一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统技术方案

一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统，涉及干细胞培养环境监控技术领域。本发明专利技术是为了解决干细胞培养过程中，环境数据采集实时性差、环境参数调节可靠性差的问题。本发明专利技术中，压力计、温度计、液位计输出的实际参数一路发送至预测装置；第二路作为子系统的输出；第三路发送至压力计、温度计以及液位计；预测装置采用Zynq系列处理器实现，根据设定的目标参数及实际参数采用神经网络进行预测，并将结果作为反馈数据发送至运算器的一号输入端口；运算器的二号输入端口用于接收设定的目标参数，运算结果发送至调温装置和调压装置。适用于干细胞培养。

An Embedded Data Monitoring and Prediction Subsystem for Stem Cell Culture Simulated Environment Based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统
本专利技术涉及干细胞培养环境监控技术。属于干细胞培养领域。
技术介绍
传统的干细胞培养依赖于利用培养基的二维培养技术，干细胞的克隆程度受限，并且在长期的增殖分化后会丧失克隆和分化能力；本专利技术所处的培养环境是模拟人体内部环境的三维培养系统，能够保证干细胞能在接近人体的环境下进行增殖。为了模拟人体内部的环境，使其适宜干细胞的增殖，对系统环境的温度、压力、血液量等环境参数提出了严苛的要求。需要对环境数据进行实时监控，并对数据未来的变换趋势进行预测，实现执行器对环境参数的调节，保证干细胞生存在适宜的培养环境。传统的数据采集系统在精度和实时性上有一定的欠缺，一般落后几个时钟周期；如果需要对数据进行复杂的处理和分析，实时性更加难以满足要求；模拟环境是模拟人体内部的环境，若某些参数出现问题，不能及时调节回正常水准，很有可能导致干细胞活性下降或死亡，甚至会导致设备故障。现有的三维干细胞培养模拟环境系统中的数据反馈只是单纯的通过传感器采集数据，与期望数据区间进行比较，来进行参数调节，方法简单但缺少可靠性，依靠当前的数据很难把握系统的运行状态以及需要调节的趋势，很难对一些数据的突然变化情况做出及时应对。
技术实现思路
本专利技术是为了解决干细胞培养过程中，环境数据采集实时性差、环境参数调节可靠性差的问题。现提供一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统。本专利技术所述的一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统包括：预测装置1、调温装置2、调压装置3、压力计4、温度计5、液位计6以及运算器7；所述压力计4、温度计5、液位计6分别用于测量干细胞培养环境中的血压、温度以及液位，压力计4、温度计5、液位计6输出的实际参数均分成三路：第一路发送至预测装置1；第二路作为子系统的输出，用于显示；第三路发送至运算器7的三号输入端口；所述预测装置1采用Zynq系列处理器实现，根据设定的目标参数及压力计4、温度计5、液位计6输出的实际参数采用训练好的神经网络进行预测，并将结果作为反馈数据发送至运算器7的一号输入端口；运算器7的二号输入端口用于接收设定的目标参数，所述运算器7用于对三个输入端口输入的数据进行计算，并将计算结果发送至调温装置2和调压装置3，调温装置2和调压装置3根据计算结果进行调温和调压。进一步地，所述预测装置1包括主控器和DDR存储器，所述主控器内嵌入基于神经网络的预测模型和比较器，所述预测模型包括压力预测模型、温度预测模型、液位预测模型，压力预测模型用于：以血压数据训练集进行人工神经网络的训练，使用深度压缩方法将神经网络模型进行压缩，利用训练得到的神经网络预测血压的变化，将预测数据缓存到DDR存储器上，经过数据的时间同步，对血压的预测值和实际测量值进行比较，将结果作为反馈数据发送至运算器7的一号输入端口，温度预测模型、液位预测模型与压力预测模型训练方法相同。本专利技术设计了一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统。首先，调温装置2、调压装置3等执行机构、以及压力计、温度计和液位计组成一个标准的多入多出反馈系统，处理器使用Xilinx的Zynq系列，利用FPGA逻辑门的低延迟特性以及数据传输加速算法(并行传输、流水线操作)实现模拟环境的实时监控，理论延时为若干个逻辑门的延时(15ns左右)，实际延时在一个周期(20ns)之内。另外，由于高低压变化范围较大，以历史血压数据为训练集进行人工神经网络的训练，并使用深度压缩方法将神经网络模型压缩，使其能在移动设备上以较低功耗运行，并不会影响其精度。训练得到的神经网络能够预测血压的变化，即未来一段时间内的血压值，将预测数据缓存到DDR存储器上，经过数据的时间同步，对血压的预测值和实际测量值进行比较，将结果同样反馈，来减少血压突变带来的影响，提升系统的鲁棒性。运算器的运算规则为：out＝ax+by+cz，其中，out为运算器的输出结果，x、y、z分别为一号、二号、三号输入端口输入的数据，a、b、c为系数，根据经验来确定。综上所述，本专利技术对人体模拟环境中的温度、压强、溶液液位等环境参数进行实时性监控，相比于传统的干细胞培养环境数据采集系统，由于利用FPGA门电路的低延迟和流水线操作，使数据采集-接收延迟在一个时钟周期内，更具有实时性。同时引入了应用于FPGA的嵌入式神经网络，根据历史的监测数据或系统测试数据对环境内部压强进行了可靠地预测，将预测结果和实际采集结果的比较结果作为反馈的一部分作用于控制器，使模拟系统能够更好地适应突发的变化，提升了系统的容错性和鲁棒性。附图说明图1为本专利技术所述的一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统的原理示意图；图2为预测装置的原理示意图；图3为本专利技术所述的一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统在使用时的结构示意图。具体实施方式具体实施方式一：参照图1至图3具体说明本实施方式，本实施方式所述的一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统包括：预测装置1、调温装置2、调压装置3、压力计4、温度计5、液位计6以及运算器7；所述压力计4、温度计5、液位计6分别用于测量干细胞培养环境中的血压、温度以及液位，压力计4、温度计5、液位计6输出的实际参数均分成三路：第一路发送至预测装置1；第二路作为子系统的输出，用于显示；第三路发送至运算器7的三号输入端口；所述预测装置1采用Zynq系列处理器实现，根据设定的目标参数及压力计4、温度计5、液位计6输出的实际参数采用训练好的神经网络进行预测，并将结果作为反馈数据发送至运算器7的一号输入端口；运算器7的二号输入端口用于接收设定的目标参数，所述运算器7用于对三个输入端口输入的数据进行计算，并将计算结果发送至调温装置2和调压装置3，调温装置2和调压装置3根据计算结果进行调温和调压。所述预测装置1包括主控器和DDR存储器，所述主控器内嵌入基于神经网络的预测模型和比较器；所述预测模型包括压力预测模型、温度预测模型、液位预测模型，三个预测模型的原理相同。以压力预测模型为例，该压力预测模型用于：以血压数据训练集进行人工神经网络的训练，使用深度压缩方法将神经网络模型进行压缩，利用训练得到的神经网络预测血压的变化，将预测数据缓存到DDR存储器上，经过数据的时间同步，对血压的预测值和实际测量值进行比较，将结果作为反馈数据发送至运算器7的一号输入端口，如图2所示。温度预测模型、液位预测模型与压力预测模型训练方法相同。本实施方式所述的一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统在使用时的实物连接示意图如图3所示。暂存装置用于存放细胞培养液，调压装置3采用调压阀，调压阀和调温装置为执行机构。图中实线表示管道连接，虚线表示电气连接。采用温度计、压力计以及液位计分别进行温度、压强和液位高度的测量，作为三个反馈回路；执行机构包括调温装置和调压阀，负责调节温度和压强；由以上装置构成基本的多入多出系统，并设计该系统的基本控制律；Zynq中的Arm处理器负责控制律的实现，FPGA部分负责数据的AD转换和接收读取。模拟环境的内部压强的变化规律具有高度的复杂性，是一个非本文档来自技高网...

