一种X射线源的输出强度控制方法及系统与流程

一种x射线源的输出强度控制方法及系统
技术领域
1.本发明一般地涉及x射线领域。更具体地，本发明涉及一种x射线源的输出强度控制方法及系统。


背景技术：

2.自1985年德国物理学家伦琴发现x射线以来，随着社会经济和技术的发展，x射线的应用越来越广泛，如在医学、pcb检测等领域都有x射线的影子，这为我们的科技发展、日常生活带来了巨大的影响。与此同时，为了适应x射线的各种使用需求，产生x射线的x射线源也被不断的开发和改进。
3.在更为具体的应用中，各种x射线源需根据实际应用场景产生对应输出强度的x射线。根据x射线的输出强度和工作电压，以及灯丝电流呈特定变化的特点，目前，较常见的x射线源输出强度控制方式是通过控制x射线源的工作电压和灯丝电流稳定在设定值附近来控制x射线源的输出强度稳定。
4.发明人在实现本发明的过程中发现：即使x射线源的工作电压与灯丝电流稳定，其实际的输出强度也可能是波动的。然而，在一些具体应用场景下，x射线源的输出强度稳定性是必须的，但已有的x射线源只能在一定时间或者条件得到稳定的输出强度，导致x射线源难以满足长时间的工作需求。


技术实现要素：

5.为解决上述一个或多个技术问题，本发明实施例提出将x射线源的工作温度用于x射线源的输出强度控制。为此，本发明在如下的多个方面中提供方案。
6.在第一方面中，本发明实施例提供一种x射线源的输出强度控制方法，包括：获取x射线源的实际输出强度和工作参数，所述工作参数包括：工作电压、灯丝电流和工作温度；根据所述工作电压、所述灯丝电流、所述工作温度和预设输出强度预测模型，确定输出强度预测值，所述预设输出强度预测模型是根据样本数据训练得到的；将所述实际输出强度、所述输出强度预测值、所述x射线源的输出强度目标值输入预设控制器模型，确定与所述输出强度目标值对应的目标工作电压和目标灯丝电流；
7.利用所述目标工作电压和所述目标灯丝电流控制所述x射线源工作。
8.在第一方面的一种具体实施方式中，所述工作参数还包括：射线管形状参数、空气湿度和设备传输损耗；根据所述工作电压、所述灯丝电流、所述工作温度和预设输出强度预测模型，确定输出强度预测值，包括：将所述工作电压、所述灯丝电流、所述工作温度、所述射线管形状参数、所述空气湿度和所述设备传输损耗输入预设输出强度预测模型，得到输出强度预测值。
9.在第一方面的一种具体实施方式中，根据所述实际输出强度、所述输出强度预测值和所述x射线源的输出强度目标值确定与所述输出强度目标值对应的目标工作电压和目标灯丝电流，包括：根据所述实际输出强度、所述输出强度预测值和所述x射线源的输出强
度目标值确定与所述输出强度目标值对应的初始目标工作电压和初始目标灯丝电流；计算工作电压设定值与所述初始目标工作电压之间的第一差值，以及灯丝电流设定值与所述初始目标灯丝电流之间的第二差值；在所述第一差值小于第一差值阈值，且所述第二差值小于第二差值阈值时，将所述工作电压设定值作为所述目标工作电压，将所述灯丝电流设定值作为所述目标灯丝电流；在所述第一差值大于等于第一差值阈值，和/或，所述第二差值大于等于第二差值阈值时，将所述初始目标工作电压作为所述目标工作电压，将所述初始目标灯丝电流作为所述目标灯丝电流。
10.在第一方面的一种具体实施方式中，利用所述目标工作电压和所述目标灯丝电流控制所述x射线源工作，包括：采用pwm控制的方式产生所述目标工作电压和所述目标灯丝电流以控制所述x射线源工作。
11.在本发明实施例的一种具体实施方式中，所述预设输出强度预测模型为rbf神经网络模型。
