用于高压氧舱的空气加压智能调节控制方法及系统

技术领域

本发明涉及数据处理技术领域，具体涉及用于高压氧舱的空气加压智能调节控制方法及系统。

背景技术

高压氧舱是一种用于治疗多种疾病的医疗设备，其主要功能是通过提供高浓度的纯氧并增加环境气压，促进氧气在体内的溶解度，从而改善血液中氧气的运载能力，达到治疗效果。

然而，现阶段高压氧舱的加压控制系统的精度不够高，可能导致舱内气压无法精确地达到需要的数值，同时，氧浓度的控制也可能存在偏差，导致实际提供的氧浓度与需要的氧浓度不完全匹配。

除此之外，由于高压氧舱需要在一定的压力下工作，如果加压控制不稳定，可能会导致舱内气压突变，增加使用过程安全风险。

综上所述，现有技术中存在高压氧舱的加压控制精细化程度不高，导致实际舱内气压和氧浓度不适配实际数值设定，从而影响高压氧舱的正常使用和使用安全性的技术问题。

发明内容

本申请提供了用于高压氧舱的空气加压智能调节控制方法及系统，用于针对解决现有技术中存在高压氧舱的加压控制精细化程度不高，导致实际舱内气压和氧浓度不适配实际数值设定，从而影响高压氧舱的正常使用和使用安全性的技术问题。

鉴于上述问题，本申请提供了用于高压氧舱的空气加压智能调节控制方法及系统。

本申请的第一个方面，提供了用于高压氧舱的空气加压智能调节控制方法，所述方法包括：交互获得高压氧舱的结构设计信息，并基于所述结构设计信息进行传感器布设，获得冗余传感器阵列，其中，所述冗余传感器阵列由主传感器阵列和备用传感器阵列构成；接收客户端发送的环境输入参数，其中，所述环境输入参数包括压力输入参数、氧浓度输入参数和调节时域参数；预构建控制参数反馈网络，将所述环境输入参数输入所述控制参数反馈网络进行进气管道控制参数分析，获得进气控制参数集，其中，所述进气控制参数集包括进气流量参数、进气压力参数、进气温度参数；采用所述进气控制参数进行所述高压氧舱的空气加压控制，并在控制时长达到所述调节时域参数时，激活所述主传感器阵列进行数据采集，获得第一氧浓度阵列和第一实时压力；基于所述第一氧浓度阵列和所述氧浓度输入参数进行氧浓度偏差节点定位，获得目标偏差节点；基于所述目标偏差节点在所述备用传感器阵列映射激活效验备用传感器对所述目标偏差节点进行氧浓度采集，获得效验氧浓度参数；若所述目标偏差节点的实时氧浓度参数满足所述效验氧浓度参数，则基于所述效验氧浓度参数和所述第一实时压力生成二级控制参数集对所述高压氧舱进行二级加压控制。

本申请的第二个方面，提供了用于高压氧舱的空气加压智能调节控制系统，所述系统包括：结构设计交互单元，用于交互获得高压氧舱的结构设计信息，并基于所述结构设计信息进行传感器布设，获得冗余传感器阵列，其中，所述冗余传感器阵列由主传感器阵列和备用传感器阵列构成；输出参数接收单元，用于接收客户端发送的环境输入参数，其中，所述环境输入参数包括压力输入参数、氧浓度输入参数和调节时域参数；反馈网络构建单元，用于预构建控制参数反馈网络，将所述环境输入参数输入所述控制参数反馈网络进行进气管道控制参数分析，获得进气控制参数集，其中，所述进气控制参数集包括进气流量参数、进气压力参数、进气温度参数；加压控制执行单元，用于采用所述进气控制参数进行所述高压氧舱的空气加压控制，并在控制时长达到所述调节时域参数时，激活所述主传感器阵列进行数据采集，获得第一氧浓度阵列和第一实时压力；偏差节点定位单元，用于基于所述第一氧浓度阵列和所述氧浓度输入参数进行氧浓度偏差节点定位，获得目标偏差节点；浓度数据采集单元，用于基于所述目标偏差节点在所述备用传感器阵列映射激活效验备用传感器对所述目标偏差节点进行氧浓度采集，获得效验氧浓度参数；优化控制执行单元，用于若所述目标偏差节点的实时氧浓度参数满足所述效验氧浓度参数，则基于所述效验氧浓度参数和所述第一实时压力生成二级控制参数集对所述高压氧舱进行二级加压控制。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的方法通过交互获得高压氧舱的结构设计信息，并基于所述结构设计信息进行传感器布设，获得冗余传感器阵列，其中，所述冗余传感器阵列由主传感器阵列和备用传感器阵列构成；接收客户端发送的环境输入参数，其中，所述环境输入参数包括压力输入参数、氧浓度输入参数和调节时域参数；预构建控制参数反馈网络，将所述环境输入参数输入所述控制参数反馈网络进行进气管道控制参数分析，获得进气控制参数集，其中，所述进气控制参数集包括进气流量参数、进气压力参数、进气温度参数；采用所述进气控制参数进行所述高压氧舱的空气加压控制，并在控制时长达到所述调节时域参数时，激活所述主传感器阵列进行数据采集，获得第一氧浓度阵列和第一实时压力；基于所述第一氧浓度阵列和所述氧浓度输入参数进行氧浓度偏差节点定位，获得目标偏差节点；基于所述目标偏差节点在所述备用传感器阵列映射激活效验备用传感器对所述目标偏差节点进行氧浓度采集，获得效验氧浓度参数；若所述目标偏差节点的实时氧浓度参数满足所述效验氧浓度参数，则基于所述效验氧浓度参数和所述第一实时压力生成二级控制参数集对所述高压氧舱进行二级加压控制。达到了提高加压控制的精细化程度和氧浓度控制的准确性，提升高压氧舱的整体性能和功能，确保高压氧舱的使用过程安全性的技术效果。

