[发明专利]一种分布式医疗设备的恒流温度采集方法及系统

权利要求书

1.一种分布式医疗设备的恒流温度采集方法，其特征在于，所述方法包括以下步骤：

步骤S1：获取待检测的分布式医疗设备的电子器件，基于电子器件的器件物理特性进行数据建模，生成电子器件模型，对电子器件模型进行电子器件仿真运行处理，以获得模拟电路数据，根据模拟电路数据采集电子器件模型件在运行过程时的仿真驱动数据；

步骤S2：对仿真驱动数据进行数据预处理，生成目标驱动数据，对目标驱动数据进行历史数据特征提取，从而生成历史驱动特征数据；

步骤S3：利用深度学习算法对历史驱动特征数据进行运行驱动预测处理，从而生成预测驱动数据；

步骤S4：构建区块链网络并将预测驱动数据以分布式方式存储在区块链网络中，从而生成驱动存储文件；

步骤S5：将驱动存储文件进行可视化分析展示处理，生成可视化温度数据，从而实现恒流温度采集作业。

2.根据权利要求1所述的分布式医疗设备的恒流温度采集方法，其特征在于，步骤S1包括以下步骤：

步骤S11：获取待检测的分布式医疗设备的电子器件；

步骤S12：基于电子器件进行器件物理特性数据建模，生成电子器件模型；

步骤S13：对电子器件模型进行电子器件仿真运行处理，以获得模拟电路数据；

步骤S14：获取仿真驱动数据采集指令集；

步骤S15：根据模拟电路数据，利用仿真驱动数据采集指令对电子器件模型进行仿真驱动数据采集，从而生成仿真驱动数据。

3.根据权利要求2所述的分布式医疗设备的恒流温度采集方法，其特征在于，其中数据预处理包括驱动数据清洗处理以及驱动数据降噪处理，步骤S2包括以下步骤：

步骤S21：对仿真驱动数据进行驱动数据清洗处理，生成清洗驱动数据；

步骤S22：利用仿真驱动数据信噪比增强算法对清洗驱动数据进行数据降噪处理，生成目标驱动数据；

步骤S23：对目标驱动数据进行历史数据特征提取，从而生成历史驱动特征数据。

4.根据权利要求3所述的分布式医疗设备的恒流温度采集方法，其特征在于，步骤S22中的仿真驱动数据信噪比增强算法如下所示：

其中，表示为仿真驱动数据信噪比增强指数，表示为两级最大差值，表示为两级最小差值，表示为清洗驱动数据中形变量变化的权重信息，表示为清洗驱动数据中的设备压力数据，表示为清洗驱动数据的温度数据，表示为清洗驱动数据的温度数据平均值，表示为仿真驱动数据信噪比增强指数的异常调整值。

5.根据权利要求3所述的分布式医疗设备的恒流温度采集方法，其特征在于，步骤S3包括以下步骤：

步骤S31：预设预测驱动数据阈值；

步骤S32：利用深度学习算法对历史驱动特征数据进行数据预测处理，生成初始预测数据；

步骤S33：通过预测驱动数据阈值与初始预测数据进行阈值比对处理，从而生成预测驱动数据与故障预测驱动数据；

步骤S34：将故障预测驱动数据匹配的电子器件模型进行标记，生成故障电子器件模型；

步骤S35：基于故障预测驱动数据进行历史信息收集，生成历史故障预测驱动数据；

步骤S36：根据历史故障预测驱动数据进行历史故障因素特征提取，生成故障特征数据；

步骤S37：根据故障特征数据将故障电子器件模型进行修复模型划分处理，生成可修复电子器件模型与不可修复电子器件模型，将不可修复电子器件模型进行剔除；

步骤S38：基于决策树模型，利用故障特征数据进行修复故障因素模型构建，生成修复模型；

步骤S39：将故障特征数据匹配的可修复电子器件模型，传送至修复模型进行仿真电子器件修复处理，以获得修复的电子器件模型，并返回步骤S13。