一种呼吸机人机适配评估方法与流程

1.本发明涉及呼吸机适配评估的技术领域，尤其涉及一种呼吸机人机适配评估方法。


背景技术：

2.由于环境污染和人口老龄化，呼吸系统疾病已成为国际四大慢性病之一，而家用呼吸机是其最有效的治疗手段，因此，国内呼吸机的市场规模以年均20％的速度递増。传统呼吸机参数调整需要人工修改参数，无法实现呼吸机参数的自适应修改。
3.鉴于此，本发明提出一种呼吸机人机适配评估方法，通过建立呼吸机人机适配评估模型，根据人机适配评估结果自适应修改参数，提高呼吸机人机适配性。


技术实现要素：

4.本发明提供一种呼吸机人机适配评估方法，目的在于(1)实现呼吸机人机适配性评估；(2)实现呼吸机人机适配参数的自适应控制。
5.实现上述目的，本发明提供的一种呼吸机人机适配评估方法，包括以下步骤：
6.s1：构建呼吸机人机适配参数控制模型；
7.s2：利用特征分解算法对呼吸机人机适配参数控制模型进行特征分解，得到呼吸机人机适配特征分量；
8.s3：获取呼吸机人机适配特征数据集，利用特征分解算法分解得到特征数据集的特征分量，并建立呼吸机人机适配模型；
9.s4：基于呼吸机人机适配模型建立呼吸机人机适配评估模型，利用呼吸机人机适配评估模型实现呼吸机人机适配评估。
10.作为本发明的进一步改进方法：
11.所述s1步骤中构建呼吸机人机适配参数控制模型中的参数分布函数，包括：
12.构建呼吸机人机适配参数控制模型中的参数分布函数，所构建的参数分布函数为：
[0013][0014]
其中：
[0015]
q表示呼吸机人机适配参数，包括呼吸机人机适配控制参数a以及呼吸机人机适配幅度调节参数b；在本发明一个具体实施例中，所述呼吸机人机适配控制参数包括控制呼吸机的电压值、功率等，所述呼吸机人机适配幅度调节参数包括调节呼吸机的速率、位置等；
[0016]
f(t)表示在t时刻的人机适配多维参数模型，f(t)＝a
t
β
t
+b
t
γ
t
，a
t
表示在t时刻的呼吸机人机适配控制参数，b
t
表示在t时刻的呼吸机人机适配幅度调节参数，β
t
以及γ
t
分别为a
t
和b
t
的系数；
[0017]
建立人机适配参数任务流c：
[0018][0019]
其中：
[0020]
q表示人机适配参数的尺度因子，将其设置为2。
[0021]
所述s1步骤中基于参数分布函数构建呼吸机人机适配参数控制模型，包括：
[0022]
建立呼吸机各组件之间的联合概率密度函数：
[0023][0024]
其中：
[0025]
pk表示呼吸机中组件k的解耦率，所述组件k的解耦率表示组件k与其他组件不存在连接关系的概率；
[0026]
构建呼吸机人机适配参数控制模型：
[0027][0028]
其中：
[0029]
y(q)为所建立的人机适配参数控制模型。
[0030]
所述s2步骤中对呼吸机人机适配参数控制模型进行特征分解，得到呼吸机人机适配特征分量，包括：
[0031]
根据所构建的呼吸机人机适配参数控制模型，利用特征分解算法对呼吸机人机适配参数控制模型进行特征分解，得到呼吸机人机适配特征分量，所述特征分解算法流程为：
[0032]
1)获取人机适配参数矩阵w：
[0033][0034]
其中：
[0035]qt
表示在t时刻的呼吸机人机适配参数；
[0036]at
表示在t时刻的呼吸机人机适配控制参数，b
t
表示在t时刻的呼吸机人机适配幅度调节参数；
[0037]
2)对呼吸机人机适配参数控制模型进行特征分解：
[0038][0039]
其中：
[0040]
x表示分解得到的人机适配参数特征；
[0041]
3)对分解得到的人机适配参数特征进行解析，得到人机适配参数特征分量：
[0042][0043]
其中：
[0044]
l(ai,bi)为人机适配参数组合为(ai,bi)的特征分量。
[0045]
所述s3步骤中获取呼吸机人机适配特征数据集，利用上述步骤的特征分解算法对
特征数据集进行分解处理，包括：
[0046]
