CN118035900A - 一种用于医用空气系统的监测预警方法及系统 - Google Patents
一种用于医用空气系统的监测预警方法及系统 Download PDFInfo
- Publication number
- CN118035900A CN118035900A CN202410446170.6A CN202410446170A CN118035900A CN 118035900 A CN118035900 A CN 118035900A CN 202410446170 A CN202410446170 A CN 202410446170A CN 118035900 A CN118035900 A CN 118035900A
- Authority
- CN
- China
- Prior art keywords
- air supply
- loss
- loop
- air
- outputting
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000006835 compression Effects 0.000 claims abstract description 94
- 238000007906 compression Methods 0.000 claims abstract description 94
- 230000000694 effects Effects 0.000 claims abstract description 76
- 238000004088 simulation Methods 0.000 claims abstract description 45
- 230000005540 biological transmission Effects 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000035772 mutation Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000007789 sealing Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 2
- 238000010276 construction Methods 0.000 description 9
- 239000007789 gas Substances 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提供了一种用于医用空气系统的监测预警方法及系统,涉及智能监测预警技术领域,该方法包括:将供气回路上相邻两个控制单元的供气过程作为一个损耗识别节点,输出多个损耗识别节点,进行损耗监测,输出多个实时供气损耗率;调用空气压缩仿真模型基于目标供气源类型进行仿真,输出多个模拟供气损耗率;建立多个混合效应模型对多个模拟供气损耗率进行优化,输出多个优化供气损耗率,基于多个优化供气损耗率和多个实时供气损耗率进行比对,生成预警信号。通过本申请可以解决由于无法对每个供气环节的供气损耗进行针对性的监测比对,导致损耗预警的精准度和及时性较差的技术问题,可以及时发现潜在损耗异常,提高损耗预警的精准度和时效性。
Description
技术领域
本申请涉及智能监测预警技术领域,尤其涉及一种用于医用空气系统的监测预警方法及系统。
背景技术
医用空气压缩系统是医疗卫生机构中不可或缺的重要设备,它主要用于生产和供应医疗用途的压缩空气,该系统主要由医用空气压缩机组、储气罐、管道、阀门、过滤器及附件构成,其中空气压缩机是核心设备。
目前,现有的医用空气压缩系统供气损耗预警监测方法通常是设定固定预警阈值对每个供气环节进行损耗监测,由于医用空气压缩系统的供气环节较多且运行复杂,采用固定预警阈值的监测方法无法根据系统运行状态和环境因素的变化进行自适应调整,导致实际供气损耗预警存在敏感度过高或过低的问题,影响了损耗预警的准确性和及时性。
综上所述,现有的医用空气压缩系统监测预警方法由于无法对供气回路中每个供气环节的供气损耗进行针对性的监测比对分析,进而无法根据比对结果及时准确进行损耗预警,导致供气损耗预警的精准度和及时性较差的技术问题。
发明内容
本申请的目的是提供一种用于医用空气系统的监测预警方法及系统,用以解决现有的医用空气压缩系统监测预警方法由于无法对供气回路中每个供气环节的供气损耗进行针对性的监测比对分析,进而无法根据比对结果及时准确进行损耗预警,导致供气损耗预警的精准度和及时性较差的技术问题。
鉴于上述问题,本申请提供了一种用于医用空气系统的监测预警方法及系统。
第一方面,本申请提供了一种用于医用空气系统的监测预警方法,所述方法通过一种用于医用空气系统的监测预警系统实现,其中,所述方法包括:连接医用空气压缩系统,确定所述医用空气压缩系统的供气回路,以及所述供气回路上的多个控制单元;通过对所述医用空气压缩系统进行仿真,输出空气压缩仿真模型;将所述供气回路上相邻两个控制单元之间的供气传输过程作为一个损耗识别节点,输出多个损耗识别节点,并对所述多个损耗识别节点进行供气传输损耗监测,输出多个实时供气损耗率;获取所述医用空气压缩系统的目标供气源类型,调用所述空气压缩仿真模型基于所述目标供气源类型进行仿真,输出基于所述多个损耗识别节点对应的多个模拟供气损耗率;建立多个混合效应模型对所述多个模拟供气损耗率进行损耗率优化,输出多个优化供气损耗率,基于所述多个优化供气损耗率和所述多个实时供气损耗率进行比对,生成预警信号。
