基于多指标的医疗设备故障检测方法技术

本发明专利技术涉及医疗设备的故障探测方法领域，具体涉及基于多指标的医疗设备故障检测方法，包括：以医疗设备为一个整体系统，建立医疗设备的整体输出观测信号模型；先基于一台医疗设备确定的各状态特征区间，再以多台同类型医疗设备在同故障下测量，计算每项参数在该故障下识别率并匹配出权重值；依据单项故障指标识别率和权重值计算每种故障状态的总故障识别率；通过对权重值或故障特征区间的调整实现总故障识别率的调整，直至满足设定；当满足设定条件时，搭建医疗设备多个预设故障指标对应的故障规则库。本发明专利技术能够在故障特征区间与正常区间具有重叠时准确识别到医疗设备的具体故障信息。信息。信息。

【技术实现步骤摘要】
基于多指标的医疗设备故障检测方法


[0001]本专利技术涉及医疗设备的故障探测方法领域，具体涉及基于多指标的医疗设备故障检测方法。

技术介绍

[0002]医疗设备是对病患的生理数据进行实时连续监测的设备，以供医护人员直观快速地查看相应的体征数据，判断病患的身体状况。医疗设备的故障类型多种多样，如果不对使用过程中的医疗设备的故障进行检测，医疗设备的故障会引起病患身体状况的误判，甚至耽搁病患身体的监测进程。
[0003]针对医疗设备的故障检测，目前是以检测某个部件工作时的电压或者电流，根据电压或者电流来判断设备是否故障，需要额外设置检测传感器至医疗设备的对应部位处，需要拆开医疗设备进行。若以医疗设备为一个整体进行信号检测，然后再依据检测的信号进行故障判断，但医疗设备的故障通常发生在执行器或者传感器上，目前的这种判断方法通过电压或者电流进行故障判断，只能得到医疗设备具有故障的结果，而医疗设备具体哪个部件的哪种故障无法区分开。

