智能医疗系统中具有积液检测的呼吸机系统及控制方法.pdf

《智能医疗系统中具有积液检测的呼吸机系统及控制方法.pdf》由会员分享，可在线阅读，更多相关《智能医疗系统中具有积液检测的呼吸机系统及控制方法.pdf（17页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010384778.2 (22)申请日 2020.05.07 (71)申请人 山东凯鑫宏业生物科技有限公司 地址 262700 山东省潍坊市寿光市台头镇 北台头村西3号路南 (72)发明人 冯叶 (74)专利代理机构 济南圣达知识产权代理有限 公司 37221 代理人 杜桂林 (51)Int.Cl. A61M 16/00(2006.01) (54)发明名称 一种智能医疗系统中具有积液检测的呼吸 机系统及控制方法 (57)摘要 一种具有积液检测的智能呼吸机系统， 呼吸 机包括。

2、控制器、 风机、 管道及传感器， 风机在设定 工作电压下输出转速， 经叶片转换成风压至管 道， 传感器对气道实时流量、 气道实时压力和实 时二氧化碳的浓度进行检测， 并反馈至控制器； 控制器根据气道实时流量、 气道实时压力实现对 呼吸机的控制， 根据气道实时流量、 气道实时压 力判断气道内是否存在积液。 权利要求书3页 说明书11页 附图2页 CN 111529848 A 2020.08.14 CN 111529848 A 1.一种具有积液检测的智能呼吸机系统， 呼吸机包括控制器、 风机、 管道及传感器， 风 机在设定工作电压下输出转速， 经叶片转换成风压至管道， 传感器对气道实时流量、 气道。

3、实 时压力和实时二氧化碳的浓度进行检测， 并反馈至控制器； 控制器根据气道实时流量、 气道 实时压力实现对呼吸机的控制， 根据气道实时流量、 气道实时压力判断气道内是否存在积 液。 2.一种具有积液检测的呼吸机控制方法， 包括如下步骤： 步骤1、 系统初始化， 单片机上电开始时， 包括定时器、 I2C与SPI通信、 A/D转换的初始化 以及相关变量的初始化； 步骤2、 处理器接口配置； 步骤3、 显示器初始化； 步骤4、 数据采集和数据处理， 采集每50ms执行一次， 采集气道实时压力P， 气道实时流 量f， 使用双通道测量气道内的二氧化碳气体浓度； 步骤5、 呼吸数据打包并无线传输； 步骤6。

4、、 按键扫描， 每10ms遍历一次， 判断是否有按键指令， 并根据指令更改程序参数并 刷新显示器的界面； 步骤7、 呼吸参数设置； 步骤8、 判断风机是否开启， 是在进入步骤9， 否则返回步骤6； 步骤9、 风机状态判别， 每50ms查询一次； 步骤10、 呼吸相识别以及风机控制； 步骤11、 报警条件是否满足， 每30ms执行一次， 是则报警， 并进入步骤12； 否则直接进入 步骤12； 步骤12、 显示器显示工作参数； 步骤13、 存储呼吸数据， 存储任务每200ms执行一次， 将呼吸机气道采集参数以合适的 格式进行存储； 步骤14、 根据存储的呼吸数据进行气道压力的预测， 进而预估病人的。

5、呼吸状态； 步骤15、 根据存储的呼吸数据监测， 根据气道实时流量、 气道实时压力判断气道内是否 存在积液， 是则返回步骤11， 触发报警； 其中， 步骤15具体步骤如下： 步骤15.1、 呼吸周期分离； 步骤15.2、 吸气呼气切换点检测， 呼吸周期以吸气相开始， 以呼气相结束， 积液检测将针对吸气相和呼气相分别检测， 吸 气相和呼气相的划分是根据流速-时间波形中第一个小于零的点进行划分的， 当F(i)0， 所在的第i个采样点为吸气呼气切换点； 步骤15.3、 压力-时间波形的小波分解与重构； 步骤15.4、 计算阈值； 步骤15.5、 根据步骤15.3和步骤15.4得到的吸气相和呼气相的重。

6、构信号和阈值对积液 情况进行判断， 当重构信号超出阈值时， 表面气道内存有积液， 发出警告。 3.根据权利要求2所述的呼吸机控制方法， 其特征在于步骤15.1具体为： 从呼吸机获取的病人呼吸数据是连续的呼吸周期， 将连续的呼吸周期切分为独立的呼 权利要求书 1/3 页 2 CN 111529848 A 2 吸周期， 流速-时间波形末始段会有一个快速的上升， 基于呼吸流速-时间波形， 采用一阶微 分的方法进行呼吸周期的起始点、 中段和结束点检测， 其算法流程如下： 步骤15.1.1、 记载流速-时间波形最高点， 记做Fmax； 步骤15.1.2、 对流速-时间波形进行一阶微分， 取一阶微分曲线的。

