一种用于医疗器械的远程故障处理方法及系统技术方案

本发明专利技术公开了一种用于医疗器械的远程故障处理方法及系统，涉及故障处理技术领域，该故障处理方法包括以下步骤：对故障等级划分，将故障发生频率高的部件作为易发故障点；利用数字孪生技术模拟医疗器械在极限条件下的运行状态，识别出潜在故障点；基于易发故障点及潜在故障点的故障预测结果制定应急控制措施；将故障数据和运行数据进行实时上传和共享；确定故障根源并结合应急控制措施提供远程故障诊断和维修指导；根据诊断结果和维修指导实施限制控制及安全停机。本发明专利技术通过模拟医疗器械在极限条件下运行状态，可以有效触发部分性能类故障的表现，帮助识别潜在故障点，为远程故障处理人员提供参考。障处理人员提供参考。障处理人员提供参考。

【技术实现步骤摘要】
一种用于医疗器械的远程故障处理方法及系统


[0001]本专利技术涉及故障处理
，具体来说，涉及一种用于医疗器械的远程故障处理方法及系统。

技术介绍

[0002]随着诊疗技术的快速发展，医疗器械投入逐渐加大，借助医疗器械进行医疗诊断已经日益普及，医疗器械是指直接或者间接用于医疗目的各种仪器、设备及器具，其目的是疾病的诊断、预防、监护或者缓解，然而医疗器械在长期使用后，其内部各种电子、机械部件都会随着时间的推移而逐步老化磨损，影响正常运行，且由于医疗器械工作环境温度、湿度变化大，容易受到环境影响而产生故障。
[0003]远程故障处理是指通过网络将医疗器械的运行数据实时传输到远程监测中心，由专业技术人员进行分析诊断和指导解决的一种服务模式，然而在医疗器械的远程故障处理中，如果无法预测医疗器械可能发生的故障并提前采取预防措施，从而会影响医疗器械的可靠性和安全性，一旦故障发生后无法迅速切换或修复，就无法及时反应并采取补救措施，从而可能延长故障修复时间，影响医疗器械正常使用，同时任何故障都可能影响其正常运行和使用安全性，若无法提前制定防范措施进行预防，不仅会增加医疗器械在使用过程中的安全隐患，进而降低了医疗器械的使用效率。
[0004]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]针对相关技术中的问题，本专利技术提出一种用于医疗器械的远程故障处理方法及系统，以克服现有相关技术所存在的上述技术问题。
[0006]为此，本专利技术采用的具体技术方案如下：根据本专利技术的一个方面，提供了一种用于医疗器械的远程故障处理方法，该故障处理方法包括以下步骤：S1、收集医疗器械的历史故障参数，并对故障等级划分，将故障发生频率高的部件作为易发故障点；S2、利用数字孪生技术模拟医疗器械在极限条件下的运行状态，识别出潜在故障点；S3、构建故障预测模型和故障监测模型，并基于易发故障点及潜在故障点的故障预测结果制定应急控制措施；S4、将故障数据和运行数据进行实时上传和共享；S5、若故障监测模型检测出故障信号，确定故障根源并结合应急控制措施提供远程故障诊断和维修指导；S6、根据诊断结果和维修指导实施限制控制及安全停机，并发送相应的维修指令。
[0007]进一步地，所述收集医疗器械的历史故障参数，并对故障等级划分，将故障发生频
率高的部件作为易发故障点包括以下步骤：S11、收集医疗器械的历史运行记录，利用数据库软件从历史运行记录中提取历史故障参数并建立故障参数数据库；S12、从故障参数数据库中提取故障特征参数，并评定各故障特征参数的风险程度，形成影响因素体系；S13、根据影响因素体系设计故障等级划分标准，对故障特征参数进行故障等级划分；S14、统计每个故障等级中各部件的故障发生次数，并利用频率分析法计算各部件的故障发生频率；S15、根据故障发生频率对故障特征参数进行权重分配，并对综合权重值进行排序，将权重值前列的部件作为易发故障点。
