The invention relates to an online fault detection and diagnosis method based on a continuous blood glucose monitoring system, which comprises the following steps: S1. Obtaining the measured value of CGM at the current time, inputting it into the GPR algorithm model for soft measurement, obtaining the online predicted value and predicted error, and then calculating the KL divergence at the current time; S2. Judging whether there is data loss; if so, data reconstruction , that is, replace the measured value with the obtained online predicted value, and execute S1 again; if not, execute the next step; S3, calculate the mean value and variance of KL divergence at the historical time and KL divergence at the current time, and determine the initial threshold; the fault detection and diagnosis method provided by the invention not only has high detection accuracy, but also can accurately diagnose and classify the fault.
【技术实现步骤摘要】
一种基于连续血糖监测系统的在线故障检测与诊断方法
本专利技术属于血糖监测
,尤其涉及一种基于连续血糖监测系统的在线故障检测与诊断方法。
技术介绍
连续血糖监测系统(ContinuousGlucoseMonitoring,CGM)是指通过葡萄糖感应器检测皮下组织间液的葡萄糖浓度而间接反映血糖水平的一种可穿戴的智能传感器,可以在规定的时间间隔下自动的测量血糖浓度。CGM是人工胰腺(ArtificialPancreas,AP)系统的测量部分核心。AP系统的目的是通过闭环控制算法自动注射胰岛素,帮助患者管理血糖。CGM测量值向AP系统提供血糖浓度信息,使AP系统闭环控制成为可能。因此,对CGM在线故障检测与诊断是保证AP系统稳定工作的基础,根据故障诊断的结果及时排除故障是维护AP系统安全运行的重要条件。目前,针对CGM故障检测的文献所用方法包括:基于设备冗余、多元统计分析、模型预测、信息熵等方法,但是CGM故障诊断的方法却从未被提出。在故障检测的方法中,基于设备冗余的方法虽然操作简单、准确率高,但是会增加患者的经济负担,对身体造成过度伤害。基于多元统计分析的方法需要多种信息元,所分析的特征物理意义不明确。基于模型预测的方法,首先需要预测CGM测量值,然后通过比较预测值和测量值进行故障检测。这种方法在预测准确的基础上,能够较为准确地判断偏差程度较小的故障情况,但是模型预测的准确性会受到训练集数据的限制。基于信息熵的方法是一种新被提出的CGM故障检测方法,可以对单一信息进行分析,而且不需要建立准确的预测模型,不会受 ...
【技术保护点】
1.一种基于连续血糖监测系统的在线故障检测与诊断方法,其特征在于,包括如下步骤:/nS1、获取的当前时刻CGM的测量值,将其输入GPR算法模型中进行软测量并获得在线预测值和预测误差,继而计算当前时刻的KL散度;/nS2、判断是否发生数据丢失情况;/n若是,则数据重构,即用获得的在线预测值代替测量值,并重新执行S1;/n若否,则执行下一步;/nS3、计算历史时刻的KL散度与当前时刻KL散度的均值和方差,确定初始阈值;/nS4、判断当前时候测量值是否较上一时刻发生快速变化;/n若是,则通过查看上一时刻是否故障;/n若发生故障,则不修改阈值;/n若未发生故障,则增大阈值;/n若否,则保持初始阈值;/nS5、利用当前时刻的KL散度与阈值比较、CGM测量值与GPR的95%置信区间比较来判断CGM是否正常工作;/n若当前时刻KL散度大于阈值且CGM测量值超过GPR的95%置信区间,则为CGM异常状态,则执行下一步;/n否则为正常工作状态,则返回S1;/nS6、将CGM测量值由KNN分类器模型进行故障诊断,获得诊断故障类型。/n
【技术特征摘要】
1.一种基于连续血糖监测系统的在线故障检测与诊断方法,其特征在于,包括如下步骤:
S1、获取的当前时刻CGM的测量值,将其输入GPR算法模型中进行软测量并获得在线预测值和预测误差,继而计算当前时刻的KL散度;
S2、判断是否发生数据丢失情况;
若是,则数据重构,即用获得的在线预测值代替测量值,并重新执行S1;
若否,则执行下一步;
S3、计算历史时刻的KL散度与当前时刻KL散度的均值和方差,确定初始阈值;
S4、判断当前时候测量值是否较上一时刻发生快速变化;
若是,则通过查看上一时刻是否故障;
若发生故障,则不修改阈值;
若未发生故障,则增大阈值;
若否,则保持初始阈值;
S5、利用当前时刻的KL散度与阈值比较、CGM测量值与GPR的95%置信区间比较来判断CGM是否正常工作;
若当前时刻KL散度大于阈值且CGM测量值超过GPR的95%置信区间,则为CGM异常状态,则执行下一步;
否则为正常工作状态,则返回S1;
S6、将CGM测量值由KNN分类器模型进行故障诊断,获得诊断故障类型。
2.根据权利要求1所述的方法,其特征在于,
所述步骤S1之前还包括:获取历史时刻CGM的测量值,利用历史时刻CGM的测量值训练GPR模型并获得历史时刻预测值和历史预测误差,继而计算获得历史时刻的KL散度。
3.根据权利要求2所述的方法,其特征在于,
所述步骤S6之后还包括:将在线...
【专利技术属性】
技术研发人员:李鸿儒,高巍,于霞,李益明,杨叶虹,
申请(专利权)人:东北大学,复旦大学附属华山医院,
类型:发明
国别省市:辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。