自适应压力与氧浓度控制方法与流程

本申请涉及医疗设备控制技术领域，特别是涉及一种自适应压力与氧浓度控制方法。

背景技术：

对于呼吸机来说，氧浓度与压力维持的准确性与稳定性是最核心也是最基础的要求。由于氧气浓度与压力维持两个过程中关注的目标不同，且均需要对空气和氧气的流量进行控制。因此，若控制器不够稳定或长期使用后器件性能发生变化，均会影响呼吸机的临床使用效果。

目前，呼吸机的压力与氧浓度维持通常是分离设计。在维持氧浓度的过程中的压力可能无法到达使用要求。虽然相关设计可以维持呼吸过程压力，但氧浓度的同步调节通常需要另外的模块来保证，增加了呼吸机的复杂程度。

技术实现要素：

基于此，有必要针现有方法无法同时控制压力和氧浓度的问题，提供一种自适应压力与氧浓度控制方法。

一种自适应压力与氧浓度控制方法，包括：

s10，对呼吸过程动力学参数进行在线辨识，分别计算线性化气路阻尼系数和线性化动态顺气系数

s20，依据所述线性化气路阻尼系数和所述线性化动态顺气系数进行自适应参数估计；

s30，结合所述自适应参数计算空氧混合流量控制信号ue，以实现压力自适应控制；

s40，结合所述自适应参数分别计算空气流量控制信号uea和氧气流量控制信号ueo，以实现氧气浓度的自适应控制。

上述自适应压力与氧浓度控制方法，将压力维持过程与氧浓度维持过程进行了同步设计。所述自适应压力与氧浓度控制方法通过对呼吸过程动力学参数进行在线辨识，计算线性化气路阻尼系数和线性化动态顺气系数依据所述线性化气路阻尼系数和所述线性化动态顺气系数进行自适应参数估计。结合自适应参数求得所述空氧混合流量控制信号ue、所述空气流量控制信号uea和所述氧气流量控制信号ueo。通过所述空氧混合流量控制信号ue控制压力自适应变化，且通过所述空气流量控制信号uea和所述氧气流量控制信号ueo控制氧气浓度自适应变化。所述自适应压力与氧浓度控制方法简单易行，无需增加呼吸机的复杂程度的同时，可以保证压力和氧气浓度的同步调节，从而确保呼吸机的临床使用效果。