7、最高点， 记做Dmax； 步骤15.1.3、 将流速-时间波形和一阶微分波形离散化， 变为F(i)和D(i)， 分别表示第i 个采样点的流速值和流速的一阶微分值； 步骤15.1.4、 设置标记位Flag0； 步骤15.1.5、 是否F(i)Fmax， 是则进入下一步， 否则ii+1， 返回步骤15.1.4； 步骤15.1.6、 是否D(i)Dmax， 是则进入下一步， 否则ii+1， 返回步骤15.1.4； 步骤15.1.7、 是否Flag0， 是则进入下一步， 否则ii+1， 返回步骤15.1.4； 步骤15.1.8、 设置呼吸周期起始点， 设置Flag1； 步骤15.1.9、 是否F(i)。

8、-Fmax， 是则进入下一步， 否则ii+1， 返回步骤15.1.8； 步骤15.1.10、 是否Flag1， 是则进入下一步， ， 否则ii+1， 返回步骤15.1.8； 步骤15.1.11、 设置呼吸周期中段， 设置Flag2； 步骤15.1.12、 是否F(i)-Fmax， 是则进入下一步， 否则ii+1， 返回步骤15.1.11； 步骤15.1.13、 是否Flag2， 是则进入下一步， 否则ii+1， 返回步骤15.1.11； 步骤15.1.14、 设置呼吸周期结束点， 设置Flag3； 其中， 根据Flag1， Flag2， Flag3所在的第i个采样点分别为呼吸周期起始点、 中 。

9、段和结束点， 从而获取完整的呼吸周期。 4.根据权利要求3所述的呼吸机控制方法， 其特征在于步骤15.3具体为： 步骤15.3.1、 根据步骤1-2确定的呼吸周期和吸气呼气切换点从压力-时间波形截取相 应的截取吸气相和呼气相的压力-时间波形； 步骤15.3.2、 对吸气相和呼气相的压力-时间波形进行小波变换， 如下： f(t)为压力-时间波形函数， WTf()为离散小波变换， k为阶数， n分解级数，()是小波母 函数， 2k为缩放因子； 步骤15.3.3、 小波分解， 对压力-时间波形分别进行四级分解， 得到了近似信号与细节信号， 用以观察呼吸机管 道内积液的特征信号集中分布情况， a3表示。

10、3级分解的逼近信号， di(i1， 2， 3)表示第i级的 细节信号； 步骤15.3.4、 信号重构， SK(d1+d2+d3)， 其中， S为重构信号， K为常量， 优选为K0.05， 0.1， 0.5， 1， 2。 5.根据权利要求3所述的呼吸机控制方法， 其特征在于步骤15.4具体为： 重构信号S中包含了能够区分正常与积液状态下压力-时间波形的特征信息， 通过设定 阈值再对积液波形进行检测， 由于不同病人的呼吸状态， 甚至同一个病人的每个呼吸周期都会存在差异， 阈值的选 取需要考虑个体间差异与个体内差异， 为了避免差异带来的不确定性， 采用以当前的重构 权利要求书 2/3 页 3 CN 。

11、111529848 A 3 信号中的细节信号计算的得到的均值和标准差作为依据计算阈值， 如下： 式中， 是细节信号的均值， 是细节信号标准差， T为阈值。 6.根据权利要求2所述的呼吸机控制方法， 其特征在于步骤4的使用双通道测量气道内 的二氧化碳气体浓度的具体步骤如下： 步骤4.1、 获取测量通道和参考通道的透射光强I( 1)和I( 2)，1和 2分别为测量信号的 波长和参考信号的波长，1波长在二氧化碳吸收峰，2是在二氧化碳吸收峰附近的波长； 步骤4.2、 建立二氧化碳的浓度测量公式： 其中， C为二氧化碳浓度； L为适配器的光程长度；( 1)波长 1的二氧化碳的吸收系数； 步骤4.3、 滤。

12、波去噪， 对测量的二氧化碳浓度进行采样得到n个采样数据(C1， C2， C3， .， Cn)， 表示最终的数据，为对n-1个采样数据的均值， 为对n个采样数据的均值。 权利要求书 3/3 页 4 CN 111529848 A 4 一种智能医疗系统中具有积液检测的呼吸机系统及控制方法 技术领域 0001 本发明属于呼吸机领域， 特别涉及一种具有积液检测的智能呼吸机系统及其呼吸 机控制方法。 背景技术 0002 呼吸机是可以用来替代、 控制或改变人体自主呼吸， 从而增加肺通气量， 改善呼吸 功能， 缓解呼吸肌疲劳的一种机械通气装置， 己广泛运用于临床上的呼吸衰竭、 呼吸支持治 疗、 大手术期间的麻。

