[发明专利]呼吸机比例阀流量控制方法、装置、计算机设备

权利要求书

1.一种呼吸机比例阀流量控制方法，其特征在于，所述方法包括：

读取呼吸机系统运行参数；

将所述呼吸机系统运行参数输入预设已训练的神经网络模型；

获取所述预设已训练的神经网络模型根据所述呼吸机系统运行参数输出的电流信号；

将所述电流信号输入至所述呼吸机中比例阀，所述电流信号用于控制所述比例阀的流量；

其中，所述预设已训练的神经网络模型为基于呼吸机历史系统运行参数和Levenberg-Marquardt算法训练生成的Elman神经网络模型。

2.根据权利要求1所述的呼吸机比例阀流量控制方法，其特征在于，所述将所述呼吸机系统运行参数输入预设已训练的神经网络模型之前还包括：

建立初始Elman神经网络模型；

根据预设Levenberg-Marquardt算法和所述呼吸机历史系统运行参数，训练所述初始Elman神经网络模型的参数，得到训练后的Elman神经网络模型。

3.根据权利要求2所述的呼吸机比例阀流量控制方法，其特征在于，所述根据预设Levenberg-Marquardt算法和所述呼吸机历史系统运行参数，训练所述初始Elman神经网络模型的参数包括：

初始化所述初始Elman神经网络模型各层连接权值和各层阈值；

获取所述呼吸机历史系统运行参数；

根据所述呼吸机历史系统运行参数，利用Levenberg-Marquardt算法调整所述初始Elman神经网络模型的权值和阈值，直至确定最优的权值和阈值。

4.根据权利要求3所述的呼吸机比例阀流量控制方法，其特征在于，所述利用Levenberg-Marquardt算法调整所述初始Elman神经网络模型的权值和阈值，直至确定最优的权值和阈值包括：

给出训练误差允许值ε，常数μ₀和β，初始化权值和阈值组成的向量，令k＝0，μ＝μ₀，其中，0β1，k表示迭代次数，μ表示用户定义的学习率；

计算所述初始Elman神经网络模型的输出值及误差指标函数E(w^k)；

计算Jacobian矩阵J(w^k)；

计算权值增量△w；

若E(w^k)ε,则结束训练；

若E(w^k)≥ε，以w^k+1＝w^k+△w为新的权值和阈值向量，计算误差指标函数E(w^k)，若E(w^k+1)E(w^k)，则令k＝k+1，μ＝μβ，返回所述计算所述初始Elman神经网络模型的输出值及误差指标函数E(w^k)，否则令μ＝μ/β，返回所述计算权值增量△w的步骤。

5.根据权利要求1所述的呼吸机比例阀流量控制方法，其特征在于，所述呼吸机系统运行参数包括当前时刻压差、前帧流量传感器值以及下帧目标流量值。

6.根据权利要求1至5中任一项所述的呼吸机比例阀流量控制方法，其特征在于，Elman神经网络模型包括4个输入层神经元、7个隐含层神经元和状态层神经元以及1个输出层神经元。

7.一种呼吸机比例阀流量控制装置，其特征在于，所述装置包括：

数据读取模块，用于读取呼吸机系统运行参数；

第一输入模块，用于将所述呼吸机系统运行参数输入预设已训练的神经网络模型；

数据获取模块，用于获取所述预设已训练的神经网络模型根据所述呼吸机系统运行参数输出的电流信号；

第二输入模块，用于将所述电流信号输入至所述呼吸机中比例阀，所述电流信号用于控制所述比例阀的流量；

其中，所述预设已训练的神经网络模型为基于呼吸机历史系统运行参数和Levenberg-Marquardt算法训练生成的Elman神经网络模型。