获取呼吸机人机适配特征数据集r＝{r1,r2,
…
,rj,
…
,rn}，其中rj表示第j组呼吸机人机适配特征数据，所述呼吸机人机适配特征数据包括呼吸机人机适配参数以及人机适配评估分数；
[0047]
对于呼吸机人机适配特征数据集r中任意一组呼吸机人机适配特征数据rn，满足下述条件：
[0048][0049]
其中：
[0050]fn
(t)表示呼吸机人机适配特征数据rn的人机适配多维参数模型。
[0051]
所述s3步骤中建立呼吸机人机适配模型，包括：
[0052]
计算呼吸机人机适配模型的可靠性参数：
[0053][0054]
其中：
[0055]
ui表示呼吸机人机适配幅度调节频率；
[0056]
建立呼吸机人机适配模型u(rj)：
[0057]
u(rj)＝log2[ε-rj∫
0π
y(q)dq]-||y(q)-c||3[0058]
其中：
[0059]
y(q)为所建立的人机适配参数控制模型；
[0060]
c表示人机适配参数任务流。
[0061]
所述s4步骤中基于呼吸机人机适配模型建立呼吸机人机适配评估模型，利用所建立的呼吸机人机适配评估模型实现人机适配评估，包括：
[0062]
根据所建立的呼吸机人机适配模型，建立呼吸机人机适配评估目标函数：
[0063][0064]
其中：
[0065]
y表示人机适配参数控制模型，u表示呼吸机人机适配模型，q表示呼吸机人机适配参数；
[0066]
f(t)表示在t时刻的人机适配多维参数模型；
[0067]
f(t)表示呼吸机人机适配参数的参数分布函数；
[0068]
θ表示呼吸机人机适配系数矩阵；
[0069]
计算得到呼吸机人机适配评估概率密度函数：
[0070][0071]
其中：
[0072]
p(q)为呼吸机各组件之间的联合概率密度函数；
[0073]
α表示自适应权重；
[0074]
构建呼吸机人机适配评估模型：
[0075]
k(q)＝h(m(q))
[0076]
其中：
[0077]
h(
·
)为映射函数，将m(q)映射到[0,100]的评估分数区间，在本发明一个具体实施例中，本发明根据获取呼吸机人机适配特征数据集r，将呼吸机人机适配参数作为呼吸机人机适配评估概率密度函数的输入，得到对应的概率密度函数值，将概率密度函数值与对应的人机适配评估分数进行拟合，得到映射函数h(
·
)；
[0078]
通过将呼吸机人机适配参数作为呼吸机人机适配评估模型的输入，输出呼吸机人机适配评估分数，并根据呼吸机人机适配评估分数调整呼吸机人机适配参数，即若呼吸机人机适配评估分数较低，则优化人机适配参数，提高呼吸机人机适配评估分数。
[0079]
相对于现有技术，本发明提出一种呼吸机人机适配评估方法，该技术具有以下优势：
[0080]
首先，本方案通过结合呼吸机人机适配特征数据集构建人机适配模型，根据所建立的人机适配模型，在不同人机适配评估结果下采取不同的提高人机适配性的参数，所述人机适配模型的构建过程为：获取呼吸机人机适配特征数据集r＝{r1,r2,
…
,rj,
…
,rn}，其中rj表示第j组呼吸机人机适配特征数据，所述呼吸机人机适配特征数据包括呼吸机人机适配参数以及人机适配评估分数；对于呼吸机人机适配特征数据集r中任意一组呼吸机人机适配特征数据rn，满足下述条件：
[0081][0082]
其中：fn(t)表示呼吸机人机适配特征数据rn的人机适配多维参数模型。计算呼吸机人机适配模型的可靠性参数：
[0083][0084]
其中：ui表示呼吸机人机适配幅度调节频率；建立呼吸机人机适配模型u(rj)：
[0085]
u(rj)＝log2[ε-rj∫
0π
y(q)dq]-||y(q)-c||3[0086]
其中：y(q)为所建立的人机适配参数控制模型；c表示人机适配参数任务流，所述呼吸机人机适配模型表示在采取不同适配调度策略下的矩阵值，通过将人机适配模型转换为评估模型，即可计算得到在不同适配调度策略下的评估值，并可将评估值作为模型自变量，根据所建立的呼吸机人机适配模型，计算出提高人机适配性的适配调度策略，实现呼吸机人机适配参数的自适应控制。
