[01549839]基于模糊神经网络理论的现代呼吸机控制技术研究及应用

目前国内呼吸机科技含量低，人为经验因素大，在临床应用上存在很多问题，不能满足广大病患者的需求。该课题基于模糊神经网络理论，研究现代呼吸机控制技术，并取得了显著的成绩。　　主要研究内容：　　1.获取病人在PSV模式下机械通气过程的主要生命体征参数和压力调节数据，通过对大量临床数据的分析，和临床医生共同建立专家知识库；　　2.选取能表征病人真实状态的关键参数以及隶属度函数，通过模糊逻辑工具生成和编辑模糊控制规则；　　3.通过神经元模拟模糊规则，建立模糊神经网络系统；　　4.选择合适的神经网络结构，利用神经网络软件进行问题的描述、网络的初始化、网络训练和网络测试；　　5.利用Java工具软件，编写所需的神经网络系统，并用专家知识和实际的数据对其进行训练；　　6.研究基于神经网络、模糊逻辑的自适应控制算法，使呼吸机具有学习和预测能力，简化呼吸机参数的设置和通气过程中的调试，提高控制效果。　　主要技术性能指标：　　1.采用三角模糊权的方法优化BP神经网络的学习算法，并用截集计算权值和阈值，以解决BP学习算法在其学习有效性方面有学习速度慢和收敛到局部极小两个主要缺点。　　2.具有学习和预测功能，简化呼吸机参数的设置和通气过程中的调试，提高了控制效果。　　3.实现了PC机和呼吸机控制系统中的微处理器之间的数据实时传送，通过密执安肺监测呼吸机控制系统的性能。　　4.模糊神经网络可以做到15分钟一次，控制曲线较为平滑，能缓慢的调节PSV，使得在撤机过程中病人能逐渐适应PSV的减少，使撤机过程更顺利和舒适。　　该研究在具有先进控制系统的呼吸机研究方面做了一些探索性的工作，第一次提出运用模糊神经网络理论优化呼吸机控制系统，第一次将医生的临床经验融入呼吸机的设计中，使呼吸机的控制系统更贴近人的生理需要，推而广之，对大部分的医院企业都有普遍意义。