第二方面,本申请还提供了一种用于医用空气系统的监测预警系统,用于执行如第一方面所述的一种用于医用空气系统的监测预警方法,其中,所述系统包括:供气回路确定模块,所述供气回路确定模块用于连接医用空气压缩系统,确定所述医用空气压缩系统的供气回路,以及所述供气回路上的多个控制单元;空气压缩系统仿真模块,所述空气压缩系统仿真模块用于通过对所述医用空气压缩系统进行仿真,输出空气压缩仿真模型;供气传输损耗监测模块,所述供气传输损耗监测模块用于将所述供气回路上相邻两个控制单元之间的供气传输过程作为一个损耗识别节点,输出多个损耗识别节点,并对所述多个损耗识别节点进行供气传输损耗监测,输出多个实时供气损耗率;模拟供气损耗率输出模块,所述模拟供气损耗率输出模块用于获取所述医用空气压缩系统的目标供气源类型,调用所述空气压缩仿真模型基于所述目标供气源类型进行仿真,输出基于所述多个损耗识别节点对应的多个模拟供气损耗率;预警信号生成模块,所述预警信号生成模块用于建立多个混合效应模型对所述多个模拟供气损耗率进行损耗率优化,输出多个优化供气损耗率,基于所述多个优化供气损耗率和所述多个实时供气损耗率进行比对,生成预警信号。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1.通过连接医用空气压缩系统,确定所述医用空气压缩系统的供气回路,以及所述供气回路上的多个控制单元;通过对所述医用空气压缩系统进行仿真,输出空气压缩仿真模型;将所述供气回路上相邻两个控制单元之间的供气传输过程作为一个损耗识别节点,输出多个损耗识别节点,并对所述多个损耗识别节点进行供气传输损耗监测,输出多个实时供气损耗率;获取所述医用空气压缩系统的目标供气源类型,调用所述空气压缩仿真模型基于所述目标供气源类型进行仿真,输出基于所述多个损耗识别节点对应的多个模拟供气损耗率;建立多个混合效应模型对所述多个模拟供气损耗率进行损耗率优化,输出多个优化供气损耗率,基于所述多个优化供气损耗率和所述多个实时供气损耗率进行比对,生成预警信号。可以提高供气回路中每个供气环节的供气损耗监测比对分析的精度和准确性,及时发现潜在损耗异常,提高供气损耗预警精准度和时效性,进而达到保障医用空气压缩系统安全稳定供气的技术效果。
2.通过基于数字孪生技术构建空气压缩仿真模型进行供气模拟仿真,可以提高供气模拟仿真的准确性和真实性,从而提高多个模拟供气损耗率获得的准确性。
3.通过构建混合效应模型对多个模拟供气损耗率进行损耗率优化,可以结合设备实际情况和运行环境进行损耗影响校对,提高优化供气损耗率设置的准确性,同时将多个优化供气损耗率和多个实时供气损耗率进行比对,可以进一步提高供气损耗率比对分析的准确性,进而提高供气损耗预警的精准度和及时性。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其他特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本申请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作简单的介绍,显而易见地,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图获得其他的附图。
图1为本申请一种用于医用空气系统的监测预警方法的流程示意图;
图2为本申请一种用于医用空气系统的监测预警方法中建立多个混合效应模型的流程示意图;
图3为本申请一种用于医用空气系统的监测预警系统的结构示意图。
附图标记说明:
供气回路确定模块11,空气压缩系统仿真模块12,供气传输损耗监测模块13,模拟供气损耗率输出模块14,预警信号生成模块15。
具体实施方式
本申请通过提供一种用于医用空气系统的监测预警方法及系统,解决了现有的医用空气压缩系统监测预警方法由于无法对供气回路中每个供气环节的供气损耗进行针对性的监测比对分析,进而无法根据比对结果及时准确进行损耗预警,导致供气损耗预警的精准度和及时性较差的技术问题,可以提高供气回路中每个供气环节的供气损耗监测比对分析的精度和准确性,及时发现潜在损耗异常,提高供气损耗预警精准度和时效性,进而达到保障医用空气压缩系统安全稳定供气的技术效果。
下面,将参考附图对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请的实施例,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,都属于本申请保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部。
实施例一
请参阅附图1,本申请提供了一种用于医用空气系统的监测预警方法,其中,所述方法应用于一种用于医用空气系统的监测预警系统,所述方法具体包括如下步骤:
步骤一:连接医用空气压缩系统,确定所述医用空气压缩系统的供气回路,以及所述供气回路上的多个控制单元;
具体而言,医用空气压缩系统是医疗卫生机构中不可或缺的重要设备,用于生产和供应医疗用途的压缩空气,主要由医用空气压缩机组、储气罐、管道、阀门、过滤器及附件构成,其中空气压缩机是核心设备。
连接医用空气压缩系统,并确定所述医用空气压缩系统的供气回路信息,其中供气回路是指医用空气压缩系统中,用于将压缩空气从压缩机输送到各个使用点的管道和相关组件的集合以及组件之间的连接关系,其中包括空气压缩机、储气罐、过滤器、减压装置、阀门等组件,以及压缩、储气、过滤、减压的供气连接关系。进一步根据所述供气回路信息确定供气回路上的多个控制单元,其中控制单元和组件具有对应关系,例如:压缩机控制单元、储气罐控制单元、减压装置控制单元等。