12.在第一方面的一种具体实施方式中，所述rbf神经网络模型的训练过程如下：获取多个样本数据，每个样本数据包括：历史实际输出强度、历史工作电压、历史灯丝电流和历史工作温度；针对每个样本数据，将历史工作电压、历史灯丝电流和历史工作温度输入初始rbf神经网络模型进行训练，得到每个样本数据对应的历史输出强度预测值，直至每个样本数据中的历史实际输出强度和对应的历史输出强度预测值之间的差值小于预设阈值，确定训练后的初始rbf神经网络模型为所述rbf神经网络模型。
13.在第一方面的一种具体实施方式中，还包括：将所述工作电压、所述灯丝电流和所述工作温度输入所述rbf神经网络模型，以更新所述rbf神经网络模型。
14.在第一方面的一种具体实施方式中，所述预设控制器模型为pid控制器模型。
15.在第二方面中，本发明实施例还公开一种x射线源的输出强度控制系统，包括：信号采集装置和调节控制装置；所述信号采集装置用于采集x射线源的实际输出强度并发送给所述调节控制装置，所述调节控制装置还与所述x射线源连接，以获取所述x射线源的工作参数，所述调节控制装置用于执行第一方面中任一项所述的输出强度控制方法。
16.在第二方面的一种具体实施方式中，还包括：监控设备，所述监控设备分别与所述信号采集装置和所述x射线源连接，所述监控设备用于在监测到所述信号采集装置的工作状态异常和/或所述x射线源的工作状态异常时，发出报警信息。
17.在第二方面的一种具体实施方式中，所述调节控制装置包括：控制系统和上位机，所述上位机用于训练所述预设输出强度预测模型，并将所述预设输出强度预测模型发送给所述控制系统，所述控制系统用于执行x射线源的输出强度控制操作。
18.在第二方面的一种具体实施方式中，所述信号采集装置包括：信号接收反射设备和x射线探测器，所述信号接收反射设备用于接收所述x射线源输出的x射线，并部分的反射给所述x射线探测器，所述x射线探测器用于采集所述信号接收反射设备反射的x射线并将其表征的x射线源的实际输出强度发送给所述调节控制装置。
19.本发明实施例提供的一种x射线源的输出强度控制方法及系统，由于利用工作电压、灯丝电流、工作温度对x射线源的输出强度进行了预测，并基于实际输出强度、输出强度预测值、x射线源的输出强度目标值确定与输出强度目标值对应的目标工作电压和目标灯丝电流，使得目标工作电压和目标灯丝电流的确定过程考虑了x射线源长时间工作时温度
升高导致的温漂问题，提升了x射线源的输出强度稳定性。
附图说明
20.通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
21.图1是本发明实施例提供的一种x射线源的输出强度控制方法的流程示意图；
22.图2是本发明实施例提供的一种x射线源的输出强度控制方法的原理框图；
23.图3是本发明实施例提供的一种x射线源的输出强度控制系统的结构示意图；以及
24.图4是本发明实施例提供的又一种x射线源的输出强度控制系统的结构示意图。
具体实施方式
25.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
26.如前所述，目前已有技术通过控制x射线源的工作电压和灯丝电流稳定在设定值来控制x射线源的输出强度稳定。也即，对于x射线源的输出强度稳定性控制基本上是通过工作电压与灯丝电流的参数来进行后置调节的，当工作电压与灯丝电流按照设定值达到稳定状态时即被认为x射线源的输出强度稳定。该方式在一定时间内会得到稳定的输出强度。
27.但发明人在实现本发明实施例的过程中发现：随着x射线源工作时间的延长，即使x射线源的工作电压与灯丝电流稳定，x射线源的输出强度也将出现波动。
28.基于此，本发明实施例提供x射线源的输出强度控制方法及系统，以提升x射线源的输出强度稳定性。
