[发明专利]一种基于模糊神经网络的制氧机压力控制方法

说明书

本发明涉及一种基于模糊神经网络的制氧机压力控制方法，包括以下步骤：第一步，构建模糊神经网络控制器，该模糊神经网络控制器包括前件网络和后件网络；前件网络包含4层，该4层为：前件网络输入层，模糊化层，模糊规则匹配层，归一化层；后件网络包括3层，该3层为：后件网络输入层，规则后件计算层，控制器输出层。本发明涉及的基于模糊神经网络的制氧机压力控制方法，结合了模糊控制和神经网络控制的优势，用于对制氧机系统压力进行动态实时控制，能够解决以时间控制切换或固定压力限值方式工作制氧机的不足，利于稳定连续地制备高浓度的氧气。

技术领域

本发明属于医疗器械领域，具体而言，主要涉及一种制氧机压力控制方法，尤其涉及一种基于模糊神经网络的制氧机压力控制方法。

背景技术

目前，康复类中小型制氧机大多采用分子筛变压吸附技术进行制氧。制氧系统的压力稳定与否对于制氧浓度的高纯及制氧机系统的长期稳定运行影响显著。由于分子筛材料特性的原生离散差异、现有工业技术水平的工艺能力分布概率、制氧机应用地区的电网波动及环境变化等多种因素的共同作用，制氧机运行的系统压力具有非线性及时变的特性，即容易导致制氧不稳定。

现阶段国内及国际上的康复类中小型制氧机采用的主要是以时间控制切换双侧分子筛吸附塔运行。由于制氧机系统压力具有上述的非线性及时变的特点，时间控制无法保证制氧机长期连续的高性能运行，易出现分子筛吸附塔压力过高造成穿透，或双侧分子筛吸附塔负荷不均(即当其中一侧分子筛超负荷时，不能吸附氮气，导致氧气浓度降低)、低效运行。少部分的压力控制切换双侧分子筛吸附塔运行制氧机机型，采用的也是固定的压力限值设定，难以针对系统个体的性能及工况差异以及在复杂应用环境中的运行波动相应地进行调整，也限制了制氧机系统的高性能工作。

鉴于此，如何找到一种适合制氧机系统特性并能适应复杂运行环境的智能控制方式，提出一种基于模糊神经网络的制氧机压力控制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模糊神经网络的制氧机压力控制方法，其目的是为了解决现有技术无法保证制氧机长期连续的高性能运行，易出现分子筛吸附塔压力过高造成穿透，或双侧分子筛吸附塔负荷不均、低效运行的问题。

为达到上述目的，本发明采用的技术方案是：一种基于模糊神经网络的制氧机压力控制方法，包括以下步骤：

第一步，构建模糊神经网络控制器，该模糊神经网络控制器包括前件网络和后件网络；

定义系统输入变量为x₁及x₂：x₁＝er＝p_d-p，其中，p_d为压力设定值，p为压力测定值，er为压力误差，ec为压力误差变化率，即er对时间t的导数；

所述前件网络包含4层，该4层分别为：

第一层，为前件网络输入层，具有2个结点，分别将输入变量x₁及x₂传送至模糊化层；

第二层，为模糊化层，将输入变量x₁及x₂各划分为m_i个模糊子集，所述模糊子集的隶属度函数均采用高斯函数，表达式如下式一：

其中，是输入变量x_i的第q_i(q_i＝1,2,…,m_i)个模糊子集的隶属度函数，i＝1,2为输入变量的序号，m_i为输入变量x_i的模糊分割数，和分别为隶属度函数的中心值和宽度，所述模糊化层的结点总数为

第三层，为模糊规则匹配层，采用相乘运算计算每条规则的适用度α_j，表达式如下式二：