[发明专利]一种呼吸机流道的压力补偿方法

权利要求书

1.一种呼吸机流道的压力补偿方法，其特征在于，包括以下步骤：

步骤S1：对呼吸机的过程控制器的PID算法进行初始化处理；

步骤S2：实时采集呼吸机当前时刻的治疗压力和流道气体流量值；

步骤S3：将采集到的治疗压力和流量值输入到预设好的BP神经网络模型中，经过BP神经网络模型的训练得到当前时刻的压力补偿值；

步骤S4：在当前的治疗压力值基础上增加补偿值，作为PID算法的设定值；

步骤S5：PID算法以设定值为目标来调节涡轮电机转速，对呼吸机流道里的压力损失和压力差进行补偿；

其中，步骤S3所述的获取压力补偿值的具体方法为：

步骤S31：确定各个治疗压力下流道的流量范围，所述流量范围需满足所有呼吸频率和潮气量；

步骤S32：在4-20hpa的治疗压力范围内改变流道气体流量，记录不同流量下面罩里压力偏差值，并把对应的偏差值作为训练压力补偿值；

步骤S33：将治疗压力和流道流量作为训练输入值、对应的偏差值作为训练输出值，同时输入到进行初始化后的BP神经网络模型中进行训练，直至训练误差值满足要求或者达到最大训练次数，则训练完成；

步骤S34：保存训练完成后BP神经网络模型的各个权值和阈值；

步骤S35：将当前时刻的治疗压力和流道流量输入到训练好的神经网络模型中，计算得到当前的压力补偿值。

2.根据权利要求1所述的呼吸机流道的压力补偿方法，其特征在于，所述的BP神经网络模型由输入层、隐含层和输出层组成，结构为2-3-1，即输入层节点是2个，分别是治疗压力值和流道流量值，隐含层节点是3个，输出层是1个，为压力补偿值。

3.根据权利要求2所述的呼吸机流道的压力补偿方法，其特征在于，BP神经网络模型的训练方法为：

步骤S331：初始化神经网络模型的权值和阈值以及训练的误差阈值、最大训练次数、学习率；

步骤S332:将采集到的数据中治疗压力和流道流量作为训练输入值、对应的偏差值作为训练输出值，同时输入到BP神经网络模型中迭代训练；

步骤S333：计算每次训练后的误差，若误差小于等于误差阈值，则保存训练好的网络模型权值和阈值，训练完成；若误差大于误差阈值则执行下一步骤；

步骤S334：根据误差值实时修正网络模型权值和阈值，用作下一次训练的网络模型权值和阈值。

4.根据权利要求3所述的呼吸机流道的压力补偿方法，其特征在于，所述BP神经网络模型的输入层向量为X_l＝[P_set,l；F_l]，其中：P_set,l治疗压力值，F_l气体流量值，l＝1,2,...,L，L是采集数据的样本数。

5.根据权利要求4所述的呼吸机流道的压力补偿方法，其特征在于，所述BP神经网络模型的隐含层的输出为：

其中，H_j是第j个隐含节点的输出值，X_i,l是第l个样本的第i个输入节点的输出值，w_ij是第i个输入节点与第j个隐含节点之间的权值，a_j是第j个隐含节点的阈值，f(·)是隐含层激励函数，取为可微的S型作用函数，即

6.根据权利要求5所述的呼吸机流道的压力补偿方法，其特征在于，所述BP神经网络模型的输出层的输出为：

O_l＝H_jw_j-b

其中，O_l是第l个样本的网络模型的输出值，w_j是第j个隐含节点与输出节点之间的权值，b是输出节点的阈值。