29.为方便理解，首先对本发明实施例的设计构思进行说明。本发明实施例在发现即使x射线源的工作电压与灯丝电流稳定，x射线源的输出强度也将出现波动的基础上，提出在确定输出强度目标值对应的目标工作电压和目标灯丝电流时，同时考虑了诸如工作温度或更多工作参数的影响。具体手段是：实时获取x射线源的工作电压、灯丝电流和工作温度或者更多的工作参数的前提下，根据实时获取的工作参数和预设输出强度预测模型确定输出强度预测值，将实时获取的x射线源的实际输出强度、输出强度预测值、x射线源的输出强度目标值输入预设控制器模型，确定与输出强度目标值对应的目标工作电压和目标灯丝电流。如此，将实时的工作温度或更多工作参数考虑进了目标工作电压和目标灯丝电流的确定过程，目标工作电压和目标灯丝电流是动态的，是和实时的工况匹配的，x射线源的输出强度也能更好地维持在x射线源的输出强度目标值附近，x射线源的输出稳定性得到提升。换句话说，本发明实施例考虑到了工作温度对x射线源的输出强度值的影响，即发现和考虑到了为维持x射线源的输出强度目标值，在不同的工作温度时需配置不同的工作电压和灯丝电流。
30.需要说明的是，输出强度目标值也即在某一具体使用场景下所需要的x射线输出强度值。可以理解的是，在不同的使用场景下所需要的x射线输出强度值可以不同，但在同
一具体使用场景下，我们期望x射线输出强度值是稳定的，或者说在一个可接受的范围内波动。
31.下面结合附图来详细描述本发明的具体实施方式。
32.参见图1，为本发明实施例提供的一种x射线源的输出强度控制方法的流程示意图，该方法的执行主体可以为具备信息获取能力和计算能力的电子设备，如计算机、服务器、智能终端等，在对应的系统实施例中，我们称之为调节控制装置。其中，此处的信息可以为信号，也可为数据。该方法可以包括：
33.在步骤s101中，获取x射线源的实际输出强度和工作参数。
34.其中，步骤s101中所述的x射线源可以为栅极x射线源、双阳极x射线源等常见的x射线源。x射线源可以包括x射线管、为x射线管提供工作电压的高压电源以及用于热平衡的水冷系统。
35.在实际应用中，可利用信号采集装置实时采集x射线源的实际输出强度并发送给调节控制装置。在一种实现方式中，该信号采集装置可以包括信号接收反射设备和x射线探测器。进一步地，信号接收反射设备用于接收所述x射线源输出的x射线，并部分的反射给x射线探测器，x射线探测器用于采集信号接收反射设备反射的x射线并将其表征的x射线源的实际输出强度发送给调节控制装置。更为具体地，x射线探测器可以为闪烁计数器，闪烁计数器包括闪烁体与光电倍增管，可用于采集x射线的信号强度。可以理解的是，本发明实施例也可采用已有技术中其他方式获取x射线源的实际输出强度，本发明实施例对此不做限定。
36.另外，在步骤s101中获取的工作参数可以包括：工作电压、灯丝电流和工作温度。此处需要说明的是，工作温度用于表征x射线源工作过程中自身的特征温度，例如可以为靶材温度、管体温度等。特别地，管体温度相对容易获得，因此，一般情形下可将管体温度作为工作温度使用。但靶材温度也可以作为工作温度使用，只是靶材温度测量难度相对较大。实际应用中，可通过在管体或靶材位置布置温度传感器的方式获取管体温度或靶材温度。
37.在步骤s102中，根据工作电压、灯丝电流、工作温度和预设输出强度预测模型，确定输出强度预测值。
38.在对步骤s102进行具体说明之前，为方便对本发明实施例有更为全面的理解，这里首先对本发明实施例利用预设输出强度预测模型进行x射线源的输出强度预测的原因，以及预测过程中使用工作温度的原因进行说明。原因如下：