技术实现思路

[0004]本专利技术意在提供一种基于多指标的医疗设备故障检测方法，以解决现有方法对医疗设备的具体故障类型无法区分的问题。
[0005]本方案中的基于多指标的医疗设备故障检测方法，包括以下步骤：
[0006]步骤1，以医疗设备为一个整体系统，建立医疗设备的整体输出观测信号模型，采集医疗设备正常工作时多种预设故障指标分别的正常区间；
[0007]步骤2，基于步骤1的观测信号模型，针对每个预设故障指标测量一台故障的医疗设备的故障特征区间，再引入若干台新医疗设备，分别测量其在相同故障指标下的故障数据，并计算新医疗设备的故障数据的该故障指标于故障特征区间内的单项故障指标识别率；
[0008]步骤3，根据单项故障指标识别率从预设的权重规则表中匹配出每个预设故障指标的权重值，并依据单项故障指标识别率和权重值计算每种故障状态在多种预设故障指标下的总故障识别率；
[0009]步骤4，将每种故障状态的总故障识别率与设定值进行对比得到对比结果，根据对比结果对权重值或故障特征区间进行调整，直至满足设定条件；
[0010]步骤5，当满足设定条件时，搭建医疗设备多个预设故障指标对应的故障规则库；
[0011]步骤6，将已有的故障进行不断地实测，重复步骤2、步骤3和步骤4，直至涵盖当前实测且满足总故障识别率大于设定值的特征情况，完成一次更新；
[0012]步骤7，当实际医疗设备具有故障时，测量该故障医疗设备的预设故障指标的值，并将预设故障指标的值与故障规则库进行匹配，根据匹配结果确定医疗设备的故障类型。
[0013]本方案的有益效果是：
[0014]以医疗设备为一个整体系统，通过对医疗设备采集的各预设故障指标设置正常区间，并对后续采集到的预设故障指标在单种故障状态下的单项故障指标识别率进行计算，依据单项故障指标识别率匹配每个预设故障指标在识别一种故障状态下的权重值，根据单项故障指标识别率和权重值计算每种故障状态在多种预设故障指标下的总故障识别率。根据总故障识别率的表现情况，调整权重值或故障特征区间，直至满足设定条件建立规则库，以在下一次故障识别时，直接以故障规则库进行故障匹配。能够根据匹配到的故障特征区唯一准确识别到医疗设备的具体故障信息。
[0015]进一步，所述步骤1中，所述预设故障指标包括电流、电压和功率，所述步骤2中，所述预设故障指标的实时采集是在医疗设备的预设状态下进行，所述预设状态包括开机时刻状态和关机时刻状态。
[0016]有益效果是：通过对医疗设备在开机和关机状态下的预设故障指标进行采集，能够最大限度且准确地表征医疗设备的故障信号，便于故障的分析。
[0017]进一步，所述步骤1中，向系统整体控制输入一个信号叠加至整个输出信号上，系统整体产生的参数和元件故障记为f(t)，该系统整体输出的观测信号记为：
[0018]y(t)＝Ax(t)+Bu(t)+R1f(t)+Cm(t)；
[0019]其中，x(t)是状态矢量，u(t)是控制矢量，分别x(t)∈R
n
、u(t)∈R
p
，两者为设备正常情况下系统运行矢量和控制器输出信号量；y(t)是观测输出信号矢量；m(t)是外部采集传感器自身添加的信号输出；f(t)为系统的某个部位异常运行状态矢量，f(t)∈R
g
，每个元素f
i
(t)(i＝1,2,3...g)对应于某具体的故障形式，且也是我们故障研究中需要求解的未知时间函数；ΑΒC为相应维数的常数矩阵；R1是故障系数矩阵，可检测的状态数量决定了该矩阵的维数；
[0020]采用残差测量法，将离散采集的数值代入观测信号模型，变形得到如下预设故障指标的故障特征，β表示电流，χ表示功率，δ表示电压：
[0021][0022]有益效果是：将医疗设备作为一个系统整体，以系统整体的输出信号进行其故障分析，无需针对医疗设备内部的每个元器件分别设置一个传感器进行信号采集，减小分析过程中外设传感器器件带来的分析误差，且操作更简单方便。
[0023]进一步，所述步骤1中，通过做差后的故障特征乘以放大值后再用于进行对比。
[0024]有益效果是：由于测量得到特征的值非常小，为毫安级的，通过放大值的设置便于进行对比。
[0025]进一步，所述步骤4中，所述对比结果包括总故障识别率大于或等于设定值、总故障识别率小于设定值，当对比结果为总故障识别率小于设定值时，每个单项故障指标识别率与阈值进行对比得到单项结果，根据单项结果对权重值或故障特征区间进行调整，并在调整进程结束后再次计算总故障识别率，直至满足设定条件。
[0026]有益效果是：在总故障识别率小于设定值时，再对比单项故障指标识别率，根据单
项结果进行权重值或故障特征区间的调整，并再次计算总故障识别率，以最终满足设定条件，能够区分开各种故障，提高故障判断的准确性。
[0027]进一步，所述步骤4中，所述单项结果包括故障指标中的至少一个单项故障指标识别率大于或等于阈值，当一故障状态下的一故障指标的单项故障指标识别率大于或等于阈值时，按照第一预设步长调整预设故障指标的权重值，当一故障状态下的其余故障指标的单项故障指标识别率小于阈值时，按照第二预设步长调整预设故障指标的权重值，反复计算总故障识别率，直至总故障识别率大于设定值的设定条件。
[0028]有益效果是：针对各个预设故障指标的单项故障指标识别率与阈值的对比，根据各个预设故障指标中部分单项故障指标识别率的大小，调节对应预设故障指标的权重值，能够保证总故障识别率具有较好的识别能力。
[0029]进一步，所述单项结果还包括所有故障指标的全部单项故障指标识别率均小于阈值，当多项故障指标的单项故障指标识别率均小于阈值时，先确定当前故障特征区间和正常区间是否重叠，若当前故障特征区间与正常区间不重叠，对故障特征区间进行放大；若故障特征区间与正常区间有重叠时，则将故障特征区间平移至与其他故障特征区间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多指标的医疗设备故障检测方法，其特征在于，包括以下步骤：步骤1，以医疗设备为一个整体系统，建立医疗设备的整体输出观测信号模型，采集医疗设备正常工作时多种预设故障指标分别的正常区间；步骤2，基于步骤1的观测模型输出信号，针对每个预设故障指标测量一台故障的医疗设备的故障特征区间，再引入若干台新医疗设备，分别测量其在相同故障指标下的故障数据，并计算新医疗设备的故障数据的该故障指标于故障特征区间内的单项故障指标识别率；步骤3，根据单项故障指标识别率从预设的权重规则表中匹配出每个预设故障指标的权重值，并依据单项故障指标识别率和权重值计算每种故障状态在多种预设故障指标下的总故障识别率；步骤4，将每种故障状态的总故障识别率与设定值进行对比得到对比结果，根据对比结果对权重值或故障特征区间进行调整，直至满足设定条件；步骤5，当满足设定条件时，搭建医疗设备多个预设故障指标对应的故障规则库；步骤6，将已有的故障进行不断地实测，重复步骤2、步骤3和步骤4，直至涵盖当前实测且满足总故障识别率大于设定值的特征情况，完成一次更新；步骤7，当实际医疗设备具有故障时，测量该故障医疗设备的预设故障指标的值，并将预设故障指标的值与故障规则库进行匹配，根据匹配结果确定医疗设备的故障类型。2.根据权利要求1所述的基于多指标的医疗设备故障检测方法，其特征在于：所述步骤1中，所述预设故障指标包括电流、电压和功率，所述步骤2中，所述预设故障指标的实时采集是在医疗设备的预设状态下进行，所述预设状态包括开机时刻状态和关机时刻状态。3.根据权利要求2所述的基于多指标的医疗设备故障检测方法，其特征在于：所述步骤1中，向系统整体控制输入一个信号叠加至整个输出信号上，系统整体产生的参数和元件故障记为f(t)，该系统整体输出的观测信号记为：y(t)＝Ax(t)+Bu(t)+R1f(t)+Cm(t)；其中，x(t)是状态矢量，u(t)是控制矢量，分别x(t)∈R
n
、u(t)∈R
p
，两者为设备正常情况下系统运行矢量和控制器输出信号量；y(t)是观测输出信号矢量；m(t)是外部采集传感器自身添加的信号输出；f(t)为系统的某个部位异常运行状态矢量，f(t)∈R
g
，每个元素f
i
(t)(i＝1,2,3...g)对应于某具体的故障形式，且也是我们故障研究中需要求解的未知时间函数；ΑΒC为相应维数的常数矩阵；R1是故障系数矩阵，可检测的状态数量决定了该矩阵的维数；采用残差测量法，将离散采集的数值代入观测信号模型，变形得到如下预设故障指标的...

【专利技术属性】
技术研发人员：王子洪，郭海涛，陈晓宇，杨睿，周晟汀，任晓梅，毛一荐，田淼，
申请(专利权)人：中国人民解放军陆军军医大学第一附属医院，
类型：发明
国别省市：