附图说明

图1为本申请提供的用于高压氧舱的空气加压智能调节控制方法流程示意图；

图2为本申请提供的用于高压氧舱的空气加压智能调节控制方法中获得进气控制参数集的流程示意图；

图3为本申请提供的用于高压氧舱的空气加压智能调节控制系统的结构示意图。

附图标记说明：结构设计交互单元1，输出参数接收单元2，反馈网络构建单元3，加压控制执行单元4，偏差节点定位单元5，浓度数据采集单元6，优化控制执行单元7。

具体实施方式

本申请提供了用于高压氧舱的空气加压智能调节控制方法及系统，用于针对解决现有技术中存在高压氧舱的加压控制精细化程度不高，导致实际舱内气压和氧浓度不适配实际数值设定，从而影响高压氧舱的正常使用和使用安全性的技术问题。达到了提高加压控制的精细化程度和氧浓度控制的准确性，提升高压氧舱的整体性能和功能，确保高压氧舱的使用过程安全性的技术效果。

本发明技术方案中对数据的获取、存储、使用、处理等均符合相关规定。

下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。

实施例一

如图1所示，本申请提供了用于高压氧舱的空气加压智能调节控制方法，所述方法包括：

A100:交互获得高压氧舱的结构设计信息，并基于所述结构设计信息进行传感器布设，获得冗余传感器阵列，其中，所述冗余传感器阵列由主传感器阵列和备用传感器阵列构成；

在一个实施例中，本申请提供的方法步骤还包括：

A110:预构建实时特征提取通道、样本特征提取通道和特征相似度计算通道；

A120:预设标准特征提取规则，其中，所述标准特征提取规则包括空间特征提取规则和管道特征提取规则；

A130:基于所述标准特征提取规则构建特征提取器，并将所述特征提取器同步至所述实时特征提取通道和所述样本特征提取通道；

A140:交互获得多个样本高压氧舱的多组样本设计数据，其中，每组样本设计数据由样本空间设计参数、样本进气管道设计参数和样本传感器布设参数构成；

A150:基于知识图谱进行所述多组样本设计数据的关联存储，生成样本参数存储单元；

A160:将所述样本参数存储单元同步至所述样本特征提取通道；

A170:预构建相似度计算函数组，并将所述相似度计算函数组同步至所述特征相似度计算通道；

A180:将所述实时特征提取通道和所述样本特征提取通道并列设置，并将所述实时特征提取通道和所述样本特征提取通道的输出端与所述特征相似度计算通道的输入端连接，完成传感器布设子网络的构建。