在其中一个实施例中，所述步骤s10，包括：

s110，对呼吸过程进行建模，得到呼吸模型；

s120，预设并测量中间参数值；

s130，依据所述呼吸模型及所述中间参数值，计算所述线性化气路阻尼系数和所述线性化动态顺气系数

在其中一个实施例中，所述步骤s110，包括：

s111，对呼吸过程进行建模，得到呼吸过程线型模型；

s112，将呼吸过程的所述线型模型改写为连续传递函数；

s113，将所述连续传递函数进行离散化处理，得到所述呼吸模型。

在其中一个实施例中，所述步骤s120，包括：

s121，预设空氧混合期望压力值pd，测量实际空氧混合压力值paw，并计算压力误差ep＝paw-pd；

s122，连续两次测量所述空氧混合压力值paw(k)、paw(k-1)以及空氧混合流量值f(k)、f(k-1)；

s123，分别计算所述空氧混合压力差值pδ(k)＝paw(k)-paw(k-1)以及连续两次所述空氧混合流量值γ^t(k)＝[f(k)f(k-1)]。

在其中一个实施例中，所述步骤s130，包括：

s131，依据所述压力差值pδ(k)和连续两次所述空氧混合流量值γ(k)，结合迭代最小二乘法进行参数递推，从而估计得到待估计参数值θ^t(k)；

s132，依据待估计参数值θ^t(k)，计算线性化气路阻尼系数和线性化动态顺气系数

在其中一个实施例中，所述步骤s20，包括：

s210，依据所述线性化气路阻尼系数和所述线性化动态顺气系数的统计值分别获取所述线性化气路阻尼系数和所述线性化动态顺气系数的上限值和下限值

s220，依据所述线性化气路阻尼系数和所述线性化动态顺气系数的上限值和下限值估计自适应参数

在其中一个实施例中，所述步骤s30，包括：

s310，依据所述压力误差ep设计反馈增益k0ep；

s320，依据所述反馈增益k0ep和所述自适应估计参数计算所述空氧混合流量控制信号ue，以实现压力自适应控制。

在其中一个实施例中，所述步骤s40，包括：

s410，依据预设氧气浓度s计算期望空气比例sa和期望氧气比例so；

s420，依据所述期望空气比例sa和所述期望氧气比例so计算所述空气流量控制信号uea和所述氧气流量控制信号ueo，以实现氧气浓度的自适应控制。

在其中一个实施例中，所述步骤s410，包括：

s411，依据所述预设氧气浓度s结合空气和氧气固定配比，计算所述期望空气比例sa和所述期望氧气比例so。

在其中一个实施例中，所述步骤s420，包括：

s421，依据所述期望空气比例sa和所述期望氧气比例so，以及所述反馈增益k0ep和所述自适应估计参数计算所述氧气流量控制信号uea和所述空气流量控制信号ueo，以实现氧气浓度的自适应控制。

附图说明

图1为本申请实施例提供的一种带有压缩空气与氧气源的呼吸机压力维持装置；

图2为本申请实施例提供的一种自适应压力与氧浓度控制方法流程图；

图3为本申请实施例提供的一种带有压缩空气与氧气源的呼吸机压力维持装置控制方法示意图；

图4为本申请实施例提供的另一种自适应压力与氧浓度控制方法流程图；

图5为本申请实施例提供的一种对呼吸过程动力学参数进行在线辨识，分别计算线性化气路阻尼系数和线性化动态顺气系数的流程图；

图6为本申请实施例提供的一种结合所述自适应参数分别计算空气流量控制信号uea和氧气流量控制信号ueo，以实现氧气浓度的自适应控制的流程图。

附图标号说明

100呼吸机压力维持装置

110氧气源

120压缩空气源

130连通管道

140空氧混合器

151氧气稳压阀

152空气稳压阀

161氧气流量控制阀

162空气流量控制阀

163空氧流量控制阀

171氧气流量传感器

172空气流量传感器

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施的限制。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

请参见图1，本申请提供一种自适应压力与氧浓度控制方法。在一个实施例中，所述自适应压力与氧浓度控制方法可以用于带有压缩空气与氧气源的呼吸机压力维持装置100。所述带有压缩空气与氧气源的呼吸机压力维持装置100包括氧气源110和压缩空气源120。所述氧气源110和压缩空气源120分别通过连通管道130与空氧混合器140连接。其中，所述氧气源110依次通过所述连通管道130连接氧气稳压阀151、氧气流量控制阀161和氧气流量传感器171。所述压缩空气源120依次通过所述连通管道130连接空气稳压阀152、空气流量控制阀162和空气流量传感器172。所述空氧混合器140也连接有空氧流量控制阀163。通过采用自适应压力与氧浓度控制方法，可以对所述氧气流量控制阀161、所述空气流量控制阀162和所述空氧流量控制阀163进行控制。可以理解，通过控制所述氧气流量控制阀161、所述空气流量控制阀162可以控制所述呼吸机压力维持装置100中的氧气浓度。通过控制所述空氧流量控制阀163，可以控制所述呼吸机压力维持装置100的压力值。

请一并参见图2，所述自适应压力与氧浓度控制方法包括：

s10，对呼吸过程动力学参数进行在线辨识，分别计算线性化气路阻尼系数和线性化动态顺气系数在所述步骤s10中，首先对呼吸过程进行建模，得到呼吸过程线性模型。在对所述线性模型进行变形的过程中，预设并测量所述线性模型中的需要的参数值。依据所述线性模型以及相关参数值，计算得到所述线性化气路阻尼系数和所述线性化动态顺气系数实现对呼吸过程动力学参数的在线辨识过程。

s20，依据所述线性化气路阻尼系数和所述线性化动态顺气系数进行自适应参数估计。在所述步骤s20中，由于系统的实际参数是在一定范围内变化，且变化的范围与呼吸机和病人的配合情况相关，即参数自适应过程对呼吸机的应用效果有着极为密切的关系。因此，将参数辨识结果用于参数估计，通过将投影参数自适应过程与所述线性化气路阻尼系数和所述线性化动态顺气系数相结合，可以完成所述自适应参数的估计。通过所述自适应参数可以对呼吸机中的压力和氧浓度实现自适应控制。

