技术领域
[0001] 本发明涉及高压氧舱技术领域，尤其涉及一种单人式多功能高压氧舱。
相关背景技术
[0002] 高压氧治疗技术可用于治疗一氧化碳中毒、减压症、缺氧性疾病、脑血管疾病等。由于患者的呼吸状态对单人高压氧舱的控制系统控制氧气精度和响应速度存在一定影响，因此，本发明提出了一种单人式多功能高压氧舱，在不影响患者使用体验的情况下，缩小氧气供应范围以及调整供应模块从而提高氧气精度和响应速度。
具体实施方式
[0034] 下面结合本发明实施例中的附图对本发明实施例进行描述。
[0035] 在本发明实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语、“连接”、“安装”应做广义理解，例如，“连接”可以是可拆卸地连接，也可以是不可拆卸地连接；可以是直接连接，也可以通过中间媒介间接连接。此外“连通”可以是直接连通，也可以通过中间媒介间接连通。其中，“固定”是指彼此连接且连接后的相对位置关系不变。本发明实施例中所提到的方位用语，例如，“内”、“外”、“顶”、“底”等，仅是参考附图的方向，因此，使用的方位用语是为了更好、更清楚地说明及理解本发明实施例，而不是指示或暗指所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明实施例的限制。
[0036] 实施例
[0037] 参照图1‑图5，一种单人式多功能高压氧舱，包括盖体2以及氧舱主体1，所述盖体2上安装有薄膜状隔帘4，所述薄膜状隔帘4安装在滑动支架上，所述滑动支架安装于Z轴滑轨上，所述Z轴滑轨安装于滑块上，所述滑块安装于X轴滑轨上，从而使得薄膜状隔帘4能够在沿氧舱长度方向上以及竖直方向上进行调节，所述薄膜状隔帘4下侧连接有弧形主气管5，所述弧形主气管5连接有下部卷屈的支气管6，所述薄膜状隔帘4在竖直方向以及水平方向上的位置可以调节，所述盖体2上还安装有呼气口3，所述呼气口3连接排气管，所述排气管中部与薄膜状隔帘4的主气管5连通，所述排气管末端连接排气口，所述氧舱主体1内安装有患者体征监测模块、氧舱环境监控模块、数据传输模块、氧舱控制模块，所述氧舱环境监控模块完成对氧舱内氧气含量、二氧化碳含量等环境参量的监控。
[0038] 所述氧舱环境监控模块的实现步骤如下，
[0039] 步骤1：在氧舱内根据氧舱大小均匀安置氧气浓度传感器、二氧化碳浓度传感器，根据浓度检测情况，采用高斯函数对进行浓度场进行稀疏重构，准确获取氧舱各位置的氧气、二氧化碳浓度变化情况，具体的：
[0040] 设传感器位置(i,j,k)处监测到的氧气含量为Coxy、二氧化碳含量为Ccarb，用高斯函数 对浓度场进行稀疏重构，(x,y,z)为三维空间坐标系，(x0,y0,z0)为氧舱中心位置，即患者呼吸处。A为高斯函数振幅，σX、σY、σZ为浓度在各坐标系扩展范围，将各个传感器位置(i,j,k)处监测到的氧气含量为Coxy、二*
氧化碳含量为Ccarb代入高斯分布函数，用最小二乘法拟合，得到拟合系数A , 即可准确获取氧舱各位置的氧气、二氧化碳浓度变化情况，设f1为氧气浓度场，f2为二氧化碳浓度场。
[0041] 步骤2：根据氧气和二氧化碳浓度的变化计算出患者的呼吸频率，并根据氧气变化率和二氧化碳变化率分别表征患者的吸气力度和呼气力度，具体的：取作为患者呼吸周围范围为a3中的氧气浓度特征值，
作为患者呼吸周围范围为a3中的二氧化碳浓度特征值(a3取氧舱内
体积V的1/5)。计算 的频率作为患者的呼吸频率F，令并根据氧气变化率和二氧化碳变化率分别表征患者的吸气力度Q和呼气力度R。令 α,β为相关系
数，由于吸气力度与呼气力度分别与氧气和二氧化碳变化率线性正相关，故α,β可取1。
[0042] 所述患者体征监测模块完成对患者呼吸频率、血压、脉搏频率等患者生命体征参数的监测，实时跟踪患者身体状况，实现步骤如下：
[0043] 步骤3：对患者的血压、脉搏频率等生命体征进行实时测量，呼吸频率的测量采用间接方法，由步骤2给出；
[0044] 步骤4：为保证步骤3中获取的患者生命体征参数和步骤1、2中获取的环境参量时间相位相同，将各种传感器输出数据频率调整一致，实现各类监测数据的协同。