[0008]进一步地，所述根据故障发生频率对故障特征参数进行权重分配，并对综合权重值进行排序，将权重值前列的部件作为易发故障点包括以下步骤：S151、利用量化技术得到消除量纲后的新矩阵，并从新矩阵的各列中选出最大值及最小值，分别得到最优对象及最劣对象；S152、计算最优对象及最劣对象的关联系数，并根据关联系数建立权重分配模型；S153、利用权重分配模型建立故障特征参数的权重值，并分别对权重值进行排序，将权重值前列的部件作为易发故障点。
[0009]进一步地，所述权重分配的表达式为：；式中，R表示权重分配的合理性指标；表示第i个属性的重要程度；表示第i个属性的约束条件；n表示第i个属性的权重。
[0010]进一步地，所述利用数字孪生技术模拟医疗器械在极限条件下的运行状态，识别出潜在故障点包括以下步骤：S21、基于医疗器械的结构参数构建三维数字化模型，并建立各部件之间的功能关联规则；S22、分析医疗器械在正常工作场景中各部件的工作状态，并获取医疗器械中各部件的正常工作参数；S23、对三维数字化模型进行参数调节以模拟医疗器械在不同极限工作场景中各部件的工作状态；S24、获取各部件的极限工作参数，并与正常工作参数进行对比，识别首次参数超限的部件；S25、将首次参数超限的部件作为初始故障点，将其在不同极限工作场景中进行单
独模拟，记录其参数响应表现；S26、将参数响应表现与正常工作参数进行比较，将参数响应表现较高的部件确定为潜在故障点。
[0011]进一步地，所述基于医疗器械的结构参数构建三维数字化模型，并建立各部件之间的功能关联规则包括以下步骤：S211、对医疗器械进行关键特征定义，并为每个关键特征定义相应的属性和特征重构方式，确定三维数字化模型的几何层和数据层；S212、导入医疗器械的理论工作原理模型，并对关键特征的属性理论值进行标定；S213、针对关键特征的属性理论值的实测值进行计算和确定，并对所需重构的关键特征进行几何部分重构，将得到的模型组织成整体发布，形成三维数字化模型；S214、在三维数字化模型中为各部件添加属性参数，并根据医疗器械工作原理，建立各部件之间的逻辑连接关系；S215、定义各部件之间的信息和物理传递规则，并验证各部件是否按预期逻辑和规则进行交互。
[0012]进一步地，所述极限工作场景包括高温场景、低温场景、高负载场景及高湿场景；所述高温场景用于模拟医疗器械在高温环境下运行时，测试是否会因高温引起部件过热故障；所述低温场景用于模拟医疗器械在低温环境下运行，测试是否会因低温引起部件失效；所述高负载场景用于模拟医疗器械在高负载工作条件下，测试是否会因负载过大引起部件损耗故障；所述高湿场景用于模拟医疗器械在高湿环境下，测试是否会因潮湿导致绝缘故障。
[0013]进一步地，所述构建故障预测模型和故障监测模型，并基于易发故障点及潜在故障点的故障预测结果制定应急控制措施包括以下步骤：S31、分别构建故障预测模型及故障监测模型；S32、实时调用故障预测模型对易发故障点及潜在故障点进行故障预测；S33、为各潜在故障点及易发故障点设置不同的预测阈值，并根据预测阈值制定相应的应急控制措施，所述预测阈值包括低风险阈值、中风险阈值及高风险阈值。
[0014]进一步地，所述实时调用故障预测模型对易发故障点及潜在故障点进行故障预测包括以下步骤：S321、利用医疗器械的理论工作原理模型明确各部件之间的连接关系；S322、为各部件定义状态变量，并将其作为医疗器械拓扑结构中的每个连接点，并状态变量之间的约束方程；S323、利用医疗器械的设计原理模型和历史故障参数，离线得到医疗器械各个部件的正常状态值分布；S324、根据历史故障参数训练深度学习网络建立故障预测模型，预测各部件下一个时间步的正常状态值；S325、将正常状态值和实际状态值的差值作为溯因推理网络的输入变量，并利用
溯因推理网络输出预测的故障类型。