39.现有x射线源的输出强度稳定性缺乏预测系统，即通过过程控制以灯丝电流和工作电压的测量结果来反馈x射线源的输出强度，该方式可以在一定时间或者条件取得稳定结果。然而，发明人在实现本发明的过程中发现实际情况是灯丝电流和工作电压并不能唯一确定x射线源的输出强度。如此，使用已有技术中的对x射线源的输出强度缺乏预测性的方式，长时间下的x射线源的输出强度控制并不稳定，这将对需要长时间利用x射线的场景产生不利影响。例如，将已有方式应用到连续工作下的元素的微量、痕量检测与分析场景下，检测结果并不可靠，甚至得不到检测结果。
40.而预测过程中使用工作温度的原因在于：发明人在实现本发明的过程中发现在x射线源实际工作的过程中，工作温度(实际上是靶材温度，但由于靶材温度与管体温度存在对应关系，因此实际应用中可采用管体温度)会导致x射线从产生到从窗口输出这一阶段发
生损耗，尤其是长时间工作导致的温度变化，会产生输出温漂问题，这使得即使x射线源的工作电压与灯丝电流稳定，其实际的输出强度也是波动的。
41.而步骤s102中根据工作电压、灯丝电流、工作温度和预设输出强度预测模型，确定输出强度预测值，使得本发明实施例一方面实现了x射线源的输出强度预测，同时在预测时考虑了工作温度的因素，为后续x射线源的输出强度稳定控制提供了保证，也使得利用x射线源进行的检测和分析更加可靠。如应用到荧光光谱测定等领域，x射线源的调节控制装置能够获得更稳定的采样光谱，从而获得更准确的定性分析与定量分析数据。
42.更进一步地，本发明实施例中预设输出强度预测模型是根据样本数据训练得到的。在实际应用中，预设输出强度预测模型可以为rbf(radial basis function，径向基函数)神经网络模型、随机森林算法模型、xgboost模型、决策树模型等可以通过训练进行物理量(如输出强度)预测的机器学习模型。
43.下面以预设输出强度预测模型为rbf神经网络模型为例，对模型的训练过程做一介绍。在第一方面的一种具体实施方式中，rbf神经网络模型的训练过程如下：
44.首先，获取多个样本数据。
45.其中，样本数据的多少根据实际情况而定，以能对x射线源的输出强度做出满足应用精度的预测为准。每个样本数据包括：历史实际输出强度、历史工作电压、历史灯丝电流和历史工作温度。这里的历史实际输出强度、历史工作电压、历史灯丝电流和历史工作温度可以为本发明实施例执行之前，x射线源在工作状态下采集的输出强度、工作电压、灯丝电流和工作温度。
46.然后，针对每个样本数据，将历史工作电压、历史灯丝电流和历史工作温度输入初始rbf神经网络模型进行训练，得到每个样本数据对应的历史输出强度预测值，直至每个样本数据中的历史实际输出强度和对应的历史输出强度预测值之间的差值小于预设阈值，确定训练后的初始rbf神经网络模型为rbf神经网络模型。其中，预设阈值可以为标定值，也可以为经验值，实际应用中其大小应既能保证rbf神经网络模型的输出强度预测精度，又使得训练时长处于可接受范围内。
47.更为具体地，rbf神经网络模型训练过程为：选择神经网络隐层的激活函数，构造rbf神经网络模型
→
将样本数据输入构造的rbf神经网络模型
→
样本数据映射至神经网络隐层中
→
进行rbf神经网络模型训练，确定基函数的中心点、方差，以及神经网络隐层至输出层的权值
→
将神经网络隐层的输出值加权求和后输出
→
得到输出强度预测值，直至每个样本数据中的历史实际输出强度和对应的历史输出强度预测值之间的差值小于预设阈值，确定rbf神经网络模型完成训练。
48.可以理解的是，在x射线源一致性较好的情形下，不同的x射线源可以使用同一预设输出强度预测模型。
49.需要说明的是，其他预设输出强度模型的训练过程可参见rbf神经网络模型，本发明实施例不再赘述。
50.在步骤s103中，将实际输出强度、输出强度预测值、x射线源的输出强度目标值输入预设控制器模型，确定与输出强度目标值对应的目标工作电压和目标灯丝电流。