13、醉呼吸管理和急救复苏等状况， 机器通过肺泡与气道之间的压力差来 工作， 并通过调节这种压力差来实现用户呼吸过程中的机械通气。 如今随着计算机技术的 迅猛发展和智能控制理论的日趋完善， 呼吸机的性能也更加完善， 正在朝着网络化， 智能化 的方向发展。 传统呼吸机存在以下问题： 0003 (1)呼吸机的控制方法在工作时容易受到外界干扰导致输出压力与设定压力之间 产生偏差， 对于非线性时变系统， 常规的反馈控制在鲁棒性与稳定性上有着明显的不足； 0004 (2)缺少对呼吸参数的预估进而评价进而预测病人的呼吸状况， 从而让医护人员 提前得知病人可能的危险； 0005 (3)传统呼吸机风机控制不易实时在。

14、线调整， 自适应能力弱， 相应速度慢， 对复杂 状况不能做出适时的调整； 0006 (4)传统呼吸机缺少对呼气相和吸气相的判断， 不能针对不同的呼吸阶段进行相 应的调整， 及时最初判断； 0007 (5)缺少对呼吸机内气体浓度的精确测量； 0008 (6)缺少对呼吸机内是否存在积液的准确估计。 发明内容 0009 本发明要解决的技术问题是提供一种具有积液检测的智能呼吸机系统及其呼吸 机控制方法。 为了实现上述目的， 本发明的技术方案为： 0010 一种具有积液检测的智能呼吸机系统， 呼吸机包括控制器、 风机、 管道及传感器， 风机在设定工作电压下输出转速， 经叶片转换成风压至管道， 传感器对气。

15、道实时流量、 气道 实时压力和实时二氧化碳的浓度进行检测， 并反馈至控制器； 控制器根据气道实时流量、 气 道实时压力实现对呼吸机的控制， 根据气道实时流量、 气道实时压力判断气道内是否存在 积液。 0011 一种具有积液检测的呼吸机控制方法， 包括如下步骤： 0012 步骤1、 系统初始化， 单片机上电开始时， 包括定时器、 I2C与SPI通信、 A/D转换的初 始化以及相关变量的初始化； 0013 步骤2、 处理器接口配置； 0014 步骤3、 显示器初始化； 0015 步骤4、 数据采集和数据处理， 采集每50ms执行一次， 采集气道实时压力P， 气道实 说明书 1/11 页 5 CN 。

16、111529848 A 5 时流量f， 使用双通道测量气道内的二氧化碳气体浓度； 0016 步骤5、 呼吸数据打包并无线传输； 0017 步骤6、 按键扫描， 每10ms遍历一次， 判断是否有按键指令， 并根据指令更改程序参 数并刷新显示器的界面； 0018 步骤7、 呼吸参数设置； 0019 步骤8、 判断风机是否开启， 是在进入步骤9， 否则返回步骤6； 0020 步骤9、 风机状态判别， 每50ms查询一次； 0021 步骤10、 呼吸相识别以及风机控制； 0022 步骤11、 报警条件是否满足， 每30ms执行一次， 是则报警， 并进入步骤12； 否则直接 进入步骤12； 0023 步。

17、骤12、 显示器显示工作参数； 0024 步骤13、 存储呼吸数据， 存储任务每200ms执行一次， 将呼吸机气道采集参数以合 适的格式进行存储； 0025 步骤14、 根据存储的呼吸数据进行气道压力的预测， 进而预估病人的呼吸状态； 0026 步骤15、 根据存储的呼吸数据监测， 根据气道实时流量、 气道实时压力判断气道内 是否存在积液， 是则返回步骤11， 触发报警； 0027 其中， 步骤15具体步骤如下： 0028 步骤15.1、 呼吸周期分离， 0029 从呼吸机获取的病人呼吸数据是连续的呼吸周期， 将连续的呼吸周期切分为独立 的呼吸周期， 流速-时间波形末始段会有一个快速的上升， 。

18、基于呼吸流速-时间波形， 采用一 阶微分的方法进行呼吸周期的起始点、 中段和结束点检测， 其算法流程如下： 0030 步骤15.1.1、 记载流速-时间波形最高点， 记做Fmax； 0031 步骤15.1.2、 对流速-时间波形进行一阶微分， 取一阶微分曲线的最高点， 记做D max； 0032 步骤15.1.3、 将流速-时间波形和一阶微分波形离散化， 变为F(i)和D(i)， 分别表 示第i个采样点的流速值和流速的一阶微分值； 0033 步骤15.1.4、 设置标记位Flag0； 0034 步骤15.1.5、 是否F(i)Fmax， 是则进入下一步， 否则ii+1， 返回步骤15.1.4；。