在一个实施例中，预构建相似度计算函数组，并将所述相似度计算函数组同步至所述特征相似度计算通道，本申请提供的方法步骤A170还包括：

A171:所述相似度计算函数组包括空间相似度计算函数、管道相似度计算函数和相似度加权函数；

A172:所述空间相似度计算函数如下：

其中，S

A173:所述管道相似度计算函数如下：

其中，S

A174:所述相似度加权函数如下：

S＝w

其中，S为综合相似度指数，w为权重分配值；

A175:将所述空间相似度计算函数、所述管道相似度计算函数和所述相似度加权函数同步至所述特征相似度计算通道。

在一个实施例中，交互获得高压氧舱的结构设计信息，并基于所述结构设计信息进行传感器布设，获得冗余传感器阵列，其中，所述冗余传感器阵列由主传感器阵列和备用传感器阵列构成，本申请提供的方法步骤A100还包括：

A181:将所述结构设计信息同步至所述传感器布设子网络的所述实时特征提取通道，提取获得高压氧舱的实时特征信息集，其中，所述实时特征信息集包括进气管道长度、进气口数量、进气口坐标、氧舱体积；

A182:基于所述样本参数存储单元调用获得多组所述样本空间设计参数-样本进气管道设计参数，并同步至所述样本特征提取通道，获得多个样本高压氧舱的多个样本特征信息集，其中，每个样本特征信息集包括样本进气管道长度、样本进气口数量、样本进气口坐标、样本氧舱体积；

A183:在所述特征相似度计算通道中基于所述相似度计算函数组逐组计算所述实时特征信息集和所述多个样本特征信息集的多个综合相似度指数；

A184:序列化所述多个综合相似度指数并进行极值样本传感器布设参数调用，获得布设节点信息集，其中，所述布设节点信息集中包括K个布设节点，K为正整数；

A185:基于所述布设节点信息集在所述高压氧舱进行传感器布设，获得所述冗余传感器阵列。

具体而言，在本实施例中，所述高压氧舱是一种全密封结构的医疗设备，它通过设置多个氧气供应口和多个进气口来调整舱内的气压和氧浓度。这种设计可以实现在舱内注入空气和纯氧，从而达到预期的治疗效果。

通过多个氧气供应口，高压氧舱能够提供高浓度的纯氧，满足治疗需求。同时，多个进气口可以控制舱内的空气流动，以平衡舱内的气压和氧浓度。通过调整不同进气口的开度和位置，可以实现对舱内气压和氧浓度的精确控制，确保其与设定数值的适配。

在本实施例中，通过在所述高压氧舱内的多个特定位置布设多个集成压力-氧浓度测定功能的传感器进行所述高压氧舱内的整体实时压力数据和各个局域部位的实时氧浓度数据测定。

同时，为避免传感器故障造成的测定结果偏差，每个特定位置布设两个压力-氧浓度测定功能的传感器，以形成实时进行高压氧舱内数据采集的所述主传感器阵列以及在主传感器阵列测定异常数据后进行对应冗余的备用传感器单独激活的所述备用传感器阵列。

所述主传感器阵列和备用传感器阵列构成所述冗余传感器阵列，所述冗余传感器阵列中进行传感器布设的位置设定的实现方法如下：

预构建实时特征提取通道、样本特征提取通道和特征相似度计算通道，所述实时特征提取通道以高压氧舱的结构设计信息为特征提取对象进行特征提取，样本特征提取通道以样本高压氧舱的结构设计信息为特征提取对象进行特征提取，后续特征相似度计算通道基于前述两个通道提取获得的数据特征进行高压氧舱和样本高压氧舱的相似度计算。

所述实时特征提取通道和所述样本特征提取通道实现基于结构设计信息进行特征提取的原理如下：

预先设定标准特征提取规则，所述标准特征提取规则包括空间特征提取规则和管道特征提取规则，所述空间特征提取规则包括提取结构设计中的进气管道长度(氧气供应管道和进气管道)、进气口(氧气供应口和进气口)数量、(氧气供应口和进气口)进气口坐标、氧舱体积，所述管道特征提取规则包括提取结构设计中的进气管道长度(氧气供应管道和进气管道)、进气口(氧气供应口和进气口)数量、(氧气供应口和进气口)进气口坐标、氧舱体积。

基于所述标准特征提取规则构建特征提取器，并将所述特征提取器同步至所述实时特征提取通道和所述样本特征提取通道，实现两个通道可以基于结构设计信息进行特征提取。

应理解的，为提高所获数据的统一性，可以在获得结构设计信息后，设定建模起点进行(样本)高压氧舱的数字孪生建模，确保两个特征提取通道获得数据的参考系一致，提高所获相似性数据的可信性。

