一种基于人工智能的医疗机械手的监测方法及系统技术方案

本发明专利技术公开了一种基于人工智能的医疗机械手的监测方法及系统，实现自动化实时监测，及时发现机械手问题，避免该环节问题影响手术质量，具体包括步骤S1：启动机械手，与控制系统进行通信连接；步骤S2：机械手进入自检程序；步骤S3：若自检失败，则机械手控制系统发出警报，若自检成功，则进入机械手驱动器运行状态监测模式；步骤S4：控制系统实时取得机械手运行、检测数据，同步至服务器。同步至服务器。同步至服务器。

【技术实现步骤摘要】
一种基于人工智能的医疗机械手的监测方法及系统


[0001]本专利技术涉及基于人工智能的医疗机械手
，尤其涉及一种基于人工智能的医疗机械手的监测方法及系统。

技术介绍

[0002]在外科手术中，时常需要医生手动进行组织的切割、剥离、缝合等，对于一些复杂的外科手术，需要医生长时间站立并手持微型手术器械进行手术，很容易疲劳，影响手术质量。因此，有高精度机械手辅助的外科手术逐步应用到临床中，这些机械手在手术过程中，依照分工不同设置多个、并装配不同的手术器械，如手术刀、手术剪或内窥镜等。由于医生在作业这些机械臂进行手术的过程中，可能会发生机械臂之间相互碰撞、受到外力作用，或长期使用、接触灰尘杂质，导致的机械手上驱动器(如气缸、伺服电机)摩擦力增大、密封件圈磨损、驱动轴偏磨、变形等情况，最终影响手术质量。
[0003]因此，需要在每次使用机械手前进行功检测，目前大都通过人工的方式，对机械手上驱动器的磨损程度进行的检测，一方面浪费人力，另一方面人工监测很容易出现纰漏，造成漏检的情况，也无法在手术过程中实时进行监测。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术的意图之一在于提供一种基于人工智能的医疗机械手的监测方法，实现自动化实时监测，及时发现机械手问题，避免该环节问题影响手术质量。
[0005]本专利技术的意图之一采用如下技术方式实现：
[0006]现有的技术相比，本专利技术优点在于：
[0007]一种基于人工智能的医疗机械手的监测方法，包括以下步骤：
>[0008]步骤S1：启动机械手，与控制系统进行通信连接；
[0009]步骤S2：机械手进入自检程序；
[0010]步骤S3：若自检失败，则机械手控制系统发出警报，若自检成功，则进入机械手驱动器运行状态监测模式；
[0011]步骤S4：控制系统实时取得机械手运行、检测数据，同步至服务器。
[0012]进一步的，进入驱动器运行状态监测模式，具体如下：
[0013]步骤S310：从不同角度取得各预定周期内驱动器的驱动轴的表面粗糙度，构成粗糙度子矢量；
[0014]步骤S320：从不同角度获取驱动轴各次运行过程中最大的音压值，构成音压子矢量，多次运行过程对应的音压子矢量构成音压矢量；
[0015]步骤S330：使用粗糙度矢量中邻近粗糙度子矢量的近似度取得粗糙度矢量的变动趋向，作为第一趋向，使用音压矢量中邻近音压子矢量的近似度取得音压矢量的变动趋向，作为第二趋向；
[0016]步骤S340：将第一趋向和第二趋向相乘所得的结果作为驱动轴或密封件的磨损变动参数；
[0017]步骤S350：取得各粗糙度子矢量中元素的方差，构成方差序列，依照各驱动器之间的方差序列的区别程度、音压矢量的近似程度和磨损变动参数的区别程度取得各驱动器之间的近似度；
[0018]步骤S360：依照各驱动器对应的方差序列的平均数将驱动轴或密封件磨损程度大的机械手进行维修；
[0019]步骤S370：使用机械手之间的近似度将其余的机械手进行分级，分为未磨损级和轻微磨损级，依照分级内机械手的驱动轴或密封件磨损程度区别设计未磨损级和轻微磨损级的监测计划。
[0020]进一步的，步骤S360包括：
[0021]S361：设置判断临界值γ。
[0022]S362：取得各驱动器对应的方差序列L的平均数，若一个机械手对应的方差序列的平均数大于判断临界值γ，此时说明从四个角度测算取得的驱动轴的表面粗糙度不同，说明该机械手的驱动轴或密封件发生了磨损，直接对这部分机械手进行及时检修。
[0023]进一步的，步骤S310包括：
[0024]S351：在驱动轴的端部活塞处装配预定数量的粗糙度测量仪，各粗糙度测量仪均匀排列且位于同一水平线；
[0025]S352：各粗糙度测量仪测算的驱动轴端部活塞与驱动轴底部的粗糙度为预定周期内驱动轴的表面粗糙度。
[0026]进一步的，步骤S320包括：
[0027]S321：在驱动轴与密封件的连接处放置音压测试仪，均匀排列且处在同一水平面。
[0028]进一步的，步骤S330包括：
[0029]S331：取得粗糙度矢量和音压矢量中子矢量的变动趋向，该变动趋向能够作为粗糙度矢量和音压矢量的整体变动趋向；
[0030]S332：变动趋向与粗糙度矢量和音压矢量中邻近子矢量的近似度相关，取得粗糙度矢量的变动趋向，作为第一趋向。