【技术保护点】
1.一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统，其特征在于，它包括：预测装置(1)、调温装置(2)、调压装置(3)、压力计(4)、温度计(5)、液位计(6)以及运算器(7)；所述压力计(4)、温度计(5)、液位计(6)分别用于测量干细胞培养环境中的血压、温度以及液位，压力计(4)、温度计(5)、液位计(6)输出的实际参数均分成三路：第一路发送至预测装置(1)；第二路作为子系统的输出，用于显示；第三路发送至运算器(7)的三号输入端口；所述预测装置(1)采用Zynq系列处理器实现，根据设定的目标参数及压力计(4)、温度计(5)、液位计(6)输出的实际参数采用训练好的神经网络进行预测，并将结果作为反馈数据发送至运算器(7)的一号输入端口；运算器(7)的二号输入端口用于接收设定的目标参数，所述运算器(7)用于对三个输入端口输入的数据进行计算，并将计算结果发送至调温装置(2)和调压装置(3)，调温装置(2)和调压装置(3)根据计算结果进行调温和调压。

【技术特征摘要】
1.一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统，其特征在于，它包括：预测装置(1)、调温装置(2)、调压装置(3)、压力计(4)、温度计(5)、液位计(6)以及运算器(7)；所述压力计(4)、温度计(5)、液位计(6)分别用于测量干细胞培养环境中的血压、温度以及液位，压力计(4)、温度计(5)、液位计(6)输出的实际参数均分成三路：第一路发送至预测装置(1)；第二路作为子系统的输出，用于显示；第三路发送至运算器(7)的三号输入端口；所述预测装置(1)采用Zynq系列处理器实现，根据设定的目标参数及压力计(4)、温度计(5)、液位计(6)输出的实际参数采用训练好的神经网络进行预测，并将结果作为反馈数据发送至运算器(7)的一号输入端口；运算器(7)的二号输入端口用于接收设定的目标参数，所述运算器(7)...

【专利技术属性】
技术研发人员：高会军，潘惠惠，金飞虎，杨宪强，李湛，刘宝全，
申请(专利权)人：林伟阳，
类型：发明
国别省市：黑龙江,23