[发明专利]一种X射线源的输出强度控制方法及系统在审

专利信息
申请号: 202210983999.0 申请日: 2022-08-16
公开(公告)号: CN115413101A 公开(公告)日: 2022-11-29
发明(设计)人: 黄谦;江晟;李野;赵鹏;徐伟 申请(专利权)人: 北京山水云图科技有限公司
主分类号: H05G1/30 分类号: H05G1/30;G01T1/20
代理公司: 北京维昊知识产权代理事务所(普通合伙) 11804 代理人: 李波
地址: 100089 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 射线 输出 强度 控制 方法 系统
【权利要求书】:

1.一种X射线源的输出强度控制方法,其特征在于,包括:

获取X射线源的实际输出强度和工作参数,所述工作参数包括:工作电压、灯丝电流和工作温度;

根据所述工作电压、所述灯丝电流、所述工作温度和预设输出强度预测模型,确定输出强度预测值,所述预设输出强度预测模型是根据样本数据训练得到的;

将所述实际输出强度、所述输出强度预测值、所述X射线源的输出强度目标值输入预设控制器模型,确定与所述输出强度目标值对应的目标工作电压和目标灯丝电流;

利用所述目标工作电压和所述目标灯丝电流控制所述X射线源工作。

2.根据权利要求1所述的方法,其特征在于,所述工作参数还包括:

射线管形状参数、空气湿度和设备传输损耗;

根据所述工作电压、所述灯丝电流、所述工作温度和预设输出强度预测模型,确定输出强度预测值,包括:

将所述工作电压、所述灯丝电流、所述工作温度、所述射线管形状参数、所述空气湿度和所述设备传输损耗输入预设输出强度预测模型,得到输出强度预测值。

3.根据权利要求1所述的方法,其特征在于,根据所述实际输出强度、所述输出强度预测值和所述X射线源的输出强度目标值确定与所述输出强度目标值对应的目标工作电压和目标灯丝电流,包括:

根据所述实际输出强度、所述输出强度预测值和所述X射线源的输出强度目标值确定与所述输出强度目标值对应的初始目标工作电压和初始目标灯丝电流;

计算工作电压设定值与所述初始目标工作电压之间的第一差值,以及灯丝电流设定值与所述初始目标灯丝电流之间的第二差值;

在所述第一差值小于第一差值阈值,且所述第二差值小于第二差值阈值时,将所述工作电压设定值作为所述目标工作电压,将所述灯丝电流设定值作为所述目标灯丝电流;

在所述第一差值大于等于第一差值阈值,和/或,所述第二差值大于等于第二差值阈值时,将所述初始目标工作电压作为所述目标工作电压,将所述初始目标灯丝电流作为所述目标灯丝电流。

4.根据权利要求1所述的方法,其特征在于,利用所述目标工作电压和所述目标灯丝电流控制所述X射线源工作,包括:

采用PWM控制的方式产生所述目标工作电压和所述目标灯丝电流以控制所述X射线源工作。

5.根据权利要求1所述的方法,其特征在于,所述预设输出强度预测模型为RBF神经网络模型。

6.根据权利要求5所述的方法,其特征在于,所述RBF神经网络模型的训练过程如下:

获取多个样本数据,每个样本数据包括:历史实际输出强度、历史工作电压、历史灯丝电流和历史工作温度;

针对每个样本数据,将历史工作电压、历史灯丝电流和历史工作温度输入初始RBF神经网络模型进行训练,得到每个样本数据对应的历史输出强度预测值,直至每个样本数据中的历史实际输出强度和对应的历史输出强度预测值之间的差值小于预设阈值,确定训练后的初始RBF神经网络模型为所述RBF神经网络模型。

7.根据权利要求6所述的方法,其特征在于,还包括:将所述工作电压、所述灯丝电流和所述工作温度输入所述RBF神经网络模型,以更新所述RBF神经网络模型。

8.根据权利要求1至7任一项所述的方法,其特征在于,所述预设控制器模型为PID控制器模型。

9.一种X射线源的输出强度控制系统,其特征在于,包括:信号采集装置和调节控制装置;所述信号采集装置用于采集X射线源的实际输出强度并发送给所述调节控制装置,所述调节控制装置还与所述X射线源连接,以获取所述X射线源的工作参数,所述调节控制装置用于执行如权利要求1至8任一项所述的输出强度控制方法。

10.根据权利要求9所述的系统,其特征在于,还包括:监控设备,所述监控设备分别与所述信号采集装置和所述X射线源连接,所述监控设备用于在监测到所述信号采集装置的工作状态异常和/或所述X射线源的工作状态异常时,发出报警信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京山水云图科技有限公司,未经北京山水云图科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210983999.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top