进一步的，本实施例交互获得多个样本高压氧舱的多组样本设计数据，每组样本设计数据由表征样本高压氧舱的整体几何形状设计的样本空间设计参数，表征舱内氧气和空气的输气管道以及气口位置布设位置的所述样本进气管道设计参数和表征舱内传感器布设位置的样本传感器布设参数构成。

将结构设计作为第一属性，将多个样本空间设计参数和样本进气管道设计参数作为第一属性值，将传感器布设位置作为第二属性，将多个样本传感器布设参数作为第二属性值，基于知识图谱进行关联存储，生成样本参数存储单元，将所述样本参数存储单元同步至所述样本特征提取通道。

预构建相似度计算函数组，并将所述相似度计算函数组同步至所述特征相似度计算通道。

所述相似度计算函数组包括空间相似度计算函数、管道相似度计算函数和相似度加权函数；

所述空间相似度计算函数如下：

其中，S

所述管道相似度计算函数如下：

其中，S

所述相似度加权函数如下：

S＝w

其中，S为综合相似度指数，w为权重分配值，本实施例对于两种相似度计算策略下的相似度数值的权重分配不做限定，可以根据实际情况进行具体的权重数值设置。

将所述空间相似度计算函数、所述管道相似度计算函数和所述相似度加权函数同步至所述特征相似度计算通道。

将所述实时特征提取通道和所述样本特征提取通道并列设置，并将所述实时特征提取通道和所述样本特征提取通道的输出端与所述特征相似度计算通道的输入端连接，完成传感器布设子网络的构建，本实施例在后续说明书中详细阐述基于所述传感器布设子网络和所述结构设计信息进行所述高压氧舱内布设生成冗余传感器阵列的分析确定方法。

在本实施例中，交互获得高压氧舱的结构设计信息，所述结构设计信息具体包括反映当前高压氧舱的整体几何形状设计的空间设计参数，反映当前高压氧舱的舱内氧气和空气的输气管道以及气口位置布设位置的进气管道设计参数。

将所述结构设计信息同步至所述传感器布设子网络的所述实时特征提取通道，提取获得高压氧舱的实时特征信息集，其中，所述实时特征信息集包括进气管道长度、进气口数量、进气口坐标、氧舱体积。

基于所述样本参数存储单元调用获得多组所述样本空间设计参数-样本进气管道设计参数，并同步至所述样本特征提取通道，获得多个样本高压氧舱的多个样本特征信息集，每个样本特征信息集包括样本进气管道长度、样本进气口数量、样本进气口坐标、样本氧舱体积。

在所述特征相似度计算通道中基于所述相似度计算函数组逐组计算所述实时特征信息集和所述多个样本特征信息集的多个综合相似度指数。

序列化所述多个综合相似度指数，并在所述样本参数存储单元调用中进行序列中极值大对应的样本传感器布设参数调用，获得所述布设节点信息集，所述布设节点信息集中包括K个布设节点，K为正整数。

参考所述布设节点信息集在所述高压氧舱进行两套相同的传感器布设，获得所述冗余传感器阵列。

本实施例通过构建传感器布设子网络，实现了仅获得高压氧舱的结构设计信息，即可快速高效获取对高压氧舱进行有效压力以及有效氧浓度分布测定的冗余传感器阵列的技术效果，同时实现了降低高压氧舱中的氧浓度-压力测定传感器的布设分析对于人工经验的依赖性的技术效果。

A200:接收客户端发送的环境输入参数，其中，所述环境输入参数包括压力输入参数、氧浓度输入参数和调节时域参数；

具体而言，在本实施例中，医院工作人员通过高压氧舱的客户端发送表征希望高压氧舱能够达到的内部压力的所述压力输入参数，氧气浓度的所述氧浓度输入参数以及实现前述内部压力和氧气浓度最短耗时的所述调节时域参数。

所述压力输入参数、氧浓度输入参数和调节时域参数构成环境输入参数，为后续分析确定高压氧舱各个空气进气口和氧气供应口的控制参数提供参考。

A300:预构建控制参数反馈网络，将所述环境输入参数输入所述控制参数反馈网络进行进气管道控制参数分析，获得进气控制参数集，其中，所述进气控制参数集包括进气流量参数、进气压力参数、进气温度参数；