[0087]
同时，本方案提出一种呼吸机人机适配评估模型，从而利用所建立的呼吸机人机适配评估模型实现人机适配评估，所述呼吸机人机适配评估模型的建立步骤如下，根据所建立的呼吸机人机适配模型，建立呼吸机人机适配评估目标函数：
[0088][0089]
其中：y表示人机适配参数控制模型，u表示呼吸机人机适配模型，q表示呼吸机人机适配参数；f(t)表示在t时刻的人机适配多维参数模型；f(t)表示呼吸机人机适配参数的参数分布函数；θ表示呼吸机人机适配系数矩阵；计算得到呼吸机人机适配评估概率密度函
数：
[0090][0091]
其中：p(q)为呼吸机各组件之间的联合概率密度函数；α表示自适应权重；构建呼吸机人机适配评估模型：
[0092]
k(q)＝h(m(q))
[0093]
其中：h(
·
)为映射函数，将m(q)映射到[0,100]的评估分数区间，本方案根据获取呼吸机人机适配特征数据集r，将呼吸机人机适配参数作为呼吸机人机适配评估概率密度函数的输入，得到对应的概率密度函数值，将概率密度函数值与对应的人机适配评估分数进行拟合，得到映射函数h(
·
)；本方案通过将呼吸机人机适配参数作为呼吸机人机适配评估模型的输入，输出呼吸机人机适配评估分数，并根据呼吸机人机适配评估分数调整呼吸机人机适配参数，即若呼吸机人机适配评估分数较低，则优化人机适配参数，提高呼吸机人机适配评估分数，从而实现呼吸机人机适配性的优化调度。
附图说明
[0094]
图1为本发明一实施例提供的一种呼吸机人机适配评估方法的流程示意图；
[0095]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0096]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0097]
s1：构建呼吸机人机适配参数控制模型。
[0098]
所述s1步骤中构建呼吸机人机适配参数控制模型中的参数分布函数，包括：
[0099]
构建呼吸机人机适配参数控制模型中的参数分布函数，所构建的参数分布函数为：
[0100][0101]
其中：
[0102]
q表示呼吸机人机适配参数，包括呼吸机人机适配控制参数a以及呼吸机人机适配幅度调节参数b；在本发明一个具体实施例中，所述呼吸机人机适配控制参数包括控制呼吸机的电压值、功率等，所述呼吸机人机适配幅度调节参数包括调节呼吸机的速率、位置等；
[0103]
f(t)表示在t时刻的人机适配多维参数模型，f(t)＝a
t
β
t
+b
t
γ
t
，a
t
表示在t时刻的呼吸机人机适配控制参数，b
t
表示在t时刻的呼吸机人机适配幅度调节参数，β
t
以及γ
t
分别为a
t
和b
t
的系数；
[0104]
建立人机适配参数任务流c：
[0105][0106]
其中：
[0107]
q表示人机适配参数的尺度因子，将其设置为2。
[0108]
所述s1步骤中基于参数分布函数构建呼吸机人机适配参数控制模型，包括：
[0109]
建立呼吸机各组件之间的联合概率密度函数：
[0110][0111]
其中：
[0112]
pk表示呼吸机中组件k的解耦率，所述组件k的解耦率表示组件k与其他组件不存在连接关系的概率；
[0113]
构建呼吸机人机适配参数控制模型：
[0114][0115]
其中：
[0116]
y(q)为所建立的人机适配参数控制模型。
[0117]
s2：利用特征分解算法对呼吸机人机适配参数控制模型进行特征分解，得到呼吸机人机适配特征分量。
[0118]
所述s2步骤中对呼吸机人机适配参数控制模型进行特征分解，得到呼吸机人机适配特征分量，包括：
[0119]
根据所构建的呼吸机人机适配参数控制模型，利用特征分解算法对呼吸机人机适配参数控制模型进行特征分解，得到呼吸机人机适配特征分量，所述特征分解算法流程为：
[0120]
1)获取人机适配参数矩阵w：