19、 0035 步骤15.1.6、 是否D(i)Dmax， 是则进入下一步， 否则ii+1， 返回步骤15.1.4： 0036 步骤15.1.7、 是否Flag0， 是则进入下一步， 否则ii+1， 返回步骤15.1.4； 0037 步骤15.1.8、 设置呼吸周期起始点， 设置Flag1； 0038 步骤15.1.9、 是否F(i)-Fmax， 是则进入下一步， 否则ii+1， 返回步骤15.1.8； 0039 步骤15.1.10、 是否Flag1， 是则进入下一步， ， 否则ii+1， 返回步骤15.1.8； 0040 步骤15.1.11、 设置呼吸周期中段， 设置Flag2； 0041 步骤。

20、15 .1 .12、 是否F(i)-Fmax， 是则进入下一步， 否则ii+1， 返回步骤 15.1.11； 0042 步骤15.1.13、 是否Flag2， 是则进入下一步， 否则ii+1， 返回步骤15.1.11； 0043 步骤15.1.14、 设置呼吸周期结束点， 设置Flag3； 0044 其中， 根据Flag1， Flag2， Flag3所在的第i个采样点分别为呼吸周期起始 说明书 2/11 页 6 CN 111529848 A 6 点、 中段和结束点， 从而获取完整的呼吸周期； 0045 步骤15.2、 吸气呼气切换点检测， 0046 呼吸周期以吸气相开始， 以呼气相结束， 积液。

21、检测将针对吸气相和呼气相分别检 测， 吸气相和呼气相的划分是根据流速-时间波形中第一个小于零的点进行划分的， 当F(i) 0， 所在的第i个采样点为吸气呼气切换点； 0047 步骤15.3、 压力-时间波形的小波分解与重构， 0048 步骤15.3.1、 根据步骤1-2确定的呼吸周期和吸气呼气切换点从压力-时间波形截 取相应的截取吸气相和呼气相的压力-时间波形； 0049 步骤15.3.2、 对吸气相和呼气相的压力-时间波形进行小波变换， 如下： 0050 0051 f(t)为压力-时间波形函数， WTf()为离散小波变换， k为阶数， n分解级数， ()是 小波母函数， 2k为缩放因子； 0。

22、052 步骤15.3.3、 小波分解， 0053 对压力-时间波形分别进行四级分解， 得到了近似信号与细节信号， 用以观察呼吸 机管道内积液的特征信号集中分布情况， a3表示3级分解的逼近信号， di(i1， 2， 3)表示第i 级的细节信号； 0054 步骤15.3.4、 信号重构， 0055 SK(d1+d2+d3)， 0056 其中， S为重构信号， K为常量， 优选为K0.05， 0.1， 0.5， 1， 2； 0057 步骤15.4、 计算阈值， 0058 重构信号S中包含了能够区分正常与积液状态下压力-时间波形的特征信息， 通过 设定阈值再对积液波形进行检测， 0059 由于不同病。

23、人的呼吸状态， 甚至同一个病人的每个呼吸周期都会存在差异， 阈值 的选取需要考虑个体间差异与个体内差异， 为了避免差异带来的不确定性， 采用以当前的 重构信号中的细节信号计算的得到的均值和标准差作为依据计算阈值， 如下： 0060 0061 式中， 是细节信号的均值， 是细节信号标准差， T为阈值。 0062 步骤15.5、 根据步骤3和步骤4得到的吸气相和呼气相的重构信号和阈值对积液情 况进行判断， 当重构信号超出阈值时， 表面气道内存有积液， 发出警告。 0063 本发明的有益效果： 0064 1)自整定处理方式减小病人呼吸扰动产生的压力波动， 消除模型的不确定性， 有 很好的自适应和自学。

24、习能力， 且结构简单， 响应速度快， 在复杂过程和时变系统中其控制参 说明书 3/11 页 7 CN 111529848 A 7 数均能得到有效地调节； 0065 2)呼吸机稳定运行状态下输出的风压能够快速、 准确、 舒适地在呼气相和吸气相 之间切换， 风机反馈控制根据给定压力输入值与实时监测的压力值之间的误差来实现气道 压力的调节， 得到最佳的控制效果； 0066 3)呼吸机在患者吸气和呼气过程中均提供不同水平的正压来进行呼吸治疗， 在呼 吸机工作过程中， 通过压差传感器与压力传感器的反馈值判断呼吸相的切换和风机输出压 力的控制， 以达到理想的治疗效果； 0067 4)双水平呼吸机系统在工作。

25、时会产生大量的呼吸数据， 通过研究与分析这些数 据， 可以从某种程度上反映和预测用户当前的身体状况， 这对呼吸治疗有着重要的指导意 义； 基于时间序列模型进行呼吸机气道压力波形的预测分析， 该方法能够很好地拟合观察 值序列波动， 并对预测结果分析得出， 该模型对呼吸机气道压力波形的预测有一定的适用 性； 0068 5)改进了浓度测量方法， 增加测量结果的线性程度， 对不可控的误差进行补偿， 增 加测量结果的鲁棒性， 消除浓度产生的低频噪声； 0069 6)基于小波变换的呼吸机管道积液自动检测算法， 实现了呼吸机的信息化和数字 化以及呼吸机管道积液检测的自动化。 附图说明 0070 图1为本发明。