通过得到供气回路信息以及供气回路上的多个控制单元,为下一步进行医用空气压缩系统的仿真建模提供了基础数据支持。
步骤二:通过对所述医用空气压缩系统进行仿真,输出空气压缩仿真模型;
具体而言,数字孪生技术是一种利用物理模型、运行历史参数等数据,在虚拟空间中集成多学科、多物理量、多尺度的仿真过程,以反映相对应的实体装备全生命周期的技术,通过在数字化世界建立完全一致的对应模型,并以数字化的方式动态模拟、监控、分析和控制实体对象,可以提高设备模拟运行的真实性和可靠性。
基于数字孪生技术,根据所述供气回路、供气回路上的多个控制单元以及控制单元之间的连接关系等信息,在可视化仿真平台内对所述医用空气压缩系统进行仿真建模,生成空气压缩仿真模型。通过基于数字孪生技术构建空气压缩仿真模型,为下一步进行供气仿真模拟提供了支持,同时可以提高供气仿真模拟的真实性和准确性。
步骤三:将所述供气回路上相邻两个控制单元之间的供气传输过程作为一个损耗识别节点,输出多个损耗识别节点,并对所述多个损耗识别节点进行供气传输损耗监测,输出多个实时供气损耗率;
具体而言,将所述供气回路上相邻两个控制单元之间的供气传输过程作为一个损耗识别节点,例如:将压缩控制单元到储气控制单元之间的供气传输过程作为一个损耗识别节点,得到多个损耗识别节点。通过对供气回路进行损耗识别节点划分,可以提高供气损耗分析的精细度,从而可以更加准确地确定供气损耗异常位置。
通过多个传感器对多个损耗识别节点进行供气传输损耗监测,其中传感器类型可根据实际情况自行设置,例如:压力传感器、流量传感器等,得到多个实时供气损耗率,其中每个损耗识别节点对应一个实时供气损耗率。通过确定多个实时供气损耗率,为下一步进行供气损耗率比对分析,确定异常供气损耗节点提供了支持。
步骤四:获取所述医用空气压缩系统的目标供气源类型,调用所述空气压缩仿真模型基于所述目标供气源类型进行仿真,输出基于所述多个损耗识别节点对应的多个模拟供气损耗率;
具体而言,获取所述医用空气压缩系统的目标供气源类型,其中所述目标供气源类型可根据实际供气需求进行设置,例如:氧气、液氮、二氧化碳、臭氧等类型。然后将所述目标供气源类型输入所述空气压缩仿真模型进行供气仿真模拟,得到基于所述多个损耗识别节点对应的多个模拟供气损耗率。通过获得多个模拟供气损耗率,为下一步进行损耗率比对分析,确定异常供气损耗节点提供了依据。
步骤五:建立多个混合效应模型对所述多个模拟供气损耗率进行损耗率优化,输出多个优化供气损耗率,基于所述多个优化供气损耗率和所述多个实时供气损耗率进行比对,生成预警信号。
具体而言,首先,基于多个损耗识别节点构建多个混合效应模型,所述混合效应模型用于基于设备实际运行情况和实际运行环境对模拟供气损耗率进行损耗影响校对,其中每个损耗识别节点对应一个混合效应模型。然后通过多个混合效应模型对所述多个模拟供气损耗率进行损耗率优化,得到多个优化供气损耗率。进一步基于所述多个损耗识别节点,将相同损耗识别节点下的所述多个优化供气损耗率和所述多个实时供气损耗率分别进行比对分析,将比对分析结果中损耗率偏差大于预设预警阈值的损耗识别节点进行异常标记,并对异常损耗识别节点进行预警。
通过构建混合效应模型对多个模拟供气损耗率进行损耗率优化,可以结合设备实际情况和运行环境进行损耗影响校对,提高优化供气损耗率设置的准确性,同时将多个优化供气损耗率和多个实时供气损耗率进行比对,可以进一步提高供气损耗率比对分析的准确性,进而提高供气损耗预警的精准度和及时性。
所述一种用于医用空气系统的监测预警方法应用于一种用于医用空气系统的监测预警系统,可以解决现有的医用空气压缩系统监测预警方法由于无法对供气回路中每个供气环节的供气损耗进行针对性的监测比对分析,进而无法根据比对结果及时准确进行损耗预警,导致供气损耗预警的精准度和及时性较差的技术问题。
首先,连接医用空气压缩系统,确定所述医用空气压缩系统的供气回路,以及所述供气回路上的多个控制单元;然后,通过对所述医用空气压缩系统进行仿真,输出空气压缩仿真模型;接着,将所述供气回路上相邻两个控制单元之间的供气传输过程作为一个损耗识别节点,输出多个损耗识别节点,并对所述多个损耗识别节点进行供气传输损耗监测,输出多个实时供气损耗率;接下来,获取所述医用空气压缩系统的目标供气源类型,调用所述空气压缩仿真模型基于所述目标供气源类型进行仿真,输出基于所述多个损耗识别节点对应的多个模拟供气损耗率;最后,建立多个混合效应模型对所述多个模拟供气损耗率进行损耗率优化,输出多个优化供气损耗率,基于所述多个优化供气损耗率和所述多个实时供气损耗率进行比对,生成预警信号。可以提高供气回路中每个供气环节的供气损耗监测比对分析的精度和准确性,及时发现潜在损耗异常,提高供气损耗预警精准度和时效性,进而达到保障医用空气压缩系统安全稳定供气的技术效果。
进一步,如附图2所示,本申请步骤五包括:
获取每个损耗识别节点对应的第一控制单元和第二控制单元,其中,所述第一控制单元连接第一设备,所述第二控制单元连接第二设备;
根据所述第一设备和所述第二设备的连接方式和环境特征,获取多个影响变量,其中,所述多个影响变量至少包括密封指标、路径指标、温度指标和湿度指标;
对所述多个影响变量进行分析,构建所述多个混合效应模型。
具体而言,其中建立多个混合效应模型的方法如下,首先,获取每个损耗识别节点对应的第一控制单元和第二控制单元,其中所述第一控制单元连接第一设备,所述第二控制单元连接第二设备,所述第一设备和所述第二设备在供气回路中存在先后顺序,且所述第一设备位于所述第二设备之前。
