一种婴儿培养箱状态实时检测及预警系统及其实现方法

技术领域

本发明涉及设备检测及预警技术领域，尤其是一种婴儿培养箱状态实时检测及预警系统及其实现方法。

背景技术

婴儿培养箱可以对新生儿、早产儿、病危儿以及低体重儿进行恒温养护，为其提供一个类似母体子宫的理想修养环境，是避免婴儿交叉感染、增强婴儿机体、促进婴儿生长发育的重要的医疗设备。目前婴儿培养箱测控系统的功能模块如参数设置、显示、测控等都基于硬件实现，面版复杂，只显示温湿度设定值和当前测定值，连续工作时系统实时控制品质不可视；只有最基础的报警功能，缺乏对于婴儿培养箱相关指标的监管，并且不能进一步实现有效的故障预警，也不便临床工程师对于婴儿培养箱进行质控。

发明内容

有鉴于此，为解决现有技术中所存在的一个或多个技术问题，本发明实施例提供一种婴儿培养箱状态实时检测及预警系统及其实现方法。

一方面，本发明的实施例提供了一种婴儿培养箱状态实时检测及预警系统，包括数据采集模块、无线传输模块、数据存储模块、特征提取模块、状态检测模块和状态预警模块；

所述数据采集模块，用于获取婴儿培养箱内的监测参数；

所述无线传输模块，用于发送所述监测参数至数据存储模块；

所述数据存储模块，用于存储所述监测参数、检测模型和预警模型；

所述特征提取模块，用于对所述监测参数进行特征提取，得到关键影响特征向量；

所述状态检测模块，用于将所述关键影响特征向量输入检测模型，得到故障模式预测值；

所述状态预警模块，用于将所述关键影响特征向量和所述故障模式预测值输入预警模型，得到故障概率预测值。

可选地，所述系统还包括系统前面板，所述系统前面板用于进行数据展示；其中，展示的数据包括所述监测参数、故障模式预测值和故障概率预测值。

可选地，所述数据采集模块包括日志单元和传感单元；

其中，所述日志单元，用于获取婴儿培养箱的设备型号、运行时间和报警记录；

所述传感单元，用于获取氧气浓度、光照强度、皮肤温度、培养箱温度和培养箱湿度。

可选地，所述状态检测模块，还用于构建检测模型；

其中，所述状态检测模块包括FMECA分析单元和模型构建单元；

所述FMECA分析单元，用于对婴儿培养箱进行FMECA定性分析，得到故障模式数据；

所述模型构建单元，用于根据所述关键影响特征向量和所述故障模式数据，构建检测模型。

可选地，所述状态预警模块，还用于构建预警模型；

其中，所述状态预警模块包括网络构建单元、数据集单元和训练单元；

所述网络构建单元，用于根据输入层、隐藏层和输出层构建神经网络；

所述数据集单元，用于根据所述关键影响特征向量和所述故障模式预测值，结合所述故障模式数据，得到数据集；

训练单元，用于根据所述数据集，结合损失函数对所述神经网络进行模型训练，得到预警模型。

另一方面，本发明实施例提供了一种婴儿培养箱状态实时检测及预警方法，包括：

通过数据采集模块获取婴儿培养箱内的监测参数；

通过无线传输模块发送所述监测参数至数据存储模块；

通过数据存储模块存储所述监测参数、检测模型和预警模型；

通过特征提取模块对所述监测参数进行特征提取，得到关键影响特征向量；

通过状态检测模块将所述关键影响特征向量输入检测模型，得到故障模式预测值；

通过状态预警模块将所述关键影响特征向量和所述故障模式预测值输入预警模型，得到故障概率预测值。

可选地，还包括：

通过系统前面板进行数据展示；其中，展示的数据包括所述监测参数、故障模式预测值和故障概率预测值。

可选地，所述数据采集模块包括日志单元和传感单元，所述通过数据采集模块获取婴儿培养箱内的监测参数，包括：

通过日志单元获取婴儿培养箱的设备型号、运行时间和报警记录；

通过传感单元获取氧气浓度、光照强度、皮肤温度、培养箱温度和培养箱湿度。

可选地，还包括：

通过状态检测模块构建检测模型；

其中，所述状态检测模块包括FMECA分析单元和模型构建单元；

通过FMECA分析单元对婴儿培养箱进行FMECA定性分析，得到故障模式数据；

通过模型构建单元根据所述关键影响特征向量和所述故障模式数据，构建检测模型。

可选地，还包括：

通过状态预警模块构建预警模型；

其中，所述状态预警模块包括网络构建单元、数据集单元和训练单元；

通过网络构建单元根据输入层、隐藏层和输出层构建神经网络；

通过数据集单元根据所述关键影响特征向量和所述故障模式预测值，结合所述故障模式数据，得到数据集；

通过训练单元根据所述数据集，结合损失函数对所述神经网络进行模型训练，得到预警模型。

本发明的有益效果为：本发明的婴儿培养箱状态实时检测及预警系统包括数据采集模块、无线传输模块、数据存储模块、特征提取模块、状态检测模块和状态预警模块；所述数据采集模块，用于获取婴儿培养箱内的监测参数；所述无线传输模块，用于发送所述监测参数至数据存储模块；所述数据存储模块，用于存储所述监测参数、检测模型和预警模型；所述特征提取模块，用于对所述监测参数进行特征提取，得到关键影响特征向量；所述状态检测模块，用于将所述关键影响特征向量输入检测模型，得到故障模式预测值；所述状态预警模块，用于将所述关键影响特征向量和所述故障模式预测值输入预警模型，得到故障概率预测值。本发明通过数据采集模块获取的监测参数能够对婴儿培养箱的各种指标参数进行监测，进而通过特征提取模块基于监测参数提取的关键影响特征向量筛选出影响程度较大的重要参数，进而通过状态检测模块和状态预警模块实现婴儿培养箱状态实时检测及预警。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的婴儿培养箱状态实时检测及预警系统的总体结构示意图；