[0015]进一步地，所述将正常状态值和实际状态值的差值作为溯因推理网络的输入变量，并利用溯因推理网络输出预测的故障类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于医疗器械的远程故障处理方法，其特征在于，该故障处理方法包括以下步骤：S1、收集医疗器械的历史故障参数，并对故障等级划分，将故障发生频率高的部件作为易发故障点；S2、利用数字孪生技术模拟医疗器械在极限条件下的运行状态，识别出潜在故障点；S3、构建故障预测模型和故障监测模型，并基于易发故障点及潜在故障点的故障预测结果制定应急控制措施；S4、将故障数据和运行数据进行实时上传和共享；S5、若故障监测模型检测出故障信号，确定故障根源并结合应急控制措施提供远程故障诊断和维修指导；S6、根据诊断结果和维修指导实施限制控制及安全停机，并发送相应的维修指令；所述收集医疗器械的历史故障参数，并对故障等级划分，将故障发生频率高的部件作为易发故障点包括以下步骤：S11、收集医疗器械的历史运行记录，利用数据库软件从历史运行记录中提取历史故障参数并建立故障参数数据库；S12、从故障参数数据库中提取故障特征参数，并评定各故障特征参数的风险程度，形成影响因素体系；S13、根据影响因素体系设计故障等级划分标准，对故障特征参数进行故障等级划分；S14、统计每个故障等级中各部件的故障发生次数，并利用频率分析法计算各部件的故障发生频率；S15、根据故障发生频率对故障特征参数进行权重分配，并对综合权重值进行排序，将权重值前列的部件作为易发故障点；所述构建故障预测模型和故障监测模型，并基于易发故障点及潜在故障点的故障预测结果制定应急控制措施包括以下步骤：S31、分别构建故障预测模型及故障监测模型；S32、实时调用故障预测模型对易发故障点及潜在故障点进行故障预测；S33、为各潜在故障点及易发故障点设置不同的预测阈值，并根据预测阈值制定相应的应急控制措施，所述预测阈值包括低风险阈值、中风险阈值及高风险阈值；所述实时调用故障预测模型对易发故障点及潜在故障点进行故障预测包括以下步骤：S321、利用医疗器械的理论工作原理模型明确各部件之间的连接关系；S322、为各部件定义状态变量，并将其作为医疗器械拓扑结构中的每个连接点，并状态变量之间的约束方程；S323、利用医疗器械的设计原理模型和历史故障参数，离线得到医疗器械各个部件的正常状态值分布；S324、根据历史故障参数训练深度学习网络建立故障预测模型，预测各部件下一个时间步的正常状态值；S325、将正常状态值和实际状态值的差值作为溯因推理网络的输入变量，并利用溯因推理网络输出预测的故障类型。2.根据权利要求1所述的一种用于医疗器械的远程故障处理方法，其特征在于，所述根
据故障发生频率对故障特征参数进行权重分配，并对综合权重值进行排序，将权重值前列的部件作为易发故障点包括以下步骤：S151、利用量化技术得到消除量纲后的新矩阵，并从新矩阵的各列中选出最大值及最小值，分别得到最优对象及最劣对象；S152、计算最优对象及最劣对象的关联系数，并根据关联系数建立权重分配模型；S153、利用权重分配模型建立故障特征参数的权重值，并分别对权重值进行排序，将权重值前列的部件作为易发故障点。3.根据权利要求2所述的一种用于医疗器械的远程故障处理方法，其特征在于，所述权重分配的表达式为：；式中，R表示权重分配的合理性指标；表示第i个属性的重要程度；表示第i个属性的约束条件；n表示第i个属性的权重。4.根据权利要求3所述的一种用于医疗器械的远程故障处理方法，其特征在于，所述利用数字孪生技术模拟医疗器械在极限条件下的运行状态，识别出潜在故障点包括以下步骤：S21、基于医疗器械的结构参数构建三维数字化模型，并建立各部件之间的功能关联规则；S22、分析医疗器械在正常工作场景中各部件的工作状态，并获取医疗器械中各部件的正常工作参数；S23、对三维数字化模型进行参数调节以模拟医疗器械在不同极限工作场景中各部件的工作状态；S24、获取各部件的极限工作参数，并...

【专利技术属性】
技术研发人员：潘华倩，
申请(专利权)人：江苏优创生物医学科技有限公司，
类型：发明
国别省市：