51.其中，x射线源的输出强度目标值为我们期望的输出强度值，其在具体场景下是一定的。
52.另外，实际应用中，能够根据实际输出强度、输出强度预测值、x射线源的输出强度目标值确定与输出强度目标值对应的目标工作电压和目标灯丝电流的模型可以作为步骤s103中的预设控制器模型。该预设控制器模型的特点是能够根据物理量的测量值、预测值和目标值确定目标值对应的控制量。具体到本发明实施例中，即能够根据实际输出强度、输出强度预测值、x射线源的输出强度目标值确定与输出强度目标值对应的目标工作电压和目标灯丝电流的模型。在具体应用中，预设控制器模型可以为pid(proportion integral differential，比例积分微分)控制器模型、卡尔曼滤波算法模型等。
53.经过步骤s102的预测过程和步骤s103的目标工作电压和目标灯丝电流确定过程，一方面实现了x射线源的输出强度预测，另一方面对目标工作电压和目标灯丝电流的获取过程进行了优化，使得最终x射线源的输出强度稳定性和精度都得到了提升。
54.在步骤s104中，利用目标工作电压和目标灯丝电流控制x射线源工作。
55.具体地，利用目标工作电压和目标灯丝电流控制x射线源工作的方式可参见已有技术，与已有技术不同的是本发明实施例的目标工作电压和目标灯丝电流的确定过程。如可采用pwm(pulse width modulation，脉冲宽度调制)控制的方式控制x射线源工作，以得到稳定的x射线输出强度。此时，步骤s104可以包括：采用pwm控制的方式产生所述目标工作电压和所述目标灯丝电流以控制所述x射线源工作。
56.可以理解的是，在实际应用中，也可采用其他方式控制x射线源工作，如可采用pfm(pulse frequency modulation，脉冲频率调制)控制的方式控制x射线源工作。
57.本发明实施例提供的一种x射线源的输出强度控制方法，由于利用工作电压、灯丝电流、工作温度对x射线源的输出强度进行了预测，并基于实际输出强度、输出强度预测值、x射线源的输出强度目标值确定与输出强度目标值对应的目标工作电压和目标灯丝电流，使得目标工作电压和目标灯丝电流的确定过程考虑了x射线源长时间工作时温度升高导致的温漂问题，提升了x射线源的输出强度稳定性。
58.发明人在实现本发明的过程中还发现，除了工作温度会导致x射线从产生到从窗口输出这一阶段发生损耗外，射线管形状、空气湿度以及内部传输损耗等因素也会导致x射线从产生到从窗口输出这一阶段发生损耗。其中，射线管形状可以用靶面的倾斜角度、外形尺寸等射线管形状参数表征，内部传输损耗也可称之为设备传输损耗，由x射线源的功耗、散热、材料温升特性等确定，可通过标定获取。
59.为此，在本发明实施例中的一种具体实施方式中，步骤s101获取的工作参数还可以包括：射线管形状参数、空气湿度和设备传输损耗。
60.相应的，步骤s102可以包括：
61.将工作电压、灯丝电流、工作温度、射线管形状参数、空气湿度和设备传输损耗输入预设输出强度预测模型，得到输出强度预测值。
62.可以理解的是，此时预设输出强度预测模型在训练时，不仅需要输入工作电压、灯丝电流和工作温度，还需输入射线管形状参数、空气湿度和设备传输损耗等工作参数。
63.具体地，仍以rbf神经网络模型为例，此时rbf神经网络模型的训练过程如下：
64.首先，获取多个样本数据。每个样本数据包括：历史实际输出强度、历史工作电压、历史灯丝电流、历史工作温度、射线管形状参数、历史空气湿度和设备传输损耗。
65.然后，针对每个样本数据，将历史工作电压、历史灯丝电流、历史工作温度、射线管
形状参数、历史空气湿度和设备传输损耗输入初始rbf神经网络模型进行训练，得到每个样本数据对应的历史输出强度预测值，直至每个样本数据中的历史实际输出强度和对应的历史输出强度预测值之间的差值小于预设阈值，确定训练后的初始rbf神经网络模型为rbf神经网络模型。
