[发明专利]无创呼吸机风机的压力输出控制方法

说明书

本发明公开了无创呼吸机风机的压力输出控制方法，涉及呼吸机风机控制技术领域，该无创呼吸机风机的压力输出控制方法，通过神经网络算法对偏差与控制量之间进行数据处理，得出的压力控制数据精度较高，同时使用者实际气道压力值峰度小，极端值小，波动小，气道压力波形在呼、吸相呈现平稳状态，明显改善呼吸机风机压力输出的精准性，使得呼吸机风机输出的风压能够快速、准确地在呼气压力(EPAP)和吸气压力(IPAP)之间切换，根据病人气道流量和压力变化幅度作出自动调控，使呼吸机风机输出的压力水平能在多个角度切合病情的需要和治疗的要求。

技术领域

本发明涉及呼吸机风机控制技术领域，具体为无创呼吸机风机的压力输出控制方法。

背景技术

无创呼吸机在工作过程中，通过压差传感器与压力传感器的反馈值判断呼吸相的切换和风机输出压力的控制，在患者吸气和呼气过程中提供不同水平的正压来进行呼吸治疗。

无创呼吸机常采用无刷直流电机驱动的风机作为气体发生装置，控制电机的方法主要包括实时检测转子位置的启停控制和通过PWM调压的转速控制,控制的精度和抵御干扰的性能较差，本专利提出能够自适应的基于神经网络的PID风机压力输出控制方法。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了无创呼吸机风机的压力输出控制方法，解决了实时检测转子位置的启停控制和通过PWM调压的转速控制,控制的精度和抵御干扰的性能较差的问题。

(二)技术方案

为达到以上目的，本发明采取的技术方案是：无创呼吸机风机的压力输出控制方法，包括以下步骤；

S1、对实际使用时呼气压力和吸气压力的数据进行采集处理；

S2、建立呼吸风机的神经网络算法模型；

S3、神经网络算法模型的应用。

优选的，所述S1步骤中，直接启动PID控制器，得出控制量与偏差之间的关系式为：

优选的，其中E(t)为偏差，U(t)为控制量，K_P，K_I，K_D分别为比例，积分和微分系数。

优选的，当采样收起足够短，需要将PID控制过程离散化，采用增量型数字PID：ΔU(n)＝K_pΔE(n)+K_IE(n)+K_D[E(n)-2E(n-1)+E(n-2)]，其中n为采样序号,E(n)为n次采样的偏差；U(n)为n次采样时输出的控制量，当气体流向发生突变时，流速传感器测量到的流速误差会突然升高，然后迅速降低，需要引入神经网络算法。

优选的，所述S2步骤中，使用MATLAB建立偏差与控制量之间的神经网络算法模型并进行调试，Y_S为输入设定值，将输出值Y_o与输入值Y_S通过神经网络进行处理，得到X_i(t)(i＝l，2，3)三个状态量，通过学习调节神经元权值ωi(t)(i＝l，2，3)最后得到Yo。

优选的，所述S2步骤中建立的呼吸风机的神经网络算法模型的算法为：X₁＝E(n)-E(n-1),X₂＝E(n),X₃＝E(n)-2E(n-1)+E(n-2)，U(n)＝ω₁X₁+ω₂X₂+ω₃X₃；