技术特征：
1.基于大滑环锥形束双源能谱ct的网络学习控制方法，用于控制多套x光源以及多套影像探测器进行双源能谱ct扫描，其特征在于，包括以下内容：采用基于ethercat网络学习的pid自适应控制方法控制大滑环ct旋转运动的速度，利用bp神经网络调节pid控制器的参数；控制多套x光源同步出束；采用一个控制信号同时控制多套影像探测器同步触发采图。2.根据权利要求1所述的网络学习控制方法，其特征在于，采用基于ethercat网络学习的pid自适应控制方法控制大滑环ct旋转运动的速度，具体包括以下步骤：s1.1：选定bp神经网络的结构；s1.2：实时测量大滑环ct的位置；s1.3：计算大滑环ct的实时速度，并计算速度误差和加速度；s1.4：前m个时刻的速度误差和加速度作为运动控制器bp神经网络的输入，同时也作为智能驱动器的pid控制器输入；s1.5：计算bp神经网络的各层神经元的输入和输出，输出层的输出即为pid控制器的三个可调参数k
p
、k
i
、k
d
；s1.6：计算pid控制器的控制输出；s1.7：计算修正bp神经网络输出层的加权系数；s1.8：计算修正bp神经网络隐含层的加权系数；s1.9：重复步骤s1.2～s1.9直至修正完所有pid控制器的采样点。3.根据权利要求2所述的网络学习控制方法，其特征在于，pid控制器根据定值r(t)与实际输出值y(t)构成控制偏差：e(t)＝r(t)-y(t)；连续情况下pid控制器的控制输出为：式中，k
p
为比例系数，t
i
为积分时间常数，t
d
为微分时间常数；离散情况下pid控制器的控制输出为：δu(k)＝k
p
(e(k)-e(k-1))+k
i
e(k)+k
d
(e(k)-2e(k-1)+e(k-2))；(2)式中，k
i
＝k
p
*t/t
i
，k
d
＝k
p
*t/t
d
；t为采样周期，k为采样序号。4.根据权利要求3所述的网络学习控制方法，其特征在于，bp神经网络的结构具体为：bp神经网络的输入层输入为：式中，m为输入层的节点数；bp神经网络的隐含层输出为：
式中，w
ij(2)
为隐含层权系数；w
im(2)
为阈值，w
im(2)
＝θ
i
，θ
i
代表隐含层第i个神经元的阈值；f[
·
]为活化函数，f[
·
]＝tanh(x)；q为隐含层节点数；bp神经网络的输出层的输入输出为：式中，w
li(3)
为输出层加权系数；w
lq(3)
为阈值，w
lq(3)
＝θ
l
，θ
l
代表输出层第l个神经元的阈值；g[
·
]为活化函数，满足g[
·
]＝(1/2)[1+tanh(x)]；上标(1)，(2)，(3)分别表示输入层、隐含层、输出层；设性能指标函数为：式中，r代表期望速度，y代表实际速度，z代表速度误差；根据最速下降法修正网络的加权系数，即按j对加权系数的负梯度方向搜索调整，并附加一个搜索快速收敛全局极小的惯性项，得到下式：式中：η为学习速率，α为惯性系数。5.根据权利要求4所述的网络学习控制方法，其特征在于，选定bp神经网络的结构，具体包括以下内容：选定bp神经网络输入层的节点数m和隐含层节点数q，并给出bp神经网络隐含层加权系数的初值w
ij(2)
(0)、输出层加权系数的初值w
li(3)
(0)，选定学习速率η和惯性系数α,k＝1。6.根据权利要求5所述的网络学习控制方法，其特征在于，bp神经网络输出层的加权系数的计算公式为：
式中，g'[
·
]＝g(x)[1-g(x)]；s1.7中，根据式(8)计算修正bp神经网络输出层的加权系数。7.根据权利要求6所述的网络学习控制方法，其特征在于，bp神经网络隐含层的加权系数的计算公式为：式中，f'[
·
]＝[1-f2(x)]/2；s1.8中，根据式(9)计算修正bp神经网络隐含层的加权系数。8.根据权利要求1-7任一项所述的网络学习控制方法，其特征在于，多套x光源的开始时间同步，且结束时间同步。9.根据权利要求1-7任一项所述的网络学习控制方法，其特征在于，多套影像探测器同步触发采图具体包括以下内容：大滑环ct开始旋转，发送影像触发脉冲触发多套影像探测器同步采图；根据大滑环ct实时速度v、当前大滑环ct的位置编码器值y和前几个时刻大滑环ct的位置编码器值y
i
，利用三次样条预测算法预测下一时刻的位置编码器值y
j
，同时预测下一时刻的旋转速度v
j
，则下一个影像触发脉冲的时间为360/(t*p)*x/v
j
；其中：t为大滑环ct旋转一周的时间，p为1s影像探测器均匀采图的张数，x为大滑环ct旋转1
°
的编码器值。10.基于大滑环锥形束双源能谱ct的网络学习控制设备，其特征在于，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由一个或多个处理器执行，所述的一个或多个程序包括如权利要求1-9中任一项所述的基于大滑环锥形束双源能谱ct的网络学习控制方法的指令。
技术总结
本发明公开一种基于大滑环锥形束双源能谱CT的网络学习控制方法及设备，网络学习控制方法用于控制多套X光源以及多套影像探测器进行双源能谱CT扫描，包括以下内容：采用基于EtherCAT网络学习的PID自适应控制方法控制大滑环CT旋转运动的速度，利用BP神经网络调节PID控制器的参数；控制多套X光源同步出束；采用一个控制信号同时控制多套影像探测器同步触发采图。本发明采用基于EtherCAT网络学习的PID自适应控制方法控制大滑环CT旋转运动的速度，利用BP神经网络调节PID控制器的参数，PID控制器参数的自适应调节能够兼顾速度控制的快速性、稳定性和鲁棒性。稳定性和鲁棒性。稳定性和鲁棒性。
技术研发人员：易军 姚毅
受保护的技术使用者：苏州雷泰医疗科技有限公司
技术研发日：2022.01.19
技术公布日：2022/5/25