26、的呼吸机控制方法流程图； 0071 图2为本发明的积液检测流程图； 0072 图3为本发明的二氧化碳气体浓度测量流程图。 具体实施方式 0073 下面结合附图与实施例对本发明作进一步的说明。 0074 本发明的实施例参考图1-3所示。 0075 一种智能呼吸机系统， 呼吸机包括控制器、 风机、 管道及传感器， 风机在设定工作 电压下输出转速， 经叶片转换成风压至管道， 传感器对气道实时流量、 气道实时压力和实时 二氧化碳的浓度进行检测， 并反馈至控制器； 控制器根据气道实时流量、 气道实时压力实现 对呼吸机的控制， 控制包括呼吸相识别控制、 风机控制、 稳定运行状态的自整定处理， 根据 采集的。

27、气道实时压力数据预估病人的呼吸状态， 使用双通道测量气道内的二氧化碳气体浓 度， 根据气道实时流量、 气道实时压力判断气道内是否存在积液。 0076 一种呼吸机控制方法， 包括如下步骤： 0077 步骤1、 系统初始化， 单片机上电开始时， 包括定时器、 I2C与SPI通信、 A/D转换的初 始化以及相关变量的初始化； 0078 步骤2、 处理器接口配置； 0079 步骤3、 显示器初始化； 0080 步骤4、 数据采集和数据处理， 采集每50ms执行一次， 采集气道实时压力P， 气道实 时流量f， 使用双通道测量气道内的二氧化碳气体浓度； 0081 步骤5、 呼吸数据打包并无线传输； 说明书。

28、 4/11 页 8 CN 111529848 A 8 0082 步骤6、 按键扫描， 每10ms遍历一次， 判断是否有按键指令， 并根据指令更改程序参 数并刷新显示器的界面； 0083 步骤7、 呼吸参数设置； 0084 步骤8、 判断风机是否开启， 是在进入步骤9， 否则返回步骤6； 0085 步骤9、 风机状态判别， 每50ms查询一次； 0086 步骤10、 呼吸相识别以及风机控制； 0087 步骤11、 报警条件是否满足， 每30ms执行一次， 是则报警， 并进入步骤12； 否则直接 进入步骤12； 0088 步骤12、 显示器显示工作参数； 0089 步骤13、 存储呼吸数据， 存储。

29、任务每200ms执行一次， 将呼吸机气道采集参数以合 适的格式进行存储； 0090 步骤14、 根据存储的呼吸数据进行气道压力的预测， 进而预估病人的呼吸状态； 0091 步骤15、 根据存储的呼吸数据监测， 根据气道实时流量、 气道实时压力判断气道内 是否存在积液， 是则返回步骤11， 触发报警。 0092 其中， 步骤10呼吸相识别具体为： 0093 步骤10.1、 判断气道实时压力P是否大于面罩未带时压力P0， 是则戴面罩， 否则进 入步骤10.2； 0094 步骤10.2、 吸气开始， 呼吸机同步提供吸气相正压IPAP； 0095 步骤10.3、 判断气道实时压力P维持时间t是否大于呼。

30、吸停止所定义的时间Td， 是 则进入步骤10.10， 否则进入步骤10.4； 0096 步骤10.4、 判断气道实时压力P是否大于高触发气道压力限值HTP且气道实时流量 f小于低触发气道流量限值LTF， 是则进入步骤10.5， 否则返回步骤10.2； 0097 步骤10.5、 进入呼气相， 病人进入呼气状态； 0098 步骤10.6、 呼气开始， 呼吸机同步提供呼气相正压EPAP； 0099 步骤10.7、 判断气道实时压力P维持时间t是否大于呼吸停止所定义的时间Td， 是 则进入步骤10.10， 否则进入步骤10.8； 0100 步骤10.8、 判断气道实时压力P是否小于低触发气道压力限值L。

31、TP且气道实时流量 f大于高触发气道流量限值HTF， 是则进入步骤10.9， 否则返回步骤10.6； 0101 步骤10.9、 进入吸气相， 病人进入吸气状态， 返回步骤10.2； 0102 步骤10.10、 判断呼吸暂停， 报警， 摘面罩。 0103 步骤10的风机控制过程如下： 0104 步骤10A.1、 获取气道实时压力P和气道实时流量f； 0105 步骤10A.2、 如果气道实时压力P小于设定工作起始压力， 则系统处于升压运行状 态； 0106 如果气道实时压力P大于设定工作起始压力且小于吸气相正压IPAP则进入步骤 10A.3； 0107 如果气道实时压力P大于吸气相正压IPAP且维。