获取所述第一设备和所述第二设备的连接方式和环境特征,所述连接方式可根据实际情况进行设置,其中包括管道材质、管道规格、接口结构等信息;所述环境特征是指运行环境参数,包括环境温度、环境湿度等信息。然后根据所述连接方式和环境特征,获取多个影响变量,其中所述多个影响变量至少包括密封指标、路径指标、温度指标和湿度指标,本领域技术人员也可根据实际情况添加额外的影响变量,其中所述密封指标为供气传输过程中的密封性,与供气损耗成反比,其中密封性越好,则对应的供气损耗越小;所述路径指标包括供气路径距离,其中供气路径距离和供气损耗成反比,供气路径越长,则对应的供气损耗越大;其中环境温度和湿度会影响供气气体的体积和密度,进而对供气损耗造成影响。
然后对所述多个影响变量进行供气损耗影响分析,根据损耗影响分析结果构建多个混合效应模型,所述混合效应模型与所述损耗识别节点一一对应,例如:压缩控制单元至储气控制单元的混合效应模型。
进一步,本申请还包括如下步骤:
对所述多个影响变量分别进行损耗相关性识别,输出损耗关联矩阵;
通过对所述损耗关联矩阵中各个坐标的相关性指标大小进行判断,得到固定效应变量和随机效应变量,其中,所述固定效应变量为相关性指标大于预设相关性的坐标对应的变量,所述随机效应变量为相关性指标小于所述预设相关性的坐标对应的变量;
基于每个损耗识别节点所对应的固定效应变量和随机效应变量,构建所述多个混合效应模型。
具体而言,对所述多个影响变量进行分析,构建所述多个混合效应模型的方法如下,首先,对所述多个影响变量分别进行损耗相关性识别,其中损耗相关性识别是指分析多个影响变量之间的关联程度,确定它们对供气损耗的共同影响,其中常用的相关性识别方法包括构建回归模型、皮尔逊相关系数、斯皮尔曼秩相关系数等,本领域技术人员可根据实际情况选择适配的相关性识别方法,得到多个影响变量的损耗相关性识别结果,进一步根据损耗相关性识别结果构建损耗关联矩阵,其中损耗关联矩阵是一种用于表示多个变量之间损耗相关性的矩阵形式,在损耗关联矩阵中,行和列分别对应不同的变量,矩阵中的元素则是相应变量之间的相关系数。通过构建损耗关联矩阵,可以清晰地展示不同变量对供气损耗的关联程度和方向,从而帮助识别关键影响因素并制定相应的优化措施。
获取预设相关性,所述预设相关性本领域技术人员可根据实际情况进行设置,然后根据所述预设相关性对所述损耗关联矩阵中各个坐标的相关性指标大小进行判断,根据判断结果将相关性指标大于所述预设相关性的坐标对应的变量设定为固定效应变量,将相关性指标小于所述预设相关性的坐标对应的变量设定为随机效应变量,得到固定效应变量和随机效应变量。
然后根据每个损耗识别节点所对应的固定效应变量和随机效应变量,构建混合效应模型,得到多个混合效应模型。
通过对多个影响变量分别进行损耗相关性识别,根据相关性识别结果对多个影响变量进行划分,并根据划分后的固定效应变量和随机效应变量构建混合效应模型,可以提高影响变量分析的精度,进而提高混合效应模型构建的准确性。
进一步,本申请还包括如下步骤:
对每个损耗识别节点基于多个影响变量进行历史变化趋势分析,得到突变概率;
基于所述突变概率对所述多个影响变量分别进行概率赋值,优化所述多个混合效应模型。
具体而言,在构建多个混合效应模型之后,基于多个影响变量依次对每个损耗识别节点进行历史变化趋势分析,其中历史变化趋势分析是指获得多个影响变量的历史损耗影响数据集合,并统计历史损耗影响数据集合中大于预设损耗指标的异常损耗影响数据的数量,并将异常损耗影响数据的数量与对应历史损耗影响数据集合中数据总量的比值设定为突变概率,得到多个突变概率,其中每个影响变量对应一个突变概率。
然后根据所述多个突变概率分别对所述多个影响变量进行概率赋值,完成对所述多个混合效应模型的优化。通过对影响变量进行历史变化趋势分析,确定突变概率并对混合效应模型进行优化,可以进一步提高混合效应模型构建的合理性和准确性,从而提高模拟供气损耗率优化的准确性。
进一步,本申请步骤五包括:
获取所述医用空气压缩系统的第一供气回路和第二供气回路,其中,所述第一供气回路和所述第二供气回路为回路相似度大于预设相似度的两个回路;
具体而言,获取所述医用空气压缩系统的第一供气回路和第二供气回路,其中所述第一供气回路和所述第二供气回路为回路相似度大于预设相似度的两个回路,所述预设相似度可根据实际情况进行设置。
进一步,本申请还包括如下步骤:
获取所述医用空气压缩系统的N个供气回路,其中,N为大于等于1的正整数;
建立回路相似性判别器,所述回路相似性判别器包括损耗识别节点匹配度、回路构成匹配度以及回路使用寿命指标;
基于所述损耗识别节点匹配度、回路构成匹配度以及回路使用寿命指标对所述N个供气回路进行识别,获取所述医用空气压缩系统的第一供气回路和第二供气回路。
具体而言,其中获得所述医用空气压缩系统的第一供气回路和第二供气回路的方法如下,首先,获取所述医用空气压缩系统的N个供气回路,其中N为大于等于1的正整数,N的具体取值可根据所述医用空气压缩系统的实际类型进行设置。