[0031]S333：同理取得音压矢量的变动趋向作为第二趋向。
[0032]进一步的，步骤S340包括：
[0033]S341：磨损变动参数Pe为Pe＝V
B
*V
Y
。
[0034]进一步的，步骤S350包括：
[0035]S351：将每个粗糙度子矢量作为一个序列；
[0036]S352：取得这个序列的方差，取得各矢量子序列对应的方差，构成方差序列T；
[0037]S353：取得各驱动器之间的近似度。
[0038]进一步的，步骤S370包括：
[0039]S371：未磨损级计划:设置其余的机械手的分级更迭频率，在分级更迭时取得在目前次更迭之前属于未磨损级，但在目前次更迭后不属于未磨损级的机械手，对其进行维修；
[0040]S372：轻微磨损级计划：
[0041]S3721：取得分为轻微磨损级的机械手控制的手术器械夹具所受作业的：以及机械
手驱动轴的表面粗糙度；
[0042]S3722：使用手术器械夹具所受阻值和驱动轴表面粗糙度对轻微磨损级内的机械手分级，每个子级别内的机械手控制的手术器械夹具所受阻值近似，驱动轴表面粗糙度相同；
[0043]S3723：将各子级别内机械手的磨损变动参数作为子级别内各驱动器对应的方差序列的平均数的加权值进行加权和取得驱动轴或密封件的维修标准方案；
[0044]S3724：取得子级别内机械手的目前预定周期的方差，将方差大于维修标准方案的机械手进行维修。
[0045]一种基于人工智能的医疗机械手的监测系统：
[0046]包括网络模块、粗糙度测量仪、控制系统、音压测试仪、机械手；
[0047]网络模块用来控制系统、粗糙度测量仪、音压测试仪之间的通信、数据传输与交互；
[0048]控制系统包括自检模式与驱动器运行状态监测模式；
[0049]粗糙度测量仪用来测距；
[0050]音压测试仪用来监测音压。
[0051]本专利技术得到的有益效果为：
[0052]实时监测机械手上驱动器的磨损情况，使用数据取得模块，取得了机械手的粗糙度子矢量、粗糙度矢量、音压子矢量和音压矢量等数据；又使用数据处理模块，通过运算机对机械手的驱动轴表面粗糙度数据、音压数据进行处理；同时磨损监测模块取得了要维修的机械手，同时对机械手进行精密化分级，能够实时对机械手进行监控，及时且准确发现驱动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的医疗机械手的监测方法，其特征在于：包括以下步骤：步骤S1：启动机械手，与控制系统进行通信连接；步骤S2：机械手进入自检程序；步骤S3：若自检失败，则机械手控制系统发出警报，若自检成功，则进入机械手驱动器运行状态监测模式；步骤S4：控制系统实时取得机械手运行、检测数据，同步至服务器。2.如权利要求1的一种基于人工智能的医疗机械手的监测方法，其特征在于：进入驱动器运行状态监测模式，具体如下：步骤S310：从不同角度取得各预定周期内驱动器的驱动轴的表面粗糙度，构成粗糙度子矢量；步骤S320：从不同角度获取驱动轴各次运行过程中最大的音压值，构成音压子矢量，多次运行过程对应的音压子矢量构成音压矢量；步骤S330：使用粗糙度矢量中邻近粗糙度子矢量的近似度取得粗糙度矢量的变动趋向，作为第一趋向，使用音压矢量中邻近音压子矢量的近似度取得音压矢量的变动趋向，作为第二趋向；步骤S340：将第一趋向和第二趋向相乘所得的结果作为驱动轴或密封件的磨损变动参数；步骤S350：取得各粗糙度子矢量中元素的方差，构成方差序列，依照各驱动器之间的方差序列的区别程度、音压矢量的近似程度和磨损变动参数的区别程度取得各驱动器之间的近似度；步骤S360：依照各驱动器对应的方差序列的平均数将驱动轴或密封件磨损程度大的机械手进行维修；步骤S370：使用机械手之间的近似度将其余的机械手进行分级，分为未磨损级和轻微磨损级，依照分级内机械手的驱动轴或密封件磨损程度区别设计未磨损级和轻微磨损级的监测计划。3.如权利要求2的一种基于人工智能的医疗机械手的监测方法，其特征在于：步骤S360包括：S361：设置判断临界值γ。S362：取得各驱动器对应的方差序列L的平均数，若一个机械手对应的方差序列的平均数大于判断临界值γ，此时说明从四个角度测算取得的驱动轴的表面粗糙度不同，说明该机械手的驱动轴或密封件发生了磨损，直接对这部分机械手进行及时检修。4.如权利要求3的一种基于人工智能的医疗机械手的监测方法，其特征在于：步骤S310包括：S351：在驱动轴的端部活塞处装配预定数量的粗糙度测量仪，各粗糙度测量仪均匀排列且位于同一水平线；S352：各粗糙度测量仪测算的驱动轴端部活塞与驱动轴底部的粗糙度为预定周期内驱动轴的表面粗糙度。5.如权利要求4的一种基于人工智能的医疗机械手的...

【专利技术属性】
技术研发人员：王群洲，
申请(专利权)人：王群洲，
类型：发明
国别省市：