66.该具体实施方式中，对x射线源的工作电压、灯丝电流以及实际出射强度进行探测，同时采集了x射线源的功耗、散热以及材料温升特性，通过预设输出强度预测模型对x射线源的输出强度进行预测，利用预设输出强度预测模型与预设控制器模型结合的方法对系统进行反馈调节，在预测x射线源的各项工作参数变化的情况下动态调节工作电压和灯丝电流，进而对x射线源的输出强度进行精准的预测和控制，最终达到提高x射线源的输出强度稳定性以及确保输出精度的目的。换句话说，在对x射线源的输出强度预测时考虑了射线管形状参数、历史空气湿度和设备传输损耗等更多的工作参数，得到的输出强度预测值更加准确、可靠，进一步提升了x射线源的输出强度稳定性。
67.需要说明的是，x射线源的输出强度预测时射线管形状参数、历史空气湿度和设备传输损耗并不是必须的，原则上只考虑工作温度的因素也能提升x射线源的输出强度稳定性，只是在考虑工作温度的同时考虑射线管形状参数、历史空气湿度和设备传输损耗的情况下，能够训练得到更优的预设输出强度预测模型，也能得到更精确的输出强度预测值。
68.下面对前述实施例作进一步的改进。具体地，在步骤s103执行的过程中，如果只要实时计算出的目标工作电压和目标灯丝电流与上一时刻或周期计算出的目标工作电压和目标灯丝电流不同，即对目标工作电压和目标灯丝电流进行调整，势必会造成频繁的切换控制过程。为此，在本发明实施例的一种具体实施方式中，步骤s103可以包括以下步骤：
69.首先，根据实际输出强度、输出强度预测值和x射线源的输出强度目标值确定与输出强度目标值对应的初始目标工作电压和初始目标灯丝电流。
70.其次，计算工作电压设定值与初始目标工作电压之间的第一差值，以及灯丝电流设定值与初始目标灯丝电流之间的第二差值。
71.其中，工作电压设定值和工作电流设定值的大小根据具体的应用场景确定，即在相应的应用场景下，在工作电压设定值和灯丝电流设定值下，x射线源是能够产生一个满足该应用场景需求的x射线输出强度的，其稳定性是可以保证的。如在x射线源开始正常工作的一段时间内，其在工作电压设定值和灯丝电流设定值下就能够产生满足需求的x射线。
72.最后，在第一差值小于第一差值阈值，且第二差值小于第二差值阈值时，将工作电压设定值作为目标工作电压，将灯丝电流设定值作为目标灯丝电流。与之相应的，在第一差值大于等于第一差值阈值，和/或，第二差值大于等于第二差值阈值时，将初始目标工作电压作为目标工作电压，将初始目标灯丝电流作为目标灯丝电流。
73.其中，第一差值阈值和第二差值阈值根据输出强度稳定性的精度需求确定，可以为经验值或标定值。如此，在第一差值和第二差值均较小时，不对工作电压和灯丝电流进行调节。在第一差值和第二差值中存在超过相应差值阈值的情形时，对工作电压和灯丝电流进行调整。既避免了在能够满足输出强度稳定性的前提下频繁调整工作电压和灯丝电流，又能在当前工作电压和灯丝电流可能不满足输出强度稳定性时及时调整为计算出的较优的目标工作电压和目标灯丝电流。
74.在第一方面的一种具体实施方式中，还包括：将工作电压、灯丝电流和工作温度输
入rbf神经网络模型，以更新rbf神经网络模型。
75.通过该实施方式，随着x射线源的使用，为rbf神经网络模型提供更多的样本数据并进行训练，使得rbf神经网络模型不断优化，得到的输出强度预测值更加准确。
76.为方便理解，下面结合图2所示具体实施例对本发明实施例作进一步的说明：