构建回路相似性判别器,其中所述回路相似性判别器包括损耗识别节点匹配度、回路构成匹配度以及回路使用寿命指标,其中回路构成匹配度包括构成设备类型、连接管道类型等。然后以所述损耗识别节点匹配度、回路构成匹配度以及回路使用寿命指标作为相似性比对指标,分别对所述N个供气回路进行相似性比对,其中常用的相似性比对方法包括余弦相似度比对、欧式距离等方法,可根据实际情况选择适配的方法进行相似性比对,得到N个损耗识别节点匹配度相似性、N个回路构成匹配度相似性以及N个回路使用寿命指标相似性,分别为所述损耗识别节点匹配度、回路构成匹配度以及回路使用寿命指标设置不同的权重系数,可利用变异系数法进行权重系数设置,其中哪项指标对供气回路的整体相似性影响越大,则对应的权重系数越大,进一步根据所述权重系数对N个损耗识别节点匹配度相似性、N个回路构成匹配度相似性以及N个回路使用寿命指标相似性进行加权计算,得到N个相似性比对结果,并在N个相似性比对结果中选择回路相似度大于预设相似度的两个回路作为第一供气回路和第二供气回路。
采集所述第一供气回路基于所述多个损耗识别节点的多个实时供气损耗率,和所述第二供气回路基于所述多个损耗识别节点的多个实时供气损耗率;
将所述第一供气回路基于所述多个损耗识别节点的多个实时供气损耗率,和所述第二供气回路基于所述多个损耗识别节点的多个实时供气损耗率进行比对,对损耗率差值大于预设阈值的异常损耗识别节点进行预警提醒。
具体而言,通过多个传感器采集所述第一供气回路基于所述多个损耗识别节点的多个实时供气损耗率和所述第二供气回路基于所述多个损耗识别节点的多个实时供气损耗率。然后将所述第一供气回路基于所述多个损耗识别节点的多个实时供气损耗率,和相同损耗识别节点下所述第二供气回路基于所述多个损耗识别节点的多个实时供气损耗率进行映射比对,计算供气损耗率偏差,得到多个损耗率差值,其中每个损耗识别节点对应一个损耗率差值。
进一步根据预设阈值对所述多个损耗率差值分别进行判断,并将损耗率差值大于预设阈值的损耗识别节点标记为异常识别节点,并基于异常识别节点进行异常供气损耗预警。
进一步,本申请步骤五还包括:
获取所述多个控制单元中存在自损耗的节点,输出为标识节点;
对所述标识节点进行实时损耗监测,输出多个实时自损耗率;
调用所述空气压缩仿真模型基于所述目标供气源类型进行仿真,输出基于所述标识节点对应的多个模拟自损耗率;
基于所述多个模拟自损耗率和所述多个实时自损耗率进行比对,生成预警信号。
具体而言,获取所述多个控制单元中存在自损耗的节点,其中自损耗是指由于设备原因存在的供气损耗,非供气传输过程中的供气损耗,并对多个控制单元中存在自损耗的节点进行标识,得到多个标识节点。然后通过多个传感器对所述多个标识节点进行实时损耗监测,得到多个标识节点对应的多个实时自损耗率。
通过所述空气压缩仿真模型基于所述目标供气源类型进行供气模拟仿真,得到所述多个标识节点对应的多个模拟自损耗率。然后基于所述多个模拟自损耗率和所述多个实时自损耗率,分别对相同标识节点下的模拟自损耗率和实时自损耗率进行损耗率偏差计算,得到多个自损耗率偏差,并将自损耗率偏差大于预设自损耗率阈值的标识节点标记为异常标识节点,基于异常标识节点进行损耗异常预警。
综上所述,本申请所提供的一种用于医用空气系统的监测预警方法具有如下技术效果:
1.通过构建空气压缩仿真模型进行供气模拟仿真,确定模拟供气损耗率,然后计算相同损耗识别节点下的模拟供气损耗率与实时供气损耗率的损耗率差值,根据异常损耗率差值对应的异常损耗识别节点进行供气损耗异常预警,可以提高供气回路中每个供气环节的供气损耗监测比对分析的精度和准确性,及时发现潜在损耗异常,提高供气损耗预警精准度和时效性,进而达到保障医用空气压缩系统安全稳定供气的技术效果。
2.通过构建混合效应模型对多个模拟供气损耗率进行损耗率优化,可以结合设备实际情况和运行环境进行损耗影响校对,提高优化供气损耗率设置的准确性,同时将多个优化供气损耗率和多个实时供气损耗率进行比对,可以进一步提高供气损耗率比对分析的准确性,进而提高供气损耗预警的精准度和及时性。
3.通过对影响变量进行历史变化趋势分析,确定突变概率并对混合效应模型进行优化,可以进一步提高混合效应模型构建的合理性和准确性,从而提高模拟供气损耗率优化的准确性。
实施例二
基于与前述实施例中一种用于医用空气系统的监测预警方法,同样发明构思,本申请还提供了一种用于医用空气系统的监测预警系统,请参阅附图3,所述系统包括:
供气回路确定模块11,所述供气回路确定模块11用于连接医用空气压缩系统,确定所述医用空气压缩系统的供气回路,以及所述供气回路上的多个控制单元;
空气压缩系统仿真模块12,所述空气压缩系统仿真模块12用于通过对所述医用空气压缩系统进行仿真,输出空气压缩仿真模型;
供气传输损耗监测模块13,所述供气传输损耗监测模块13用于将所述供气回路上相邻两个控制单元之间的供气传输过程作为一个损耗识别节点,输出多个损耗识别节点,并对所述多个损耗识别节点进行供气传输损耗监测,输出多个实时供气损耗率;
模拟供气损耗率输出模块14,所述模拟供气损耗率输出模块14用于获取所述医用空气压缩系统的目标供气源类型,调用所述空气压缩仿真模型基于所述目标供气源类型进行仿真,输出基于所述多个损耗识别节点对应的多个模拟供气损耗率;
预警信号生成模块15,所述预警信号生成模块15用于建立多个混合效应模型对所述多个模拟供气损耗率进行损耗率优化,输出多个优化供气损耗率,基于所述多个优化供气损耗率和所述多个实时供气损耗率进行比对,生成预警信号。
进一步,所述系统中的所述预警信号生成模块15还用于:
获取所述医用空气压缩系统的第一供气回路和第二供气回路,其中,所述第一供气回路和所述第二供气回路为回路相似度大于预设相似度的两个回路;
采集所述第一供气回路基于所述多个损耗识别节点的多个实时供气损耗率,和所述第二供气回路基于所述多个损耗识别节点的多个实时供气损耗率;
将所述第一供气回路基于所述多个损耗识别节点的多个实时供气损耗率,和所述第二供气回路基于所述多个损耗识别节点的多个实时供气损耗率进行比对,对损耗率差值大于预设阈值的异常损耗识别节点进行预警提醒。