s30，结合所述自适应参数计算空氧混合流量控制信号ue，以实现压力自适应控制。在所述步骤s30中，通过所述空氧混合流量控制信号ue作用于所述空氧流量控制阀163，从而控制所述空氧混合器140压力的变化。由于所述自适应参数可以依据实际情况进行变化，因此可以保证所述呼吸机压力维持装置100中所述空氧混合器140气压的自适应变化。上述过程简单易行，无需增加呼吸机的复杂程度从而确保呼吸机的临床使用过程中压力的自适应控制。

s40，结合所述自适应参数分别计算空气流量控制信号uea和氧气流量控制信号ueo，以实现氧气浓度的自适应控制。在所述步骤s40中，通过所述空气流量控制信号uea和所述氧气流量控制信号ueo分别作用于所述空气流量控制阀162和所述氧气流量控制阀161，从而实现对所述呼吸机压力维持装置100中空气和氧气流量的控制，从而实现对氧气浓度的控制。依据所述自适应参数可以实现所述呼吸机压力维持装置100中氧气浓度的自适应变化。上述过程简单易行，无需增加呼吸机的复杂程度从而确保呼吸机的临床使用过程中氧气浓度的自适应控制。

所述自适应压力与氧浓度控制方法将压力维持过程与氧浓度维持过程进行了同步集中设计，将两路过程的特性均纳入控制信号设计中。在实际的使用中，随着器件老化、温度变化、湿度变化，呼吸机的部分器件的性能和特性会随之发生变化。通过所述自适应压力与氧浓度控制方法对控制信号进行调节，可以在器件或环境产生变化的情况下保证控制效果的准确和稳定。所述自适应压力与氧浓度控制方法简单易行，无需增加呼吸机的复杂程度的同时，可以保证压力和氧气浓度的同步调节，从而确保呼吸机的临床使用效果。此外，本申请克服了传统呼吸机压力控制与氧浓度维持分离设计的劣势，使得空氧混合器的压力与氧浓度能实现同步维持，同时，该装置的结构简单、易于集成、软硬件高度配合的特点，使得升级与维护方便、快捷。此外，由于参数在线估计与控制信号自适应调节的作用，本申请可以适应使用环境的变化、器件的老化稳定，提高产品的可靠性与使用寿命的同时，能够保持很好的临床使用效果。

请一并参见图3，所述自适应压力与氧浓度控制方法作用于所述带有压缩空气与氧气源的呼吸机压力维持装置100。首先预设空氧混合期望压力值pd，结合实际空氧混合压力值paw进行求差，从而计算得到压力误差值ep。依据压力自适应调节过程进行参数辨识和自适应控制，从而得到空氧混合流量控制信号ue，从而实现压力的自适应控制。为了维持所述空氧混合腔140的氧气浓度，利用预设氧气浓度s进行流量分配计算，分别获取所述期望空气比例sa和所述期望氧气比例so。结合计算得到的所述空氧混合流量控制信号ue，并分别使用所述氧气流量传感器171和所述空气流量传感器172测得的实际空氧混合腔140的氧气流量与空气流量。随后计算所述期望空气流量uea和所述期望氧气流量ueo分别与实际值的差值。依据参数自适应调节过程，通过所述空气流量控制阀162和所述氧气流量控制阀161分别使得空气与氧气的流量达到或接近期望流量。经自适应调试过程的空气与氧气均进入所述空氧混合腔140进行混合，从而实现氧浓度的控制。因此，所述自适应压力与氧浓度控制方法在实现氧浓度调节的同时，也实现了所述空氧混合腔140压力的维持。

请一并参见图4，在一个实施例中，所述步骤s10，包括：

s110，对呼吸过程进行建模，得到呼吸模型。在所述步骤s110中，首先对呼吸过程建立简化的线型模型，通过将所述线型模型改写为连续传递函数形式可以依据数字采样过程进行离散化处理，得到所述呼吸模型。所述呼吸模型的建立可以简化计算过程，从而为估计述线性化气路阻尼系数和所述线性化动态顺气系数提供计算模型。

s120，预设并测量中间参数值。在所述步骤s120中，所述相关中间参数值为预设空氧混合期望压力值pd、前后两次实际空氧混合压力值paw(k)、paw(k-1)以及前后两次测得的流量值f(k)、f(k-1)。所述实际空氧混合压力值paw(k)、paw(k-1)和所述流量值f(k)、f(k-1)均可以从所述空氧混合腔140中直接得出。中间参数测量过程操作简单，即直接从所述空氧混合腔140读出即可，从而实现了对所述自适应压力与氧浓度控制方法的进一步简化。

s130，依据所述呼吸模型及所述中间参数值，计算所述线性化气路阻尼系数和所述线性化动态顺气系数在所述步骤s130中，依据所述呼吸模型及所述中间参数值，结合迭代最小二乘法进行递推，从而完成所述线性化气路阻尼系数和所述线性化动态顺气系数的计算。由于所述线性化气路阻尼系数和所述线性化动态顺气系数能够反映系统真实参数的部分特征，因此可以作用控制信号设计的辅助信息。

