【技术实现步骤摘要】
培养皿的温度自适应调节方法、装置、主机及存储介质
[0001]本专利技术属于基于电子技术的自动化控制医疗器械领域，具体涉及一种培养皿的温度自适应调节方法、装置、主机及存储介质。
技术介绍
[0002]本部分旨在为权利要求书中陈述的本专利技术的实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]现有技术采用培养箱给细胞培养皿提供一个稳定的环境温度，但是无法对不同细胞培养皿内部温度进行监控和调节，无法满足每个细胞培养皿不同的个性化的稳定温度环境。并且由于电极自身电阻和场强不同等原因以及电极与培养皿的不同相对位置，导致电极发热对培养皿的温度或培养对象的影响也不一样，本专利技术由于一个培养装置中有多个培养皿，每个培养皿所施加的电场不一样，电极发热也不一样，而当细胞培养皿内部的温度超过一定温度阈值时(一般为43℃)，细胞会死亡；并且如果每个培养皿的温度不一致，会影响各对照实验组的结果。此外，如果需要设置培养箱内每个培养皿的温度不一致或呈特定规律分布，现有技术中并无相关技术可以实现该技术效果。<...
【技术保护点】
【技术特征摘要】
1.一种培养皿的温度自适应调节方法，其特征在于，包括：同一培养箱中存在至少两个培养皿；为每一个培养皿设置各自的预设温度；根据各个所述培养皿的温度和所述培养皿各自的预设温度自适应调节所述培养皿各自的温度，使每一个所述培养皿的温度分别稳定在各自对应的预设温度。2.根据权利要求1所述的培养皿的温度自适应调节方法，其特征在于，每个所述培养皿设置有温度调节单元，所述控制主机根据采集的每个所述培养皿的温度与所述培养皿对应的所述预设温度进行比较，当采集的所述培养皿的温度高于对应的所述预设温度时，所述控制主机的MCU控制驱动器输出正电压到温度调节单元对所述培养皿进行降温并降温至自身的所述预设温度；当采集的所述培养皿的温度低于对应的所述预设温度时，所述控制主机的MCU控制所述驱动器输出负电压到所述温度调节单元对所述培养皿进行升温并升温至自身的所述预设温度。3.根据权利要求2所述的培养皿的温度自适应调节方法，其特征在于：所述温度调节单元的温度调节采用自组织神经网络算法进行控制。4.根据权利要求3所述的培养皿的温度自适应调节方法，其特征在于：所述温度调节单元设置在所述培养皿底部,所述温度调节单元对所述培养皿的温度调节采用自组织神经网络算法，通过自组织神经网络算法对神经元相对应的权值进行优化，减小温度控制误差。5.根据权利要求4所述的培养皿的温度自适应调节方法，其特征在于：所述自组织神经网络算法的控制率采用如下形式计算：E(t)＝W
j
e(t)其中e(t)为所述培养皿的温度与自身的所述预设温度的差值，W
j
为自组织神经网络中序号为j的神经元相对应的权值，j为神经元的序号，j是零或正整数，E(t)为所述培养皿的温度调节单元的电压输入。6.根据权利要求4
‑
5任一项所述的培养皿的温度自适应调节方法，其特征在于：所述自组织神经网络算法的具体步骤如下：步骤1：设定SOM网络大小为(N,M)，其中N、M分别为输入层向量的个数和竞争层中模式矢量的大小；步骤2：生成和选定N个映射层神经元及模式矢量{X
i
(0),i＝0,1,
…
,M
‑
1}，将各个所述预设温度存入初始化模式库；步骤3：将初始化邻域设定为K
j
(0),j＝0,1,
…
,N
‑
1，邻域为可调节权值的神经元范围，其中，L
j
(0)为邻域函数；步骤4：针对目标应用场景，选择一组新的训练矢量U＝(U1,U2,...,U
N
‑1)；步骤5：将所述新的训练矢量输入网络，计算目标温度和实际采样温度之间的温度误差e(U
j
(t))；步骤6：计算均方误差e(U
j
(t))为输入所述新的训练矢量时所产生的目标温度和实际采样温度之间的温度误差，为模式库参数所产生的温度误差，分别计算该训练矢量与邻域中每个模式矢量的失真d
j
(t)，并选择具有最小失真的模式矢
量为获胜模式矢量其对应的失真为步骤7：按式(2)调整获胜模式矢量及其邻域范围内的模式矢量权值，其中，为邻域函数，t为迭代步数，j
*
为获胜神经元的序号，且j
*
是零或正整数，j为神经元的序号，且j是零或正整数，且j＝0,1,
…
,N
‑
1，通常选用单调递减函数A0、A1分别为获胜模式矢量...
【专利技术属性】
技术研发人员：刘俊，熊凌志，
申请(专利权)人：湖南安泰康成生物科技有限公司，
类型：发明
国别省市：
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。