进一步,所述系统中的所述预警信号生成模块15还用于:
获取所述医用空气压缩系统的N个供气回路,其中,N为大于等于1的正整数;
建立回路相似性判别器,所述回路相似性判别器包括损耗识别节点匹配度、回路构成匹配度以及回路使用寿命指标;
基于所述损耗识别节点匹配度、回路构成匹配度以及回路使用寿命指标对所述N个供气回路进行识别,获取所述医用空气压缩系统的第一供气回路和第二供气回路。
进一步,所述系统中的所述预警信号生成模块15还用于:
获取每个损耗识别节点对应的第一控制单元和第二控制单元,其中,所述第一控制单元连接第一设备,所述第二控制单元连接第二设备;
根据所述第一设备和所述第二设备的连接方式和环境特征,获取多个影响变量,其中,所述多个影响变量至少包括密封指标、路径指标、温度指标和湿度指标;
对所述多个影响变量进行分析,构建所述多个混合效应模型。
进一步,所述系统中的所述预警信号生成模块15还用于:
对所述多个影响变量分别进行损耗相关性识别,输出损耗关联矩阵;
通过对所述损耗关联矩阵中各个坐标的相关性指标大小进行判断,得到固定效应变量和随机效应变量,其中,所述固定效应变量为相关性指标大于预设相关性的坐标对应的变量,所述随机效应变量为相关性指标小于所述预设相关性的坐标对应的变量;
基于每个损耗识别节点所对应的固定效应变量和随机效应变量,构建所述多个混合效应模型。
进一步,所述系统中的所述预警信号生成模块15还用于:
对每个损耗识别节点基于多个影响变量进行历史变化趋势分析,得到突变概率;
基于所述突变概率对所述多个影响变量分别进行概率赋值,优化所述多个混合效应模型。
进一步,所述系统中的所述预警信号生成模块15还用于:
获取所述多个控制单元中存在自损耗的节点,输出为标识节点;
对所述标识节点进行实时损耗监测,输出多个实时自损耗率;
调用所述空气压缩仿真模型基于所述目标供气源类型进行仿真,输出基于所述标识节点对应的多个模拟自损耗率;
基于所述多个模拟自损耗率和所述多个实时自损耗率进行比对,生成预警信号。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述实施例一中的一种用于医用空气系统的监测预警方法和具体实例同样适用于本实施例的一种用于医用空气系统的监测预警系统,通过前述对一种用于医用空气系统的监测预警方法的详细描述,本领域技术人员可以清楚知道本实施例中一种用于医用空气系统的监测预警系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种用于医用空气系统的监测预警方法,其特征在于,所述方法包括:
连接医用空气压缩系统,确定所述医用空气压缩系统的供气回路,以及所述供气回路上的多个控制单元;
通过对所述医用空气压缩系统进行仿真,输出空气压缩仿真模型;
将所述供气回路上相邻两个控制单元之间的供气传输过程作为一个损耗识别节点,输出多个损耗识别节点,并对所述多个损耗识别节点进行供气传输损耗监测,输出多个实时供气损耗率;
获取所述医用空气压缩系统的目标供气源类型,调用所述空气压缩仿真模型基于所述目标供气源类型进行仿真,输出基于所述多个损耗识别节点对应的多个模拟供气损耗率;
建立多个混合效应模型对所述多个模拟供气损耗率进行损耗率优化,输出多个优化供气损耗率,基于所述多个优化供气损耗率和所述多个实时供气损耗率进行比对,生成预警信号。
2.如权利要求1所述的方法,其特征在于,所述方法包括:
获取所述医用空气压缩系统的第一供气回路和第二供气回路,其中,所述第一供气回路和所述第二供气回路为回路相似度大于预设相似度的两个回路;
采集所述第一供气回路基于所述多个损耗识别节点的多个实时供气损耗率,和所述第二供气回路基于所述多个损耗识别节点的多个实时供气损耗率;
将所述第一供气回路基于所述多个损耗识别节点的多个实时供气损耗率,和所述第二供气回路基于所述多个损耗识别节点的多个实时供气损耗率进行比对,对损耗率差值大于预设阈值的异常损耗识别节点进行预警提醒。
3.如权利要求2所述的方法,其特征在于,获取所述医用空气压缩系统的第一供气回路和第二供气回路,方法包括:
获取所述医用空气压缩系统的N个供气回路,其中,N为大于等于1的正整数;
建立回路相似性判别器,所述回路相似性判别器包括损耗识别节点匹配度、回路构成匹配度以及回路使用寿命指标;
基于所述损耗识别节点匹配度、回路构成匹配度以及回路使用寿命指标对所述N个供气回路进行识别,获取所述医用空气压缩系统的第一供气回路和第二供气回路。
4.如权利要求1所述的方法,其特征在于,所述建立多个混合效应模型,方法包括:
获取每个损耗识别节点对应的第一控制单元和第二控制单元,其中,所述第一控制单元连接第一设备,所述第二控制单元连接第二设备;
根据所述第一设备和所述第二设备的连接方式和环境特征,获取多个影响变量,其中,所述多个影响变量至少包括密封指标、路径指标、温度指标和湿度指标;
对所述多个影响变量进行分析,构建所述多个混合效应模型。
5.如权利要求4所述的方法,其特征在于,对所述多个影响变量进行分析,构建所述多个混合效应模型,方法包括:
对所述多个影响变量分别进行损耗相关性识别,输出损耗关联矩阵;
通过对所述损耗关联矩阵中各个坐标的相关性指标大小进行判断,得到固定效应变量和随机效应变量,其中,所述固定效应变量为相关性指标大于预设相关性的坐标对应的变量,所述随机效应变量为相关性指标小于所述预设相关性的坐标对应的变量;
基于每个损耗识别节点所对应的固定效应变量和随机效应变量,构建所述多个混合效应模型。
