[发明专利]呼吸机的吸入气氧浓度分数控制方法及系统

说明书

本发明提供呼吸机的吸入气氧浓度分数控制方法，包括以下步骤：主控制模块构建基于所述呼吸状态向量x(t)和所述吸入气氧浓度分数向量u(t)的仿射非线性模型；构建呼吸机的吸入气氧浓度分数控制成本模型；构建吸入气氧浓度分数控制成本模型的哈密顿量计算模型；根据其计算梯度构建吸入气氧浓度分数的最优控制解u计算模型；所述计算梯度满足的限制条件采用策略迭代改进算法进行不断迭代优化，将计算得到的最优哈密顿成本代入哈密顿量计算模型中替代，得到优化后的吸入气氧浓度分数向量。通过本发明提供的方法和系统使用简单的最小二乘算法作为参数估计技术，通过策略迭代参数的不断迭代，得到了最优的策略迭代参数，减少了高计算成本。

技术领域

本发明属于呼吸机技术领域，具体涉及呼吸机的吸入气氧浓度分数控制方法及系统。

背景技术

呼吸机做为常见的急救医疗设备，在改善和替代患者外呼吸、降低呼吸做功上具有重要作用，被广泛用于患者呼吸功能不全、呼吸衰竭、呼吸肌肉和神经等不可逆损坏的替代治疗过程中。呼吸机采用的氧源通常为制氧机或者是液氧，患者在治疗过程中，根据其实际情况设定相应的氧浓度，而呼吸机的氧浓度设置一般取决于患者的动脉氧分压的目标水平和血流动力学状态，患者在吸入氧浓度的选择上，不但须考虑高浓度的肺损伤作用，还应考虑气道和肺泡压力过高对肺的损伤作用。因此，呼吸机的氧浓度不准确存在着严重的安全隐患，进而急需一种能够有效控制并优化呼吸机吸入气氧浓度分数的方法及系统。

发明内容

本发明针对上述缺陷，提供一种能够有效控制并优化呼吸机吸入气氧浓度分数的方法及系统。

本发明提供如下技术方案：呼吸机的吸入气氧浓度分数控制方法，包括以下步骤：

1)呼吸状态采集模块监测得到呼吸机的呼吸状态向量x(t)，氧浓度采集模块监测得到呼吸机释放出被吸氧者吸入的吸入气氧浓度分数向量u(t)，主控制模块构建基于所述呼吸状态向量x(t)和所述吸入气氧浓度分数向量u(t)的仿射非线性模型；

2)构建基于所述仿射非线性系统中的所述呼吸状态向量x(t)和所述吸入气氧浓度分数向量u(t)的呼吸机的吸入气氧浓度分数控制成本模型V(x)；

3)构建所述步骤2)得到的吸入气氧浓度分数控制成本模型V(x)的哈密顿量计算模型H(x,u,V_x)；

4)根据所述步骤3)中的哈密顿量计算模型H(x,u,V_x)中的计算梯度构建吸入气氧浓度分数的最优控制解u计算模型；

5)将所述步骤4)得到的最优控制解u在所述步骤3)中的计算梯度满足的优化后限制条件下代入所述哈密顿量计算模型，得到哈密顿成本计算模型，所述计算梯度满足的限制条件采用策略迭代改进算法进行不断迭代优化，将计算得到的最优哈密顿成本V^*(x)代入到所述步骤4)替代V(x)，进而得到优化后的吸入气氧浓度分数向量u^*。

进一步地，所述步骤5)中对所述步骤3)的计算梯度满足的优化后限制条件的策略迭代改进算法的过程，包括以下步骤：

S1：构建所述步骤2)中的吸入气氧浓度分数控制成本模型V(x)在时刻t的计算模型

所述T为评估过程中使用的采样时间构成的时域；

S2：在初始控制器稳定控制的呼吸机的吸入气氧浓度分数控制系统环境下，在初始策略迭代参数ω_-1＝0、i＝0以及所述吸入气氧浓度分数向量初始值为u₀条件下，在时域T内计算具有初始值的步骤1)构建的所述

S3：基于的响应，使用最小平方算法估计所述计算模型中的所有未知策略迭代参数ω_i，所述i为进行的所有迭代的次数；