在一个实施例中，如图2所示，预构建控制参数反馈网络，将所述环境输入参数输入所述控制参数反馈网络进行进气管道控制参数分析，获得进气控制参数集，其中，所述进气控制参数集包括进气流量参数、进气压力参数、进气温度参数，本申请提供的方法步骤A300还包括：

A310:交互所述高压氧舱的历史运行日志，获得多个样本环境输入参数集和多个样本进气控制参数集；

A320:基于反向传播神经网络构建生成所述控制参数反馈网络；

A330:采用所述多个样本环境输入参数集和所述多个样本进气控制参数集执行所述控制参数反馈网络的有监督训练，直至所述控制参数反馈网络的输出精度符合预设要求；

A340:将所述环境输入参数输入所述控制参数反馈网络进行进气管道控制参数分析，获得所述进气控制参数集。

具体而言，应理解的，为避免交叉污染，所述高压氧舱在接收所述环境输入参数并进行氧气以及空气注入前，处于真空、无氧、无菌状态。

因而本实施例在初次进行高压氧舱的氧浓度以及压力调节前无需考虑舱内原本的压力以及氧浓度对于控制参数设定的干扰作用。

本实施例中，所述控制参数反馈网络的输入数据为环境输入参数，输出结果为在调节时域参数规定时间内，实现环境输入参数中要求的氧浓度和压力需要对进气口设定的控制参数，具体包括单位时间进氧量，单位时间进气量数据。

在本实施例中，交互所述高压氧舱的历史运行日志，获得多个样本环境输入参数集和多个样本进气控制参数集，基于反向传播神经网络构建生成所述控制参数反馈网络，多个样本环境输入参数集和所述多个样本进气控制参数集基于时间关联关系组合生成多组样本环境输入参数-样本进气控制参数。

将多组样本环境输入参数-样本进气控制参数按照8:1:1的数据量表示划分为训练集、测试集和验证集，采用传统进行反向传播神经网络模型的训练方法，基于训练集和测试集进行所述控制参数反馈网络的训练和测试，基于验证集进行所述控制参数反馈网络的输出准确度验证，直至所述控制参数反馈网络的输出准确度符合预设要求，例如输出准确度稳定高于98％。

将所述环境输入参数输入所述控制参数反馈网络进行进气管道控制参数分析，获得所述进气控制参数集，所述进气控制参数集包括氧气供应口的单位时间进氧量和空气进气口的单位时间进气量，理论上基于所述进气控制参数集对所述高压氧舱执行进气控制到所述调节时域参数时，所述高压氧舱内的氧浓度和压力符合所述环境输入参数的要求。

本实施例通过构建控制参数反馈网络，实现了设定环境输入参数，即可自动化分析确定适配环境输入参数的进气控制参数集，提高加压控制的精细化程度和氧浓度控制的准确性的技术效果。

A400:采用所述进气控制参数进行所述高压氧舱的空气加压控制，并在控制时长达到所述调节时域参数时，激活所述主传感器阵列进行数据采集，获得第一氧浓度阵列和第一实时压力；

A500:基于所述第一氧浓度阵列和所述氧浓度输入参数进行氧浓度偏差节点定位，获得目标偏差节点；

具体而言，在本实施例中，采用所述进气控制参数进行所述高压氧舱的空气加压控制，并在控制时长达到所述调节时域参数时，激活所述主传感器阵列在K个布设节点的K个压力-氧浓度测定传感器进行数据采集，获得第一氧浓度阵列和第一实时压力，所述第一实时压力为K个布设节点任意一个节点的压力数据，所述第一氧浓度阵列包括K个布设节点的K个第一氧浓度数据。

采用所述氧浓度输入参数遍历比对所述K个第一氧浓度数据，获得氧浓度参数低于所述氧浓度输入参数的目标偏差节点，完成进行氧浓度偏差节点定位，本实施例在确定目标偏差节点后，进一步进行局部进气以及进氧量调整，以实现全局的氧浓度符合所述氧浓度输入参数的要求。

A600:基于所述目标偏差节点在所述备用传感器阵列映射激活效验备用传感器对所述目标偏差节点进行氧浓度采集，获得效验氧浓度参数；

在一个实施例中，基于所述目标偏差节点在所述备用传感器阵列映射激活效验备用传感器对所述目标偏差节点进行氧浓度采集，获得效验氧浓度参数，本申请提供的方法步骤A600还包括：

