[發(fā)明專(zhuān)利]呼吸機(jī)的吸入氣氧濃度分?jǐn)?shù)控制方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110337427.0
• 申請(qǐng)日: 2021-03-30
• 公開(kāi)（公告）號(hào): CN113082412A
• 公開(kāi)（公告）日: 2021-07-09
• 發(fā)明（設(shè)計(jì)）人: 劉哲;鄭其昌;周磊;唐聰能;吳超民
• 申請(qǐng)（專(zhuān)利權(quán)）人: 湖南萬(wàn)脈醫(yī)療科技有限公司
• 主分類(lèi)號(hào): A61M16/00
• 分類(lèi)號(hào): A61M16/00;A61M16/10
• 代理公司: 長(zhǎng)沙大珂知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 43236
• 代理人: 伍志祥

本發(fā)明提供呼吸機(jī)的吸入氣氧濃度分?jǐn)?shù)控制方法，包括以下步驟：主控制模塊構(gòu)建基于所述呼吸狀態(tài)向量x(t)和所述吸入氣氧濃度分?jǐn)?shù)向量u(t)的仿射非線性模型；構(gòu)建呼吸機(jī)的吸入氣氧濃度分?jǐn)?shù)控制成本模型；構(gòu)建吸入氣氧濃度分?jǐn)?shù)控制成本模型的哈密頓量計(jì)算模型；根據(jù)其計(jì)算梯度構(gòu)建吸入氣氧濃度分?jǐn)?shù)的最優(yōu)控制解u計(jì)算模型；所述計(jì)算梯度滿(mǎn)足的限制條件采用策略迭代改進(jìn)算法進(jìn)行不斷迭代優(yōu)化，將計(jì)算得到的最優(yōu)哈密頓成本代入哈密頓量計(jì)算模型中替代，得到優(yōu)化后的吸入氣氧濃度分?jǐn)?shù)向量。通過(guò)本發(fā)明提供的方法和系統(tǒng)使用簡(jiǎn)單的最小二乘算法作為參數(shù)估計(jì)技術(shù)，通過(guò)策略迭代參數(shù)的不斷迭代，得到了最優(yōu)的策略迭代參數(shù)，減少了高計(jì)算成本。

技術(shù)領(lǐng)域

本發(fā)明屬于呼吸機(jī)技術(shù)領(lǐng)域，具體涉及呼吸機(jī)的吸入氣氧濃度分?jǐn)?shù)控制方法及系統(tǒng)。

背景技術(shù)

呼吸機(jī)做為常見(jiàn)的急救醫(yī)療設(shè)備，在改善和替代患者外呼吸、降低呼吸做功上具有重要作用，被廣泛用于患者呼吸功能不全、呼吸衰竭、呼吸肌肉和神經(jīng)等不可逆損壞的替代治療過(guò)程中。呼吸機(jī)采用的氧源通常為制氧機(jī)或者是液氧，患者在治療過(guò)程中，根據(jù)其實(shí)際情況設(shè)定相應(yīng)的氧濃度，而呼吸機(jī)的氧濃度設(shè)置一般取決于患者的動(dòng)脈氧分壓的目標(biāo)水平和血流動(dòng)力學(xué)狀態(tài)，患者在吸入氧濃度的選擇上，不但須考慮高濃度的肺損傷作用，還應(yīng)考慮氣道和肺泡壓力過(guò)高對(duì)肺的損傷作用。因此，呼吸機(jī)的氧濃度不準(zhǔn)確存在著嚴(yán)重的安全隱患，進(jìn)而急需一種能夠有效控制并優(yōu)化呼吸機(jī)吸入氣氧濃度分?jǐn)?shù)的方法及系統(tǒng)。

發(fā)明內(nèi)容

本發(fā)明針對(duì)上述缺陷，提供一種能夠有效控制并優(yōu)化呼吸機(jī)吸入氣氧濃度分?jǐn)?shù)的方法及系統(tǒng)。

本發(fā)明提供如下技術(shù)方案：呼吸機(jī)的吸入氣氧濃度分?jǐn)?shù)控制方法，包括以下步驟：

1)呼吸狀態(tài)采集模塊監(jiān)測(cè)得到呼吸機(jī)的呼吸狀態(tài)向量x(t)，氧濃度采集模塊監(jiān)測(cè)得到呼吸機(jī)釋放出被吸氧者吸入的吸入氣氧濃度分?jǐn)?shù)向量u(t)，主控制模塊構(gòu)建基于所述呼吸狀態(tài)向量x(t)和所述吸入氣氧濃度分?jǐn)?shù)向量u(t)的仿射非線性模型；

2)構(gòu)建基于所述仿射非線性系統(tǒng)中的所述呼吸狀態(tài)向量x(t)和所述吸入氣氧濃度分?jǐn)?shù)向量u(t)的呼吸機(jī)的吸入氣氧濃度分?jǐn)?shù)控制成本模型V(x)；

3)構(gòu)建所述步驟2)得到的吸入氣氧濃度分?jǐn)?shù)控制成本模型V(x)的哈密頓量計(jì)算模型H(x,u,V_x)；

4)根據(jù)所述步驟3)中的哈密頓量計(jì)算模型H(x,u,V_x)中的計(jì)算梯度構(gòu)建吸入氣氧濃度分?jǐn)?shù)的最優(yōu)控制解u計(jì)算模型；

5)將所述步驟4)得到的最優(yōu)控制解u在所述步驟3)中的計(jì)算梯度滿(mǎn)足的優(yōu)化后限制條件下代入所述哈密頓量計(jì)算模型，得到哈密頓成本計(jì)算模型，所述計(jì)算梯度滿(mǎn)足的限制條件采用策略迭代改進(jìn)算法進(jìn)行不斷迭代優(yōu)化，將計(jì)算得到的最優(yōu)哈密頓成本V^*(x)代入到所述步驟4)替代V(x)，進(jìn)而得到優(yōu)化后的吸入氣氧濃度分?jǐn)?shù)向量u^*。

進(jìn)一步地，所述步驟5)中對(duì)所述步驟3)的計(jì)算梯度滿(mǎn)足的優(yōu)化后限制條件的策略迭代改進(jìn)算法的過(guò)程，包括以下步驟：

S1：構(gòu)建所述步驟2)中的吸入氣氧濃度分?jǐn)?shù)控制成本模型V(x)在時(shí)刻t的計(jì)算模型

所述T為評(píng)估過(guò)程中使用的采樣時(shí)間構(gòu)成的時(shí)域；

S2：在初始控制器穩(wěn)定控制的呼吸機(jī)的吸入氣氧濃度分?jǐn)?shù)控制系統(tǒng)環(huán)境下，在初始策略迭代參數(shù)ω_-1＝0、i＝0以及所述吸入氣氧濃度分?jǐn)?shù)向量初始值為u₀條件下，在時(shí)域T內(nèi)計(jì)算具有初始值的步驟1)構(gòu)建的所述

S3：基于的響應(yīng)，使用最小平方算法估計(jì)所述計(jì)算模型中的所有未知策略迭代參數(shù)ω_i，所述i為進(jìn)行的所有迭代的次數(shù)；