[发明专利]无创呼吸机风机的压力输出控制方法

权利要求书

1.无创呼吸机风机的压力输出控制方法，其特征在于：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。

2.根据权利要求1所述的无创呼吸机风机的压力输出控制方法，其特征在于：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：

3.根据权利要求2所述的无创呼吸机风机的压力输出控制方法，其特征在于：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。

4.根据权利要求2所述的无创呼吸机风机的压力输出控制方法，其特征在于：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。

5.根据权利要求1所述的无创呼吸机风机的压力输出控制方法，其特征在于：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。

6.根据权利要求1所述的无创呼吸机风机的压力输出控制方法，其特征在于：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；

神经网络算法的激发函数可以是对数函数logsig、正切函数tangsig及纯线性函数或其中的任意组合，ω_i在实际运行过程中可以进行自适应调节，并根据如下算法来改变，其中η_Pη_Iη_D分别为比例，积分，微分的学习速率，ω₁(k+1)＝ω₁(k)+η_pu(k)e(k)x₁(k)

ω₂(k+1)＝ω₂(k)+η_Iu(k)e(k)x₂(k)

ω₃(k+1)＝ω₃(k)+η_Du(k)e(k)x₃(k)，

给定任意非零的一组权值，比如：(ω₁,ω₂,ω₃)＝(0.1,0.2,0.7),使用MATLAB进行调试，最终确定学习速率系数的大小，由此得到偏差与控制量的神经网络算法模型。

7.根据权利要求6所述的无创呼吸机风机的压力输出控制方法，其特征在于：将S1中采集的数据输入对应的神经网络算法模型中，经过神经网络算法模型与PID进行计算，即可得出数据，然后对呼吸机风机的压力输出进行精准控制。

8.根据权利要求7所述的无创呼吸机风机的压力输出控制方法，其特征在于：神经元网络算法得出的数据对风机进行控制保证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。