A610:所述第一氧浓度阵列包括映射于所述K个布设节点的K个第一氧浓度数据；

A620:采用所述氧浓度输入参数遍历所述K个第一氧浓度数据，获得M个局域偏差浓度，其中，M为小于K的正整数；

A630:基于所述M个局域偏差浓度进行氧浓度偏差节点定位，获得所述目标偏差节点；

A640:基于所述目标偏差节点在所述备用传感器阵列映射激活所述效验备用传感器对所述目标偏差节点进行氧浓度采集，获得所述效验氧浓度参数。

具体而言，应理解的，在本实施例中，所述主传感器阵列包括K个布设节点的K个压力-氧浓度测定传感器，所述效验备用传感器阵列也包括K个布设节点的K个压力-氧浓度测定传感器。

所述第一氧浓度阵列包括映射于所述K个布设节点的K个第一氧浓度数据，采用所述氧浓度输入参数遍历所述K个第一氧浓度数据，获得M个局域偏差浓度，M为小于K的正整数，基于所述M个局域偏差浓度进行氧浓度偏差节点定位，获得所述目标偏差节点，所述目标偏差节点包括氧浓度不符合所述氧浓度输入参数的一个或多个位置节点。

为避免基于单个传感器所获数据受传感故障风险的干扰，本实施例基于所述目标偏差节点在所述备用传感器阵列中映射激活M个效验备用传感器，基于M个所述效验备用传感器对所述目标偏差节点进行氧浓度采集，获得M个所述效验氧浓度参数。

本实施例基于冗余传感器，实现了避免单传感器数据测定的片面性，避免传感器故障造成的数据测定误差的技术效果。

A700:若所述目标偏差节点的实时氧浓度参数满足所述效验氧浓度参数，则基于所述效验氧浓度参数和所述第一实时压力生成二级控制参数集对所述高压氧舱进行二级加压控制。

在一个实施例中，若所述目标偏差节点的实时氧浓度参数满足所述效验氧浓度参数，则基于所述效验氧浓度参数和所述第一实时压力生成二级控制参数集对所述高压氧舱进行二级加压控制，本申请提供的方法步骤A700还包括：

A710:基于所述结构设计信息进行所述高压氧舱的数字孪生建模，获得舱内孪生模型；

A720:采用所述进气控制参数集对所述舱内孪生模型执行气体流动过程模拟，获得气流区域划分结果；

A730:根据所述目标偏差节点和所述气流区域划分结果执行关联接口定位，获得关联进气口和关联氧气供应口；

A740:交互所述高压氧舱的历史调节日志，获得关联调节参数集，其中，所述关联调节参数集包括多个样本偏差参数集、多个样本环境输入参数集、多个样本出气控制参数集和多个样本进氧控制参数集；

A750:基于卷积神经网络构建二级调节分析网络，并采用所述关联调节参数集进行所述二级调节分析网络的训练；

A760:将所述环境输入参数、所述效验氧浓度参数和所述第一实时压力输入所述二级调节分析网络进行优化控制分析，获得所述二级控制参数集；

A770:采用所述二级控制参数集对所述高压氧舱的所述关联进气口和所述关联氧气供应口进行二级加压控制。

具体而言，在本实施例中，采用常规数字孪生建模技术，基于所述结构设计信息进行所述高压氧舱的数字孪生建模，获得舱内孪生模型，所述舱内孪生模型可以模拟还原在不同空气进气量和氧气进气量下，舱内气流走向变化情况。

本实施例采用所述进气控制参数集对所述舱内孪生模型的进气口单位进气量以及氧气供应口的单位进氧量的参数设定并执行气体流动过程模拟，获得气流区域划分结果，所述气流区域划分结果为每个进气口/氧气供应口的气体流经区域。

在所述舱内孪生模型中进行所述目标偏差节点的定位，并确定所述气流区域划分结果中，哪些进气口和氧气供应口对于目标偏差节点的氧浓度产生影响，进而将确定的一个或多个进气量、氧气供应口，作为所述关联进气口和关联氧气供应口。后续进行高压氧舱的调节仅针对所述关联进气口和关联氧气供应口的控制参数调节。

交互所述高压氧舱的历史调节日志，所述历史调节日志中记录了在高压氧舱非真空状态下执行人工进气进氧调参的调节数据以及调节后稳定下来高压氧舱的氧浓度、压力数据。

所述关联调节参数集具体包括多个样本偏差参数集(氧浓度偏差量和压力偏差量)、多个样本环境输入参数集、多个样本出气控制参数集和多个样本进氧控制参数集。

应理解的，氧浓度不足需要提高进氧量，而进氧会导致舱内压力上升，基于此，本实施例的所述关联调节参数集中的调节参数为将空气进气量翻转作为舱内气体排出的出气口，该出气口的单位时间出气量，以及氧气供应口的单位时间进氧量。