[0045] 所述数据传输模块完成对上述各类参量的有效传输，实现步骤如下：
[0046] 步骤5：将上述监测数据实时发送至氧舱控制模块中的数据处理模块。
[0047] 所述氧舱控制模块包括数据处理模块和基于径向基(RBF)神经网络的预测控制模块，用于完成患者体征参数数据和环境参量的协同实时处理，并给出氧舱控制策略，即氧气的输送量、输送速度及所输送氧气的浓度；实现步骤如下：
[0048] 步骤6：对从步骤5中获取的数据进行预处理，包括数据归一化、异常值清洗、数据平滑，保证数据来源的有效性和可靠性；
[0049] 步骤7：建议基于径向基神经网络的预测控制模型，其核心是根据预测结果实时调整控制策略，以适应系统动态变化，模型示意图见图4；
[0050] 步骤8：将患者生命体征参数、氧舱环境参数作为模型输入，氧气的输送量、输送速度及所输送氧气的浓度作为模型输出，具体地，模型输入X＝[F,Q,R,P,Fm]，氧气的输送量I、输送速度V及所输送氧气的浓度C作为模型输出，训练上述神经网络模型。
[0051] 在模型训练过程中采用了基于遗传算法优化的径向基神经网络模型，具体步骤如下，
[0052] 步骤9：适用遗传算法优化神经网络的权值和阈值，给出最优适应值个体，将其作为RBF神经网络的初始权值和初始阈值，尽可能降低模型训练所需数据量，使用遗传算法优化神经网络的隐节点权值更新过程，防止传统RBF训练过程陷入局部最优，尽可能降低模型训练所需数据量。具体方法：①对RBF权值进行二进制编码；②初始化；③适应度函数④遗传操作：交叉(概率为Pa)、变异(概率为Pb)，上述概率需根据具体训练样本进行调整，一般交叉概率在0.9‑0.97之间任取，变异概率在0.1‑0.001之间任取；⑤重复步骤③～④直到适应度函数最小，得到此时最优权值编码，从而达到优化RBF网络训练过程的目的；
[0053] 步骤10：设计非线性优化器，将神经网络的输出转为系统的控制量，优化方法选择基于动态矩阵的滚动优化法；
[0054] 步骤11：将实时监测得到的患者生命体征参数、氧舱环境参数等输入量输入神经网络预测控制模型，最终得到此时最优的氧气的输送量、输送速度及所输送氧气的浓度。
[0055] 本申请的工作原理为：
[0056] 通过在盖体2内设置一个位置可调的隔帘4，从而将盖体2内部的空间进行分隔，缩小需要调控氧气浓度的范围，从而提高氧气供应精度；
[0057] 且隔帘4贴近胸部，但是不与胸部直接接触，当患者吸气时，胸部上移进一步缩小与隔帘4的间隔，阻止隔帘4另一侧气体进入供氧空间，当患者呼气时，呼气口3排出的气体经过支气管6使得支气管6伸长，从而缩小隔帘4与胸部的间距，通过设置隔帘4使得在不与患者直接接触的情况下，维护供氧空间不与另一侧交换太多空气，提高供氧精度；
[0058] 所述氧舱环境监控模块完成对氧舱内氧气含量、二氧化碳含量等环境参量的监控，一方面用于氧气控制的反馈，另一方面可再次间接反映患者的呼吸状况；所述患者体征监测模块完成对患者呼吸频率、血压、脉搏频率等患者生命体征参数的监测，实时跟踪患者身体状况；所述数据传输模块完成对上述各类参量的有效传输，采用了基于遗传算法优化的径向基神经网络模型，可根据患者实时身体状态情况给出氧舱的最优控制策略，能够有效提高压氧舱的工作效率，提高治疗效果，结合隔帘4的设置，在硬件上减小供氧空间，使得患者呼吸状态造成的影响更加集中，从而提高各模块对患者呼吸状态造成的影响程度更加精确，通过各个模块进行精确调节，减小供氧空间与另一侧的通气，从而减小了供氧空间内氧气浓度的波动范围，同时通过高压氧舱的控制模块基于患者的呼吸状态进行动态自适应控制，进一步提高供氧精度，提高治疗效果。
[0059] 以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内；在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。因此，本发明的保护范围应以权利要求的保护范围为准。