6.如权利要求4所述的方法,其特征在于,所述构建所述多个混合效应模型,方法还包括:
对每个损耗识别节点基于多个影响变量进行历史变化趋势分析,得到突变概率;
基于所述突变概率对所述多个影响变量分别进行概率赋值,优化所述多个混合效应模型。
7.如权利要求1所述的方法,其特征在于,输出所述空气压缩仿真模型之后,方法还包括:
获取所述多个控制单元中存在自损耗的节点,输出为标识节点;
对所述标识节点进行实时损耗监测,输出多个实时自损耗率;
调用所述空气压缩仿真模型基于所述目标供气源类型进行仿真,输出基于所述标识节点对应的多个模拟自损耗率;
基于所述多个模拟自损耗率和所述多个实时自损耗率进行比对,生成预警信号。
8.一种用于医用空气系统的监测预警系统,其特征在于,用于实施权利要求1至7中任意一项所述方法的步骤,所述系统包括:
供气回路确定模块,所述供气回路确定模块用于连接医用空气压缩系统,确定所述医用空气压缩系统的供气回路,以及所述供气回路上的多个控制单元;
空气压缩系统仿真模块,所述空气压缩系统仿真模块用于通过对所述医用空气压缩系统进行仿真,输出空气压缩仿真模型;
供气传输损耗监测模块,所述供气传输损耗监测模块用于将所述供气回路上相邻两个控制单元之间的供气传输过程作为一个损耗识别节点,输出多个损耗识别节点,并对所述多个损耗识别节点进行供气传输损耗监测,输出多个实时供气损耗率;
模拟供气损耗率输出模块,所述模拟供气损耗率输出模块用于获取所述医用空气压缩系统的目标供气源类型,调用所述空气压缩仿真模型基于所述目标供气源类型进行仿真,输出基于所述多个损耗识别节点对应的多个模拟供气损耗率;
预警信号生成模块,所述预警信号生成模块用于建立多个混合效应模型对所述多个模拟供气损耗率进行损耗率优化,输出多个优化供气损耗率,基于所述多个优化供气损耗率和所述多个实时供气损耗率进行比对,生成预警信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410446170.6A CN118035900B (zh) | 2024-04-15 | 2024-04-15 | 一种用于医用空气系统的监测预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410446170.6A CN118035900B (zh) | 2024-04-15 | 2024-04-15 | 一种用于医用空气系统的监测预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118035900A true CN118035900A (zh) | 2024-05-14 |
CN118035900B CN118035900B (zh) | 2024-06-18 |
Family
ID=90993633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410446170.6A Active CN118035900B (zh) | 2024-04-15 | 2024-04-15 | 一种用于医用空气系统的监测预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118035900B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140276290A1 (en) * | 2013-03-15 | 2014-09-18 | Compression Therapy Concepts, Inc. | Compact Mini Air Pump for Use in Intermittent Pneumatic Compression Therapy |
CN109519363A (zh) * | 2018-11-29 | 2019-03-26 | 珠海市奥吉赛科技有限公司 | 一体式医用空气压缩机电气控制系统及其电气控制方法 |
WO2019186453A1 (en) * | 2018-03-28 | 2019-10-03 | L&T Technology Services Limited | System and method for monitoring health and predicting failure of an electro-mechanical machine |
CN114417669A (zh) * | 2022-01-20 | 2022-04-29 | 北京西清能源科技有限公司 | 一种基于数字孪生的变电设备故障监测预警方法与装置 |
CN114781184A (zh) * | 2022-05-23 | 2022-07-22 | 旷天科技(南京)有限公司 | 一种数字化能耗在线安全监测管理方法及系统 |
CN115409063A (zh) * | 2022-08-31 | 2022-11-29 | 杭州依技设备成套工程有限公司 | 医用气体供给管道系统的监测方法、装置及系统 |
CN117610322A (zh) * | 2024-01-24 | 2024-02-27 | 南京派威信息科技有限公司 | 基于数字孪生的智慧水务动态监测系统及监测方法 |
CN117744387A (zh) * | 2023-12-22 | 2024-03-22 | 南京天溯自动化控制系统有限公司 | 基于数字孪生的医院临床保障和机电设备智能诊断方法 |
-
2024