本实施例基于卷积神经网络构建二级调节分析网络，所述二级调节分析网络的输入数据为环境输入参数中的氧浓度输入参数和压力输入参数、当前高压氧舱的实时氧浓度和实时压力，输出数据为实现环境输入参数的氧浓度和压力数值的出气口的单位时间出气控制参数以及氧气供应口的单位时间进氧量。

将所述关联调节参数集按照18:1:1的数据量标识划分为训练集、测试集以及验证集进行所述二级调节分析网络的训练、测试和验证，直至所述二级调节分析网络的输出准确性符合预设精度要求。

应理解的，所述目标偏差节点的实时氧浓度参数满足所述效验氧浓度参数，则证明主传感器阵列所获监测数据可信，本实施例基于所述环境输入参数、所述效验氧浓度参数和所述第一实时压力计算获得氧浓度偏差量和压力偏差量，将所述氧浓度偏差量和压力偏差量作为输入数据，输入所述二级调节分析网络进行优化控制分析，获得所述二级控制参数集，所述二级控制参数集具体包括关联进气口的单位时间出气量控制参数以及关联氧气供应口的单位时间进氧量控制参数。

采用所述二级控制参数集对所述高压氧舱的所述关联进气口和所述关联氧气供应口进行二级加压控制，并以所述压力输入参数、氧浓度输入参数为约束，控制所述主传感器阵列进行所述高压氧舱的持续监控，直至高压氧舱全局氧浓度和压力都适配环境输入参数，随之提示客户端可以进行高压氧舱的使用。

本实施例达到了提高加压控制的精细化程度和氧浓度控制的准确性，提升高压氧舱的整体性能和功能，确保高压氧舱的使用过程安全性的技术效果。

实施例二

基于与前述实施例中用于高压氧舱的空气加压智能调节控制方法相同的发明构思，如图3所示，本申请提供了用于高压氧舱的空气加压智能调节控制系统，其中，所述系统包括：

结构设计交互单元1，用于交互获得高压氧舱的结构设计信息，并基于所述结构设计信息进行传感器布设，获得冗余传感器阵列，其中，所述冗余传感器阵列由主传感器阵列和备用传感器阵列构成；

输出参数接收单元2，用于接收客户端发送的环境输入参数，其中，所述环境输入参数包括压力输入参数、氧浓度输入参数和调节时域参数；

反馈网络构建单元3，用于预构建控制参数反馈网络，将所述环境输入参数输入所述控制参数反馈网络进行进气管道控制参数分析，获得进气控制参数集，其中，所述进气控制参数集包括进气流量参数、进气压力参数、进气温度参数；

加压控制执行单元4，用于采用所述进气控制参数进行所述高压氧舱的空气加压控制，并在控制时长达到所述调节时域参数时，激活所述主传感器阵列进行数据采集，获得第一氧浓度阵列和第一实时压力；

偏差节点定位单元5，用于基于所述第一氧浓度阵列和所述氧浓度输入参数进行氧浓度偏差节点定位，获得目标偏差节点；

浓度数据采集单元6，用于基于所述目标偏差节点在所述备用传感器阵列映射激活效验备用传感器对所述目标偏差节点进行氧浓度采集，获得效验氧浓度参数；

优化控制执行单元7，用于若所述目标偏差节点的实时氧浓度参数满足所述效验氧浓度参数，则基于所述效验氧浓度参数和所述第一实时压力生成二级控制参数集对所述高压氧舱进行二级加压控制。

在一个实施例中，所述结构设计交互单元1还包括：

预构建实时特征提取通道、样本特征提取通道和特征相似度计算通道；

预设标准特征提取规则，其中，所述标准特征提取规则包括空间特征提取规则和管道特征提取规则；

基于所述标准特征提取规则构建特征提取器，并将所述特征提取器同步至所述实时特征提取通道和所述样本特征提取通道；

交互获得多个样本高压氧舱的多组样本设计数据，其中，每组样本设计数据由样本空间设计参数、样本进气管道设计参数和样本传感器布设参数构成；

基于知识图谱进行所述多组样本设计数据的关联存储，生成样本参数存储单元；

将所述样本参数存储单元同步至所述样本特征提取通道；

预构建相似度计算函数组，并将所述相似度计算函数组同步至所述特征相似度计算通道；

将所述实时特征提取通道和所述样本特征提取通道并列设置，并将所述实时特征提取通道和所述样本特征提取通道的输出端与所述特征相似度计算通道的输入端连接，完成传感器布设子网络的构建。