77.参见图2所示，首先，将采样后的工作电压和工作电压设定值d/a转换后得到的参考电压(用于表征参考电压设定值)，以及采样后的灯丝电流和灯丝电流设定值d/a转换后得到的参考电流(用于表征灯丝电流设定值)，输入包括rbf神经网络模型和pid控制器模型的硬件电路。然后，将工作电压、灯丝电流、以及工作温度等工作参数输入rbf神经网络模型得到x射线源的输出强度预测值。进一步地，pid控制器模型根据x射线源的实际输出强度、x射线源的输出强度预测值和x射线源的输出强度目标值确定与输出强度目标值对应的控制量，这里的控制量也即初始目标工作电压和初始目标灯丝电流。在得到该初始目标工作电压和初始目标灯丝电流之后，计算参考电压与初始目标工作电压之间的第一差值，以及参考电流与初始目标灯丝电流之间的第二差值。
78.更进一步地，分别将第一差值和第二差值与相应的阈值进行差值比较，也即比较第一差值与第一差值阈值之间的大小关系，以及比较第二差值与第二差值阈值之间的大小关系，得到实际误差。一方面，在实际误差表征在第一差值小于第一差值阈值，且第二差值小于第二差值阈值时，不对工作电压和灯丝电流进行调整，也即将工作电压设定值作为目标工作电压，将灯丝电流设定值作为目标灯丝电流，后续由fpga(field programmable gate array，现场可编程逻辑门阵列)产生与工作电压设定值、灯丝电流设定值对应的pwm驱动信号。另一方面，在实际误差表征第一差值大于等于第一差值阈值，和/或，第二差值大于等于第二差值阈值时，将初始目标工作电压作为目标工作电压，将初始目标灯丝电流作为目标灯丝电流，后续由fpga产生与初始目标工作电压、初始目标灯丝电流对应的pwm驱动信号。
79.需要说明的是，在实际应用中，在对灯丝电流调整的过程中，如果所需的pwm驱动信号的占空比较高，将会导致x射线源的输出强度控制系统不稳定。基于此，图2所示实施例用到了斜坡补偿的思想。具体地，在fpga确定需要进行斜坡补偿时，将产生一个pwm斜坡控制信号，基于实际场景需求配置一个产生斜坡信号的初级电流，经采样后得到一个斜坡补偿信号，斜坡产生电路根据斜坡补偿信号和pwm斜坡控制信号产生对应的斜坡信号，斜坡信号与初始目标灯丝电流经比较器相加后进行截断控制，最终得到补偿后的pwm驱动信号。
80.此外，在一些实施方式中，还可以在对第一差值和第二差值进行差值比较后，根据比较结果进行状态指示，具体地，可指示x射线源的高压电源所处状态，如处于恒压(constant voltage,cv)模式，又如处于恒流(constant current，cc)模式。更进一步地，可将高压电源所处状态发送给fpga。
81.如图2所示，与传统x射线源系统相比，本发明实施例在对获取实际输出强度的基础上，引入rbf神经网络模型对输出强度进行预测，并结合pid控制器模型得到目标工作电压和目标灯丝电流，代替传统的工作电压、灯丝电流调节方式，将x射线源的工作温度等参数进行了综合考虑，使得x射线源的输出强度更加稳定，x射线源的输出精度也有了较大的提升。
82.与前述方法实施例对应，参见图3所示，本发明实施例还公开一种x射线源的输出
强度控制系统，包括：信号采集装置31和调节控制装置32。
83.其中，信号采集装置31用于采集x射线源30的实际输出强度并发送给调节控制装置32。调节控制装置32还与x射线源30连接，以获取x射线源30的工作参数，调节控制装置32用于执行前述方法实施例中任一项所述的输出强度控制方法。
84.继续参见图3，在本发明实施例的一种具体实施方式中，x射线源的输出强度控制系统还可以包括：监控设备33。监控设备33分别与信号采集装置31和x射线源30连接，监控设备33用于在监测到信号采集装置31的工作状态异常和/或x射线源30的工作状态异常时，发出报警信息。如在监控设备33监控到信号采集装置31不能采集到x射线源的实际输出强度时，输出报警信息。又如，在监控设备33监控到x射线源30的工作温度过高、水冷系统异常或其他工作状态异常时，发出报警信息。在一些实施方式中，监控设备33还可以与调节控制装置32连接，在监控设备33监控到异常状态时，发送异常信号给调节控制装置32，以使调节控制装置32控制x射线源30停止工作。