- 2024-04-15 CN CN202410446170.6A patent/CN118035900B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140276290A1 (en) * | 2013-03-15 | 2014-09-18 | Compression Therapy Concepts, Inc. | Compact Mini Air Pump for Use in Intermittent Pneumatic Compression Therapy |
WO2019186453A1 (en) * | 2018-03-28 | 2019-10-03 | L&T Technology Services Limited | System and method for monitoring health and predicting failure of an electro-mechanical machine |
CN109519363A (zh) * | 2018-11-29 | 2019-03-26 | 珠海市奥吉赛科技有限公司 | 一体式医用空气压缩机电气控制系统及其电气控制方法 |
CN114417669A (zh) * | 2022-01-20 | 2022-04-29 | 北京西清能源科技有限公司 | 一种基于数字孪生的变电设备故障监测预警方法与装置 |
CN114781184A (zh) * | 2022-05-23 | 2022-07-22 | 旷天科技(南京)有限公司 | 一种数字化能耗在线安全监测管理方法及系统 |
CN115409063A (zh) * | 2022-08-31 | 2022-11-29 | 杭州依技设备成套工程有限公司 | 医用气体供给管道系统的监测方法、装置及系统 |
CN117744387A (zh) * | 2023-12-22 | 2024-03-22 | 南京天溯自动化控制系统有限公司 | 基于数字孪生的医院临床保障和机电设备智能诊断方法 |
CN117610322A (zh) * | 2024-01-24 | 2024-02-27 | 南京派威信息科技有限公司 | 基于数字孪生的智慧水务动态监测系统及监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN118035900B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110348752B (zh) | 一种考虑环境干扰的大型工业系统结构安全性评估方法 | |
CN112987675A (zh) | 一种异常检测的方法、装置、计算机设备和介质 | |
CN116226726B (zh) | 一种结晶器铜管的应用性能评估方法、系统、设备及介质 | |
CN117274259A (zh) | 一种基于物联网的键盘生产设备管理方法及系统 | |
CN110874685A (zh) | 基于神经网络的智能电能表运行状态判别方法及系统 | |
CN115392782A (zh) | 一种核电厂工艺系统健康状态监测和诊断方法及系统 | |
CN117472789B (zh) | 基于集成学习的软件缺陷预测模型构建方法和装置 | |
CN118035900B (zh) | 一种用于医用空气系统的监测预警方法及系统 | |
CN113469570A (zh) | 信息质量评价模型构建方法、装置、设备及存储介质 | |
CN117094180A (zh) | 一种数字孪生模型量化制作系统 | |
CN117235664A (zh) | 配电通信设备的故障诊断方法、系统和计算机设备 | |
CN117520989A (zh) | 一种基于机器学习的天然气管道泄漏检测方法 | |
CN116861503A (zh) | 一种基于大数据的电力变压器数字孪生模型的构建方法 | |
CN115587333A (zh) | 一种基于多分类模型的失效分析故障点预测方法及系统 | |
CN115330082A (zh) | 一种基于注意力机制的lstm网络的pm2.5浓度预测方法 | |
CN112507526B (zh) | 一种质子交换燃料电池系统性能预测方法及系统 | |
CN113988311A (zh) | 质量变量的预测方法、装置、终端及存储介质 | |
CN113778042A (zh) | 基于信息化建模的工控设备指令模拟运行通信系统 | |
US20220383590A1 (en) | Method for the automated determination of characteristic curves and/or characteristic maps | |
CN113157516B (zh) | 一种准实时计算的模型监测系统及方法 | |
CN117436770B (zh) | 基于bim的建筑工程建设管理方法及系统 | |
CN117172138B (zh) | 一种基于深度学习的城市交通碳排放预测方法及装置 | |
CN114332515B (zh) | 一种基于直觉模糊聚类磨煤机运行安全性在线评判方法 | |
CN117093895A (zh) | 一种高炉故障诊断方法及系统 | |
CN117688828A (zh) | 一种数字孪生模型多维多尺度验证系统及方法 |
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 |