请一并参见图5，在一个实施例中，所述步骤s110，包括：

s111，对呼吸过程进行建模，得到呼吸过程线型模型。在所述步骤s111中，对呼吸过程进行建模过程中，利用简化的线型模型，可以得到呼吸过程线型模型。所述呼吸过程线型模型可以描述如下：

其中，paw(t)是所述空氧混合腔140的气压(单位：cmh2o)。ve(t)是呼气时所述空氧混合腔140气量(单位：ml)。fe(t)是吸气时所述空氧混合腔140的气流速率(单位：ml·s^-1)。crs是线性化动态顺气系数(单位：cmh2o·ml^-1)。rrs是线性化气路阻尼系数(单位：cmh2o·s·ml^-1)。ve(t)为流量的积分，ve为时间。

s112，将呼吸过程的所述线型模型改写为连续传递函数。在所述步骤s112中，对呼吸过程动力学参数的进行在线辨识。将公式(1)改写为连续传递函数的形式，即：

其中，s为表示传递函数的虚数。

s113，将所述连续传递函数进行离散化处理，得到所述呼吸模型。在所述步骤s113中，由于实际的系统是含有采样工程的数字处理过程，采样周期为t。那么考虑零阶保持器的情况下，将传递函数离散化，可得：

其中，pδ(k)＝paw(k)-paw(k-1)为前后两次测得的压力差值，·(k)为时刻测量的信号的值，为待估计参数，γ^t(k)＝[f(k)f(k-1)]为前后两次的流量测量值。

在一个实施例中，所述步骤s120，包括：

s121，预设空氧混合期望压力值pd，测量实际空氧混合压力值paw，并计算压力误差ep＝paw-pd。在所述步骤s121中，当预设的所述空氧混合期望压力值为pd，依据所述实际空氧混合压力值paw，可以计算得到所述实际空氧混合压力值paw相比于预设的所述空氧混合期望压力值pd产生的压力误差值ep，所述压力误差值为ep(t)＝paw(t)-pd(t)。所述压力误差ep(t)＝paw(t)-pd(t)可以用于后续计算。

s122，连续两次测量所述空氧混合压力值paw(k)、paw(k-1)以及空氧混合流量值f(k)、f(k-1)。在所述步骤s122中，所述空氧混合压力值paw(k)、paw(k-1)以及空氧混合流量值f(k)、f(k-1)可以从所述空氧混合器140中直接读出。

s123，分别计算所述空氧混合压力差值pδ(k)＝paw(k)-paw(k-1)以及连续两次所述空氧混合流量值γ^t(k)＝[f(k)f(k-1)]。

在一个实施例中，所述步骤s130，包括：

s131，依据所述压力差值pδ(k)和连续两次所述空氧混合流量值γ(k)，结合迭代最小二乘法进行参数递推，从而估计得到待估计参数值θ^t(k)。在所述步骤s131中，利用最小二乘法，可以得到如下的参数递推估计方法：

其中，表示对θ(k)的估计。因此，利用迭代最小二乘法，估计出的值。所述的值可以用于计算所述线性化气路阻尼系数和所述线性化动态顺气系数

s132，依据待估计参数值θ^t(k)，计算线性化气路阻尼系数和线性化动态顺气系数在所述步骤s132中，估计出的值后，计算所述线性化气路阻尼系数和所述线性化动态顺气系数

需要说明的是，计算得到的所述线性化气路阻尼系数和所述线性化动态顺气系数并不是系统真实参数。因此，所述线性化气路阻尼系数和所述线性化动态顺气系数无法直接用于控制信号设计。但由于所述线性化气路阻尼系数和所述线性化动态顺气系数能够反映系统真实参数的部分特征，因此可以作用控制信号设计的辅助信息。通过统计可得所述线性化气路阻尼系数和所述线性化动态顺气系数估计值的下限和上限和所述线性化气路阻尼系数和所述线性化动态顺气系数的估计值的范围可以用于进行自适应参数估计，辅助进行所述空氧混合流量控制信号ue、所述空气流量控制信号uea和所述氧气流量控制信号ueo的设计。