在一个实施例中，所述结构设计交互单元1还包括：

所述相似度计算函数组包括空间相似度计算函数、管道相似度计算函数和相似度加权函数；

所述空间相似度计算函数如下：

其中，S

所述管道相似度计算函数如下：

其中，S

所述相似度加权函数如下：

S＝w

其中，S为综合相似度指数，w为权重分配值；

将所述空间相似度计算函数、所述管道相似度计算函数和所述相似度加权函数同步至所述特征相似度计算通道。

在一个实施例中，所述结构设计交互单元1还包括：

将所述结构设计信息同步至所述传感器布设子网络的所述实时特征提取通道，提取获得高压氧舱的实时特征信息集，其中，所述实时特征信息集包括进气管道长度、进气口数量、进气口坐标、氧舱体积；

基于所述样本参数存储单元调用获得多组所述样本空间设计参数-样本进气管道设计参数，并同步至所述样本特征提取通道，获得多个样本高压氧舱的多个样本特征信息集，其中，每个样本特征信息集包括样本进气管道长度、样本进气口数量、样本进气口坐标、样本氧舱体积；

在所述特征相似度计算通道中基于所述相似度计算函数组逐组计算所述实时特征信息集和所述多个样本特征信息集的多个综合相似度指数；

序列化所述多个综合相似度指数并进行极值样本传感器布设参数调用，获得布设节点信息集，其中，所述布设节点信息集中包括K个布设节点，K为正整数；

基于所述布设节点信息集在所述高压氧舱进行传感器布设，获得所述冗余传感器阵列。

在一个实施例中，所述反馈网络构建单元3还包括：

交互所述高压氧舱的历史运行日志，获得多个样本环境输入参数集和多个样本进气控制参数集；

基于反向传播神经网络构建生成所述控制参数反馈网络；

采用所述多个样本环境输入参数集和所述多个样本进气控制参数集执行所述控制参数反馈网络的有监督训练，直至所述控制参数反馈网络的输出精度符合预设要求；

将所述环境输入参数输入所述控制参数反馈网络进行进气管道控制参数分析，获得所述进气控制参数集。

在一个实施例中，所述浓度数据采集单元6还包括：

所述第一氧浓度阵列包括映射于所述K个布设节点的K个第一氧浓度数据；

采用所述氧浓度输入参数遍历所述K个第一氧浓度数据，获得M个局域偏差浓度，其中，M为小于K的正整数；

基于所述M个局域偏差浓度进行氧浓度偏差节点定位，获得所述目标偏差节点；

基于所述目标偏差节点在所述备用传感器阵列映射激活所述效验备用传感器对所述目标偏差节点进行氧浓度采集，获得所述效验氧浓度参数。

在一个实施例中，所述优化控制执行单元7还包括：

基于所述结构设计信息进行所述高压氧舱的数字孪生建模，获得舱内孪生模型；

采用所述进气控制参数集对所述舱内孪生模型执行气体流动过程模拟，获得气流区域划分结果；

根据所述目标偏差节点和所述气流区域划分结果执行关联接口定位，获得关联进气口和关联氧气供应口；

交互所述高压氧舱的历史调节日志，获得关联调节参数集，其中，所述关联调节参数集包括多个样本偏差参数集、多个样本环境输入参数集、多个样本出气控制参数集和多个样本进氧控制参数集；

基于卷积神经网络构建二级调节分析网络，并采用所述关联调节参数集进行所述二级调节分析网络的训练；

将所述环境输入参数、所述效验氧浓度参数和所述第一实时压力输入所述二级调节分析网络进行优化控制分析，获得所述二级控制参数集；

采用所述二级控制参数集对所述高压氧舱的所述关联进气口和所述关联氧气供应口进行二级加压控制。

综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中，通过各种不限类型的计算机处理器识别计算机指令或程序，进而实现上述任一项方法或者步骤。

基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作的任何改进和修饰，皆应落入本发明的专利保护范围。