【技术实现步骤摘要】
本专利技术属于传感器数据处理和深度学习，具体涉及一种用于负压病房的负压检测方法及系统。
技术介绍
1、负压病房的设计旨在控制空气流动方向，防止空气中的感染性病原体扩散到病房外部。在这种环境中，维持一个稳定的负压是至关重要的。负压检测不仅确保了病房内外之间的压力差，而且保障了医护人员和其他病患的安全。
2、早期的负压病房依赖于简单的通风设计来实现负压环境。随着技术的进步，现代负压病房采用了更为复杂的空气处理系统，包括高效过滤系统、精确的压力监控装置和自动调节机制。这些技术进步大幅提高了负压病房在控制感染传播方面的效率。但仍存在以下问题：精确性与灵敏度：高精度和灵敏度的压力传感器对于实时监测病房内外的压力差至关重要。误差较大的传感器可能无法准确反映实际压力变化，导致控制系统失效；系统稳定性与可靠性：负压病房需要可靠的空气处理系统，以保持稳定的负压状态。系统的稳定性对于防止感染传播非常关键。环境因素的影响：外部环境因素，如温度、湿度和外部气压变化，可能影响负压病房内的压力。如何在不断变化的环境条件下保持恒定的负压是一个技术挑战。应急响应：在电力中断或系统故障时，保持病房内的负压环境对于防止感染传播至关重要。因此，病房的设计需要包括应急响应系统。
技术实现思路
1、为提高负压病房的负压检测的精度和准确性的问题，在本专利技术的第一方面提供了一种用于负压病房的负压检测方法，包括：获取负压病房的空间布局和空调风口的分布，并基于cebeci-smith模型确定用于测量负压病房的分布式微
2、在本专利技术的一些实施例中，所述基于cebeci-smith模型确定用于测量负压病房的分布式微差压传感器的最佳安装位置包括：基于空调风口的分布和cebeci-smith模型，确定关于每个分布式微差压传感器位置的多个约束方程；基于多个约束方程，通过拉格朗日函数确定目标函数；通过群体智能算法，对所述目标函数求解，得到每个微差压传感器的最佳安装位置。
3、进一步的，所述基于空调风口的分布和cebeci-smith模型，确定关于每个分布式微差压传感器位置的多个约束方程包括：基于空调风口的分布，构建风口模型，并根据所述风口模型确定第一约束方程；基于cebeci-smith模型，构建湍流模型，并根据所述湍流模型确定第二约束方程。
4、在本专利技术的一些实施例中，所述基于每个微差压传感器在预设时间内的相对位置关系、所属功能区域和压力测量值，构建图关系网络包括：将每个微差压传感器视为图关系网络中的一个节点，根据传感器之间的空间距离和环境因素来定义节点间的边；定义互关系邻接矩阵a来表示图关系网络，其中aij表示节点i和j之间的连接强度。
5、进一步的，所述根据传感器之间的空间距离和环境因素来定义节点间的边包括：若传感器之间存在关联，这根据距离因素和环境因素确定节点间的边的权重函数；若不存在，则将节点间的边的权重置为0。
6、在上述的实施例中，所述基于训练完成的transformer模型提取每个分布式微差压传感器的优化后的图关系网络的特征，并根据所述特征对所述测量值进行校正包括：所述基于训练完成的transformer模型从图关系网络中提取每个分布式微差压传感器的特征向量和关联分布式微差压传感器；实时获取每个关联分布式微差压传感器的测量值；根据所述每个分布式微差压传感器的特征向量，基于每个关联分布式微差压传感器的测量值，对所述分布式微差压传感器的测量值进行校正。
7、本专利技术的第二方面，提供了一种用于负压病房的负压检测系统，包括：获取模块，用于获取负压病房的空间布局和空调风口的分布，并基于cebeci-smith模型确定用于测量负压病房的分布式微差压传感器的最佳安装位置；构建模块，用于基于每个微差压传感器在预设时间内的相对位置关系、所属功能区域和压力测量值，构建图关系网络；通过纳维-斯托克斯方程优化所述图关系网络；校正模块，用于实时获取每个分布式微差压传感器的测量值；基于训练完成的transformer模型提取每个分布式微差压传感器的优化后的图关系网络的特征，并根据所述特征对所述测量值进行校正。
8、本专利技术的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术在第一方面提供的用于负压病房的负压检测方法。
9、本专利技术的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本专利技术在第一方面提供的用于负压病房的负压检测方法。
10、本专利技术的有益效果是：
11、本专利技术涉及一种用于负压病房的负压检测方法及系统，其方法包括：获取负压病房的空间布局和空调风口的分布，并基于cebeci-smith模型确定用于测量负压病房的分布式微差压传感器的最佳安装位置；基于每个微差压传感器在预设时间内的相对位置关系、所属功能区域和压力测量值，构建图关系网络；通过纳维-斯托克斯方程优化所述图关系网络；实时获取每个分布式微差压传感器的测量值；基于训练完成的transformer模型提取每个分布式微差压传感器的优化后的图关系网络的特征，并根据所述特征对所述测量值进行校正。可见，本专利技术通过传统的空气流动模型与深度学习的结合，通过传感器之间的关联特征，达到提高负压检测的精度和准确性的目的。
本文档来自技高网...【技术保护点】
1.一种用于负压病房的负压检测方法，其特征在于，包括：
2.根据权利要求1所述的用于负压病房的负压检测方法，其特征在于，所述基于Cebeci-Smith模型确定用于测量负压病房的分布式微差压传感器的最佳安装位置包括：
3.根据权利要求2所述的用于负压病房的负压检测方法，其特征在于，所述基于空调风口的分布和Cebeci-Smith模型，确定关于每个分布式微差压传感器位置的多个约束方程包括：
4.根据权利要求1所述的用于负压病房的负压检测方法，其特征在于，所述基于每个微差压传感器在预设时间内的相对位置关系、所属功能区域和压力测量值，构建图关系网络包括：
5.根据权利要求4所述的用于负压病房的负压检测方法，其特征在于，所述根据传感器之间的空间距离和环境因素来定义节点间的边包括：
6.根据权利要求1所述的用于负压病房的负压检测方法，其特征在于，所述基于训练完成的transformer模型提取每个分布式微差压传感器的优化后的图关系网络的特征，并根据所述特征对所述测量值进行校正包括：
7.一种用于负压病房的负压检测系统，
8.根据权利要求7所述的于负压病房的负压检测装置，其特征在于，包括：所述构建模块包括：
9.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6任一项所述的用于负压病房的负压检测方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的用于负压病房的负压检测方法。
...【技术特征摘要】
1.一种用于负压病房的负压检测方法，其特征在于，包括：
2.根据权利要求1所述的用于负压病房的负压检测方法，其特征在于，所述基于cebeci-smith模型确定用于测量负压病房的分布式微差压传感器的最佳安装位置包括：
3.根据权利要求2所述的用于负压病房的负压检测方法，其特征在于，所述基于空调风口的分布和cebeci-smith模型，确定关于每个分布式微差压传感器位置的多个约束方程包括：
4.根据权利要求1所述的用于负压病房的负压检测方法，其特征在于，所述基于每个微差压传感器在预设时间内的相对位置关系、所属功能区域和压力测量值，构建图关系网络包括：
5.根据权利要求4所述的用于负压病房的负压检测方法，其特征在于，所述根据传感器之间的空间距离和环境因素来定义节点间的边包括：
6....
【专利技术属性】
技术研发人员：王志，陈志，刘军，孙浩，刘鹏程，
申请(专利权)人：武汉华康世纪医疗股份有限公司，
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。