在一个实施例中，所述步骤s20，包括：

s210，依据所述线性化气路阻尼系数和所述线性化动态顺气系数的统计值分别获取所述线性化气路阻尼系数和所述线性化动态顺气系数的上限值和下限值

s220，依据所述线性化气路阻尼系数和所述线性化动态顺气系数的上限值和下限值估计自适应参数

在所述步骤s210和所述步骤s220中，需要说明的是，系统的实际参数是在一定范围内变化，且变化的范围与呼吸机与病人的配合情况相关，即参数自适应过程对呼吸机的应用效果有着极为密切的关系。因此，将参数辨识结果用在参数估计的过程中，可得如下的投影参数自适应过程：

其中，λ＝diag{α1,α2,α3}是设计的对角矩阵，且α1，α2和α3为大于零的学习常数。所述对角矩阵和所述学习常数均依据实际情况进行设计。proj[·]为投影算子，用于限制参数估计的范围。所述参数估计范围可以根据参数估计的值得到，具体如下：其中为统计的流量变化关系，和分别为统计的到的上限和下限。

在一个实施例中，所述步骤s30，包括：s310，依据所述压力误差ep设计反馈增益k0ep。s320，依据所述反馈增益k0ep和所述自适应估计参数计算所述空氧混合流量控制信号ue，以实现压力自适应控制。

在所述步骤s310和所述步骤s320中，考虑流量控制的不确定性，流量控制信号与实际流量存在一定的差值，即实际流量为：

fe＝ue+de(7)

其中，ue是设计的空氧流量，de为流量误差。需要注意的是，当前的指令并不能即可反映到流量上，因此，需要利用前一时刻的流量误差估计当前流量误差，即：

de＝γdm(8)

其中，dm为前一时刻测量的流量误差，γ而为反映流量误差变化的参数。

综合考虑公式(1)-(3)，可得ep＝ve/crs+rrsue+rrsγdm-pd。改写为向量的形式，可得：

其中，b＝rrs为未知控制增益，为测量信号向量，为未知向量。所述位置向量需要利用参数自适应的方法，对其进行估计，并在控制信号的设计中使用。

利用自适应控制的方法，可以设计流量控制信号如下：

其中，k0ep为反馈增益，其中k0为选取的设计参数。所述设计参数依据实际情况进行确定。ep为期望压力与实际压力之差，为自适应估计参数，其获得方法见公式(6)。

在一个实施例中，所述步骤s40，包括：s410，依据预设氧气浓度s计算期望空气比例sa和期望氧气比例so。s420，依据所述期望空气比例sa和所述期望氧气比例so计算所述空气流量控制信号uea和所述氧气流量控制信号ueo，以实现氧气浓度的自适应控制。

请一并参见图6，在一个实施例中，所述步骤s410，包括：s411，依据所述预设氧气浓度s结合空气和氧气固定配比，计算所述期望空气比例sa和所述期望氧气比例so。在一个实施例中，所述步骤s420，包括：s421，依据所述期望空气比例sa和所述期望氧气比例so，以及所述反馈增益k0ep和所述自适应估计参数计算所述氧气流量控制信号uea和所述空气流量控制信号ueo，以实现氧气浓度的自适应控制。

在所述步骤s411和所述步骤s421中，预设所述氧气浓度s。由于氧气和空气位于不同的管路，则所述氧气流量控制信号ueo和所述空气流量控制信号uea满足，ueo+uea＝ue且因此，可以得到空气流量控制信号为：

同理，氧气流量的控制信号为：

其中，和

所述自适应压力与氧浓度控制方法综合考虑了期望压力、期望氧浓度的误差，解决了相关控制方法仅能单独控制压力或者氧浓度的问题。此外，所述自适应压力与氧浓度控制方法同时克服了因为系统参数变化造成的两路其他流量差异对氧浓度精度影响较大的问题。所述自适应压力与氧浓度控制方法具有方法简单、易于实现、功耗低、空氧混合气体压力稳定、氧浓度稳定且精度高等优点，提高了呼吸机的临床表现。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。