Technology Co Llc | 診断情報生成装置および超音波診断装置 |
CN105891685A (zh) * | 2016-03-31 | 2016-08-24 | 国网天津市电力公司 | 一种用于变电设备的全天候超声波状态监测装置 |
CN110146117A (zh) * | 2019-06-18 | 2019-08-20 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | 一种超声探头使用时的自动温控系统及方法、超声波探头 |
CN111887889A (zh) * | 2020-07-09 | 2020-11-06 | 聚融医疗科技(杭州)有限公司 | 一种基于透镜回波的超声探头灵敏度自动检测方法及系统 |
CN112206005A (zh) * | 2020-10-10 | 2021-01-12 | 深圳数联天下智能科技有限公司 | 一种超声波回波信号采集方法与超声波诊断设备 |
CN112630300A (zh) * | 2020-12-11 | 2021-04-09 | 东莞先知大数据有限公司 | 智能物联网超声波探头系统及超声波探头的更换提示方法 |
CN213696969U (zh) * | 2020-06-16 | 2021-07-16 | 上海市第六人民医院 | 一种超声设备的探头性能检测装置 |
CN213940790U (zh) * | 2020-10-10 | 2021-08-13 | 深圳数联天下智能科技有限公司 | 一种超声波诊断设备 |
CN114993640A (zh) * | 2022-05-13 | 2022-09-02 | 湖南华菱涟源钢铁有限公司 | 一种设备状态监测方法、装置、设备及计算机存储介质 |
CN116558733A (zh) * | 2023-07-11 | 2023-08-08 | 湖南大学 | 一种状态检测方法、系统、电子装置及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5669023B2 (ja) * | 2012-05-23 | 2015-02-12 | 新日鐵住金株式会社 | 超音波探触子の探傷感度調整方法 |
JP7334486B2 (ja) * | 2019-06-07 | 2023-08-29 | コニカミノルタ株式会社 | 超音波診断装置、超音波診断装置の制御方法、及び、超音波診断装置の制御プログラム |
-
2023
- 2023-09-06 CN CN202311142473.0A patent/CN116907586B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5517994A (en) * | 1994-11-16 | 1996-05-21 | Advanced Technology Laboratories, Inc. | Self diagnostic ultrasonic imaging systems |
JP2007185549A (ja) * | 2007-04-23 | 2007-07-26 | Ge Medical Systems Global Technology Co Llc | 診断情報生成装置および超音波診断装置 |
CN105891685A (zh) * | 2016-03-31 | 2016-08-24 | 国网天津市电力公司 | 一种用于变电设备的全天候超声波状态监测装置 |
CN110146117A (zh) * | 2019-06-18 | 2019-08-20 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | 一种超声探头使用时的自动温控系统及方法、超声波探头 |
CN213696969U (zh) * | 2020-06-16 | 2021-07-16 | 上海市第六人民医院 | 一种超声设备的探头性能检测装置 |
CN111887889A (zh) * | 2020-07-09 | 2020-11-06 | 聚融医疗科技(杭州)有限公司 | 一种基于透镜回波的超声探头灵敏度自动检测方法及系统 |
CN112206005A (zh) * | 2020-10-10 | 2021-01-12 | 深圳数联天下智能科技有限公司 | 一种超声波回波信号采集方法与超声波诊断设备 |
CN213940790U (zh) * | 2020-10-10 | 2021-08-13 | 深圳数联天下智能科技有限公司 | 一种超声波诊断设备 |
CN112630300A (zh) * | 2020-12-11 | 2021-04-09 | 东莞先知大数据有限公司 | 智能物联网超声波探头系统及超声波探头的更换提示方法 |
CN114993640A (zh) * | 2022-05-13 | 2022-09-02 | 湖南华菱涟源钢铁有限公司 | 一种设备状态监测方法、装置、设备及计算机存储介质 |
CN116558733A (zh) * | 2023-07-11 | 2023-08-08 | 湖南大学 | 一种状态检测方法、系统、电子装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
医用超声波诊断仪故障及修理;刘传美;《实用医技杂志》(第21期);第2918-2919页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116907586A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116907586B (zh) | 一种基于云计算的超声设备运行状态管理系统及方法 | |
TWI422460B (zh) | Tool nose detection method for cutting machine tool | |
CN112098088B (zh) | 一种基于kica-分形理论的滚动轴承故障诊断方法 | |
Zhao et al. | Rolling bearing composite fault diagnosis method based on EEMD fusion feature | |
US7079959B2 (en) | High-resolution intelligent rotor machine diagnostic system and method | |
CN110632484A (zh) | 一种基于elm的gis局部放电缺陷诊断分类系统及方法 | |
CN112182490B (zh) | 一种电抗器状态诊断方法及系统 | |
CN111612865B (zh) | 一种基于条件生成对抗网络的mri成像方法及装置 | |
CN117503204B (zh) | 一种超声ai数字诊疗系统 | |
CN116720112A (zh) | 一种基于机器学习的机泵故障诊断方法及系统 | |
CN114705432B (zh) | 防爆电机轴承健康状态评估方法及系统 | |
CN117761404B (zh) | 基于曲面拟合的谐波阻抗测量方法、系统及介质、设备 | |
CN111536921A (zh) | 一种在线测量状态监测方法、装置及存储介质 | |
CN117169639B (zh) | 一种电源适配器生产用产品检测方法及系统 | |
CN117367845B (zh) | 一种陆军装备维修设备健康诊断方法 | |
CN113095192A (zh) | 一种基于时域外推技术的动态载荷谱编制方法 | |
CN117740242A (zh) | 动力涡轮机动平衡测试系统 | |
CN117591819A (zh) | 一种考虑扰动强度阈值与鲁棒性分析的大型设备故障诊断方法 | |
CN112232419A (zh) | 一种基于大数据的旋转设备故障监控方法、系统及可读存储介质 | |
CN118518311B (zh) | 一种氢燃料电池的冲击检测设备及检测方法 | |
CN117630895B (zh) | 一种基于数据分析的海底前视声呐故障监测系统 | |
CN116839908A (zh) | 一种心理声学特征的齿轮箱声振信息融合诊断方法及系统 | |
CN115488696B (zh) | 一种基于变分模态分解和神经网络的刀具磨损预测方法 | |
CN111999775B (zh) | 一种符合测量能谱处理方法 | |
CN118296061B (zh) | 电力数据的分析处理方法、系统、终端及存储介质 |
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 |