85.需要说明的是，实际应用中，监控设备33是可有可无的，监控设备33可以实时监控x射线源的输出强度控制系统中各装置的状态。
86.更为具体地，参见图4所示，图4是本发明实施例提供的又一种x射线源的输出强度控制系统的结构示意图。图4中调节控制装置32可以包括：控制系统321和上位机322。
87.其中，上位机322用于训练预设输出强度预测模型，并将预设输出强度预测模型发送给控制系统321，控制系统321用于执行x射线源的输出强度控制操作，即执行前述方法实施例中任一项所述的输出强度控制方法。
88.需要说明的是，实际应用中，预设输出强度预测模型的训练和输出强度控制可以集成于同一控制系统中。但分离的设计使得一个上位机322能够进行多个预设输出强度预测模型的训练，且控制系统321功能更加简单，可节约成本。
89.继续参见图4所示，在本发明实施例的一种具体实施方式中，信号采集装置31包括：信号接收反射设备311和x射线探测器312，信号接收反射设备311用于接收x射线源31输出的x射线，并部分的反射给x射线探测器312，x射线探测器312用于采集信号接收反射设备311反射的x射线并将其表征的x射线源的实际输出强度发送给调节控制装置32。
90.除此之外，为解决散热问题，可为x射线源的输出强度控制系统定制外壳，外壳设置液冷系统、风冷系统等用于散热，同时外壳的设置也能避免电子干扰。
91.在本说明书的上述描述中，除非另有明确的规定和限定，术语“固定”、“安装”、“相连”或“连接”等术语应该做广义的理解。例如，就术语“连接”来说，其可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，或者可以是两个元件内部的连通或两个元件的相互作用关系。因此，除非本说明书另有明确的限定，本领域技术人员可以根据具体情况理解上述术语在本发明中的具体含义。
92.根据本说明书的上述描述，本领域技术人员还可以理解如下使用的术语，例如“上”、“下”、“前”、“后”、“左”、“右”、“长度”、“宽度”、“厚度”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“周向”、“中心”、“纵向”、“横向”、“顺时针”或“逆时针”等指示方位或位置关系的术语是基于本说明书的附图所示的方位或位置关系的，其仅是为了便于阐述本发明的方案和简化描述的目的，而不是明示或暗示所涉及的装置或元件必须要具有
所述特定的方位、以特定的方位来构造和进行操作，因此上述的方位或位置关系术语不能被理解或解释为对本发明方案的限制。
93.另外，本说明书中所使用的术语“第一”或“第二”等用于指代编号或序数的术语仅用于描述目的，而不能理解为明示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”或“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中，“多个”的含义是至少两个，例如两个，三个或更多个等，除非另有明确具体的限定。
94.虽然本说明书已经示出和描述了本发明的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中，可以采用对本文所描述的本发明实施例的各种替代方案。所附权利要求书旨在限定本发明的保护范围，并因此覆盖这些权利要求范围内的模块组成、等同或替代方案。