32、持时间超过高压阈值时间Th， 则系 统进入压力释放状态； 0108 步骤10A.3、 如果气道实时压力P小于呼气相正压EPAP并且维持时间超过漏气阈值 说明书 5/11 页 9 CN 111529848 A 9 时间Tleak， 则进入漏气补偿状态， 否则进入步骤10A.4； 0109 步骤10A.4、 如果气道实时压力P大于吸气相正压IPAP且维持时间超过高压阈值时 间Th， 则系统进入压力释放状态， 否则进入稳定运行状态； 0110 步骤10A.5、 判断用户是否停止治疗， 是则返回步骤10A.1， 否则进入停止运行状 态。 0111 其中， 风机根据用户的呼吸状况实时切换工作状态， 建立。

33、风机的有限状态机模型， 包括稳定运行状态， 压力释放状态， 升压运行状态， 漏气补偿状态以及停止运行状态； 0112 (1)升压运行状态， 该阶段为从戴上面罩至气道实时压力P达到设定工作起始压力 这一时间段， 风机匀加速， 气道实时压力P均匀增加； 0113 (2)稳定运行状态， 呼吸机处于正常工作阶段， 呼吸机在呼气相正压EPAP和吸气相 正压IPAP， 传感器数据经过自整定处理， 输出电压控制量控制风机转速； 0114 (3)压力释放状态， 呼吸机处于高压处理阶段， 该状态下在识别高压警报值后， 压 力均匀降低至吸气相正压IPAP， 这一时间段， 风机匀减速， 气道实时压力P均匀降低； 0。

34、115 (4)漏气补偿状态， 呼吸机漏气处理阶段， 当进入该状态后， 调整电机转速， 使风机 输出压力增加作为漏气的压力补偿， 并发出警报， 直至进入稳定运行阶段； 0116 (5)停止运行状态， 风机停止运行， 呼吸机未工作状态， 该状态下等待用户指令。 0117 稳定运行状态是呼吸机正常治疗阶段， 必须保证治疗压力的稳定输出， 这里通过 自整定处理得到风机系统的控制量输出， 实现风机速度的自动调节， 以达到压力自适应控 制的效果。 0118 有限状态机模型是系统在正常运行时的运行状态以及各个状态间的动作和转移 等行为的数学模型， 在获取用户呼吸状况后， 进行风机状态判别， 若处于有限状态机。

35、模型中 则进一步判别具体状态及风机任务， 然后进行数据处理并触发风机动作执行； 0119 步骤10A.4中的稳定运行状态的自整定处理过程如下： 0120 步骤10A.4.1、 建立风机的角速度(t)与输入电压U(t)间的关系函数G(t)， 0121 0122 其中， L 为相电感； t为时刻； r为电阻； J为风机叶片转动惯量； Z为阻尼系数； kt为 转矩系数； ke为反电动势系数； 0123 步骤10A.4.2、 建立管道模型， 0124 风机工作时叶轮带动空气转动， 空气则伴随着惯性作用汇聚到螺形机壳， 此时机 壳内部形成短暂的真空状态， 吸气口在大气压作用下流入新鲜空气， 从而达到输送。

36、空气的 作用， 在呼吸机风机输送气道中， 同一水平高度下的气道某处的总压能保持不变， 其值由气 道某处静压值PD(t)和气道某处动压值PJ(t)组成： 0125 PF(t)PD(t)+PJ(t)； 0126PF为风机输出压力； 0127 为空气密度； R为风机叶轮半径； 为叶尖速比； 0128 气道某处静压值PD(t)通过压力传感器测量； 0129 气道某处动压值PJ(t)为： 说明书 6/11 页 10 CN 111529848 A 10 0130 0131 0132 A为气道截面积； Qv(t)为体积流量； c为流出系数； d为节流件孔径； 为直径比； P (t)为压差； 0133 步骤1。

37、0A.4.3、 输入风机的初始角速度0， 通过步骤10A.4.1的关系函数G(t)转换 为初始电压U0， 驱动风机转动； 0134 步骤10A.4.4、 采集的压力传感器测量得到的气道某处静压值PD(t)、 压差传感器 测量的得到压差P(t)以及流量传感器测量得到的体积流量Qv(t)， 通过步骤10A.4.2的管 道模型计算风机的角速度(t)； 0135 步骤10A.4.5、 反馈控制， 通过步骤10A.4.1的关系函数G(t)获取输入电压U(t)作 为控制量， 将U(t)离散化为U(k)， 建立离散控制表达式： 0136 0137 k为采样序号， e(k)为k次采样时的偏差， U(k)为k次。