[0121][0122]
其中：
[0123]qt
表示在t时刻的呼吸机人机适配参数；
[0124]at
表示在t时刻的呼吸机人机适配控制参数，b
t
表示在t时刻的呼吸机人机适配幅度调节参数；
[0125]
2)对呼吸机人机适配参数控制模型进行特征分解：
[0126][0127]
其中：
[0128]
x表示分解得到的人机适配参数特征；
[0129]
3)对分解得到的人机适配参数特征进行解析，得到人机适配参数特征分量：
[0130][0131]
其中：
[0132]
l(ai,bi)为人机适配参数组合为(ai,bi)的特征分量。
[0133]
s3：获取呼吸机人机适配特征数据集，利用特征分解算法分解得到特征数据集的特征分量，并建立呼吸机人机适配模型。
[0134]
获取呼吸机人机适配特征数据集r＝{r1,r2,
…
,rj,
…
,rn}，其中rj表示第j组呼吸机人机适配特征数据，所述呼吸机人机适配特征数据包括呼吸机人机适配参数以及人机适配评估分数；
[0135]
对于呼吸机人机适配特征数据集r中任意一组呼吸机人机适配特征数据rn，满足下述条件：
[0136][0137]
其中：
[0138]fn
(t)表示呼吸机人机适配特征数据rn的人机适配多维参数模型。
[0139]
所述s3步骤中建立呼吸机人机适配模型，包括：
[0140]
计算呼吸机人机适配模型的可靠性参数：
[0141][0142]
其中
[0143]
ui表示呼吸机人机适配幅度调节频率；
[0144]
建立呼吸机人机适配模型u(rj)：
[0145]
u(rj)＝log2[ε-rj∫
0π
y(q)dq]-||y(q)-c||3[0146]
其中：
[0147]
y(q)为所建立的人机适配参数控制模型；
[0148]
c表示人机适配参数任务流。
[0149]
s4：基于呼吸机人机适配模型建立呼吸机人机适配评估模型，利用呼吸机人机适配评估模型实现呼吸机人机适配评估。
[0150]
所述s4步骤中基于呼吸机人机适配模型建立呼吸机人机适配评估模型，利用所建立的呼吸机人机适配评估模型实现人机适配评估，包括：
[0151]
根据所建立的呼吸机人机适配模型，建立呼吸机人机适配评估目标函数：
[0152][0153]
其中：
[0154]
y表示人机适配参数控制模型，u表示呼吸机人机适配模型，q表示呼吸机人机适配参数；
[0155]
f(t)表示在t时刻的人机适配多维参数模型；
[0156]
f(t)表示呼吸机人机适配参数的参数分布函数；
[0157]
θ表示呼吸机人机适配系数矩阵；
[0158]
计算得到呼吸机人机适配评估概率密度函数：
[0159][0160]
其中：
[0161]
p(q)为呼吸机各组件之间的联合概率密度函数；
[0162]
α表示自适应权重；
[0163]
构建呼吸机人机适配评估模型：
[0164]
k(q)＝h(m(q))
[0165]
其中：
[0166]
h(
·
)为映射函数，将m(q)映射到[0,100]的评估分数区间，在本发明一个具体实施例中，本发明根据获取呼吸机人机适配特征数据集r，将呼吸机人机适配参数作为呼吸机人机适配评估概率密度函数的输入，得到对应的概率密度函数值，将概率密度函数值与对应的人机适配评估分数进行拟合，得到映射函数h(
·
)；
[0167]
通过将呼吸机人机适配参数作为呼吸机人机适配评估模型的输入，输出呼吸机人机适配评估分数，并根据呼吸机人机适配评估分数调整呼吸机人机适配参数，即若呼吸机人机适配评估分数较低，则优化人机适配参数，提高呼吸机人机适配评估分数。
[0168]
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
[0169]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0170]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。