38、采样时输出的电压控制量， KP 为比例系数， KL为积分系数， KD为微分系数； 0138 计算输入控制电压增量U(k)， 0139 U(k)KP(e(k)-e(k-1)+KLe(k)+KDe(k)-2e(k-1)+e(k+2) 0140 步骤10A.4.6、 将计算得到的电压增量与前一次的电压控制量相加得到当前的电 压控制量驱动风机转动， 判断是否结束电压控制， 是则跳出， 否则返回步骤10A.4.4。 0141 考虑到呼吸机功能、 性能及经济性等多种因素， 为了减小病人呼吸扰动产生的压 力波动， 消除不确定性， 本发明将采用自整定处理进行呼吸机系统稳定运行时的风机输出 压力控制， 具有很好。

39、的自适应和自学习能力， 且结构简单， 响应速度快， 很好地解决了传统 控制方法的参数不易实时在线调整的问题， 在复杂过程和时变系统中其控制参数均能得到 有效地调节。 0142 其中， 步骤14、 根据存储的呼吸数据进行气道压力的预测， 进而预估病人的呼吸状 态具体为： 0143 步骤14.1、 呼吸数据预处理， 0144 如果呼吸数据序列为线性趋势， 通过一阶差分实现呼吸数据序列的平稳化； 如果 呼吸数据序列为曲线趋势， 进行二阶或三阶差分处理去除曲线趋势所造成的影响； 如果呼 吸数据序列为固定周期变化趋势， 采用步长为周期长度的差分运算； 0145 步骤14.2、 判断序列类型， 0146 。

40、设xt为经过处理的平稳序列在t时刻的值， 将相隔时刻k的两个随机变量的协方差 即滞后左期的自协方差序列k称为自协方差函数， 0147 kCov(xt， xt-k)， 0148 0Var(xt)， 0149 Var()为方差函数， Cov()为协方差函数， 说明书 7/11 页 11 CN 111529848 A 11 0150 将相隔时刻k作为滞后期， xt的自相关函数为 k(k0， 1， 2， .)： 0151 0152 采用误差平方和达到最小的准则度量误差， 则选定的系数 kj(j1， 2， .， k)为使 得最小， 则称 kj(j1， 2， .， k)为xt的偏自相关函数， 其中， E(。

41、)表示数学 期望； 0153 对步骤14.1生成的平稳序列的类型进行判断， 0154 (1)如果步骤14.1生成的平稳序列的自相关函数具有拖尾特性， 偏自相关函数具 有截尾特性， 则该序列是自回归序列； 0155 (2)如果步骤14.1生成的平稳序列的自相关函数具有截尾特性， 偏自相关函数具 有拖尾特性， 则该序列是移动平均序列； 0156 (3)如果步骤14.1生成的平稳序列的自相关函数与偏自相关函数都具有拖尾特 性； 0157 步骤14.3， 根据序列类型进行预测， 0158 (1)自回归模型 0159 0160i为自回归模型的回归系数， p为自回归模型的回归阶数， 随机白噪声的方差， t。

42、和 s表示不同时刻的随机白噪声序列， xt和xs分别表示在t和s时刻的值， 则通过自回归模 型， 根据t时刻前p阶数据计算得到t时刻的数据值； 0161 (2)移动平均模型 0162 0163 i为移动平均模型回归系数， q为移动平均模型的回归阶数， 则通过移动平均模 型， 根据t时刻前q阶数据计算得到t时刻的数据值； 0164 (3)自回归移动平均模型， 0165 0166 通过自回归移动平均模型， 根据t时刻前q阶数据计算得到t时刻的数据值； 步骤 说明书 8/11 页 12 CN 111529848 A 12 14.4， tt+1， 判断循环次数是否达到预定次数n， 否则返回步骤14.2。

43、， 是则结束预测， 生成 预测序列(x1， x2， .， xn)， 通过该预测序列(x1， x2， .， xn)预估病人的呼吸状态。 0167 监测系统采用单一的红外光源和双波长的测量方法， 也就是说呼吸末二氧化碳通 过主流通道， 红外光源发送特定波长的红外光， 热释电传感器用两个通道吸收红外光， 可以 吸收不同波长的光线。 0168 其中步骤4的使用双通道测量气道内的二氧化碳气体浓度的具体步骤如下： 0169 步骤4.1、 获取测量通道和参考通道的透射光强I( 1)和I( 2)， 1和 2分别为测量 信号的波长和参考信号的波长，1波长在二氧化碳吸收峰，2是在二氧化碳吸收峰附近的波 长； 01。

44、70 双波长测量方法可以消除热电器件的时间漂移光源的不稳定性和温度漂移对信 号的影响。 0171 步骤4.2、 建立二氧化碳的浓度测量公式： 0172 0173 其中， C为二氧化碳浓度； L为适配器的光程长度；( 1)波长 1的二氧化碳的吸收系 数； 0174 两通道的测量方案可以有效的使得对数的运算转化为线性的运算， 提高测量的线 性度， 有效的减少误差的产生， 同时提高测量的精度； 0175 步骤4.3、 滤波去噪， 0176 对测量的二氧化碳浓度进行采样得到n个采样数据(C1， C2， C3， .， Cn)， 0177 0178表示最终的数据，为对n-1个采样数据的均值， 为对n个采样。

45、数据的均值。 0179 呼吸机管道内积液的判定算法是基于每个呼吸周期进行设计的。 呼吸机提供机械 通气的方式是通过呼气管道和吸气管道进行的， 因此呼吸机的使用过程中可能会出现吸气 相或者呼吸相积液的情况。 另外病人的吸气和呼气波形存在差异， 如果忽视呼气相和吸气 相的差异而统一进行积液算法的设计是不当的， 本发明对每个呼吸周期中的吸气相和呼气 相分别进行设计。 0180 其中， 步骤15具体步骤如下： 0181 步骤15.1、 呼吸周期分离， 0182 从呼吸机获取的病人呼吸数据是连续的呼吸周期， 将连续的呼吸周期切分为独立 的呼吸周期， 流速-时间波形末始段会有一个快速的上升， 基于呼吸流速。

46、-时间波形， 采用一 阶微分的方法进行呼吸周期的起始点、 中段和结束点检测， 其算法流程如下： 0183 步骤15.1.1、 记载流速-时间波形最高点， 记做F max； 0184 步骤15.1.2、 对流速-时间波形进行一阶微分， 取一阶微分曲线的最高点， 记做D max； 0185 步骤15.1.3、 将流速-时间波形和一阶微分波形离散化， 变为F(i)和D(i)， 分别表 示第i个采样点的流速值和流速的一阶微分值； 说明书 9/11 页 13 CN 111529848 A 13 0186 步骤15.1.4、 设置标记位Flag0； 0187 步骤15.1.5、 是否F(i)Fmax， 是。

47、则进入下一步， 否则ii+1， 返回步骤15.1.4； 0188 步骤15.1.6、 是否D(i)Dmax， 是则进入下一步， 否则ii+1， 返回步骤15.1.4： 0189 步骤15.1.7、 是否Flag0， 是则进入下一步， 否则ii+1， 返回步骤15.1.4； 0190 步骤15.1.8、 设置呼吸周期起始点， 设置Flag1； 0191 步骤15.1.9、 是否F(i)-Fmax， 是则进入下一步， 否则ii+1， 返回步骤15.1.8； 0192 步骤15.1.10、 是否Flag1， 是则进入下一步， ， 否则ii+1， 返回步骤15.1.8； 0193 步骤15.1.11、。

48、 设置呼吸周期中段， 设置Flag2； 0194 步骤15 .1 .12、 是否F(i)-Fmax， 是则进入下一步， 否则ii+1， 返回步骤 15.1.11； 0195 步骤15.1.13、 是否Flag2， 是则进入下一步， 否则ii+1， 返回步骤15.1.11； 0196 步骤15.1.14、 设置呼吸周期结束点， 设置Flag3； 0197 其中， 根据Flag1， Flag2， Flag3所在的第i个采样点分别为呼吸周期起始 点、 中段和结束点， 从而获取完整的呼吸周期； 0198 步骤15.2、 吸气呼气切换点检测， 0199 呼吸周期以吸气相开始， 以呼气相结束， 积液检测将。

49、针对吸气相和呼气相分别检 测， 吸气相和呼气相的划分是根据流速-时间波形中第一个小于零的点进行划分的， 当F(i) 0， 所在的第i个采样点为吸气呼气切换点 0200 步骤15.3、 压力-时间波形的小波分解与重构， 0201 步骤15.3.1、 根据步骤1-2确定的呼吸周期和吸气呼气切换点从压力-时间波形截 取相应的截取吸气相和呼气相的压力-时间波形； 0202 步骤15.3.2、 对吸气相和呼气相的压力-时间波形进行小波变换， 如下： 0203 0204 f(t)为压力-时间波形函数， WTf()为离散小波变换， k为阶数， n分解级数， ()是 小波母函数， 2k为缩放因子； 0205 。

50、步骤15.3.3、 小波分解， 0206 对压力-时间波形分别进行四级分解， 得到了近似信号与细节信号， 用以观察呼吸 机管道内积液的特征信号集中分布情况， a3表示3级分解的逼近信号， di(i1， 2， 3)表示第i 级的细节信号； 0207 步骤15.3.4、 信号重构， 0208 SK(d1+d2+d3)， 0209 其中， S为重构信号， K为常量， 优选为K0.05， 0.1， 0.5， 1， 2； 0210 步骤15.4、 计算阈值， 0211 重构信号S中包含了能够区分正常与积液状态下压力-时间波形的特征信息， 通过 设定阈值再对积液波形进行检测， 0212 由于不同病人的呼吸。