图2为本发明实施例提供的婴儿培养箱状态实时检测系统5类故障10个SVM分类器决策示意图；

图3为本发明实施例提供的状态预警模块基于RNN循环神经网络构建婴儿培养箱的预警模型示意图；

图4为本发明实施例提供的婴儿培养箱状态实时检测及预警方法的流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

一方面，本发明的实施例提供了一种婴儿培养箱状态实时检测及预警系统，如图1所示，包括数据采集模块、无线传输模块、数据存储模块、特征提取模块、状态检测模块和状态预警模块；

数据采集模块，用于获取婴儿培养箱内的监测参数；

需要说明的是，数据采集模块包括日志单元和传感单元；其中，日志单元，用于获取婴儿培养箱的设备型号、运行时间和报警记录；传感单元，用于获取氧气浓度、光照强度、皮肤温度、培养箱温度和培养箱湿度。

一些具体的实施例中，数据采集模块通过读取婴儿培养箱工作日志获取设备型号、运行时间、报警记录，并通过相关传感器设备获取婴儿培养箱氧气浓度、光照强度、皮肤温度(表示培养箱中婴儿的皮肤温度)、培养箱温度、湿度等参数。优选地，氧浓度传感器采用SO-E2-250限流型氧化锆氧传感器；光照强度传感器采用OPT4001高速、高精度、数字环境光传感器；皮肤温度传感器采用NTC103AT-10K/25；培养箱温度传感器采用高精度、单线兼容的精确数字输出温度传感器TMP1826(±0.3℃)；湿度传感器采用低功耗数字湿度传感器HDC3022(±1.5％)

无线传输模块，用于发送监测参数至数据存储模块；

一些具体的实施例中，无线传输模块采用KST-RX806超高频无线数据收发模块进行传输。

数据存储模块，用于存储监测参数、检测模型和预警模型；

一些具体的实施例中，数据存储模块通过后台服务器实现，将由无线传输模块传送的设备型号、报警记录、温湿度等数据送到后台服务器进行存储。同时，后台服务器还用于存储状态检测模块和状态预警模块建立的检测模型和预警模型，以及相关的模型运行程序

特征提取模块，用于对监测参数进行特征提取，得到关键影响特征向量；

一些具体的实施例中，特征提取模块对预存数据风险特征库进行特征提取，采用机器学习中基于学习模型的特征排序算法，针对每个单独的特征和响应变量建立模型。例如将设备型号、运行时间、氧气浓度、光照强度、皮肤温度、培养箱温度、湿度等作为特征，这些特征不同情况下培养箱的状态作为响应变量。对这些特征筛选采取随机森林方法，算法基于不纯度的方法将关联程度最高的特征选取出来。筛选出对婴儿培养箱运行状态影响程度较大的重要参数后，组成关键影响特征向量x

状态检测模块，用于将关键影响特征向量输入检测模型，得到故障模式预测值；

需要说明的是，状态检测模块，还用于构建检测模型；其中，状态检测模块包括FMECA分析单元和模型构建单元；FMECA分析单元，用于对婴儿培养箱进行FMECA定性分析，得到故障模式数据；模型构建单元，用于根据关键影响特征向量和故障模式数据，构建检测模型。

具体地，状态检测模块：对婴儿培养箱进行FMECA(Failure Mode,Effects andCriticality Analysis，故障模式、影响和危害性分析)定性分析，通过参考技术手册及以往统计出现过的故障，找到所有的故障模式(failure model，FM)，进一步找出每个故障模式的局部影响、高一层次影响、最终影响，以及影响的严重程度，并从系统内部的功能原理层面以及外部影响层面分析故障原因，给出相应的整改措施，这些信息预存到数据存储模块，当故障发生时会显示在系统前面板，用以提示操作人员或临床工程师。如：箱温过高记为FM1，风机故障记为FM2等，第n个故障数据记为FMn。特别的，婴儿培养箱处于正常状态记为FM0。使用步骤4得到的关键影响特征向量x

①选择惩罚参数C>0控制对错分样本的惩罚程度，构造以下凸二次规划问题(1)，其中第i个松弛变量ξ

s.t.y

其中，y

②第①步骤优化问题可以通过拉格朗日乘子法将其转换为对偶问题进行求解，通过最优化算法求解最优解

其中，α

③根据第②步骤得到的α

④根据第③步骤得到的和，得到决策函数:f(x)＝sign(w

由此建立故障数据关键特征与故障模式的关系f(x)。将某一时刻婴儿培养箱关键影响特征向量x

状态预警模块，用于将关键影响特征向量和故障模式预测值输入预警模型，得到故障概率预测值。

需要说明的是，状态预警模块，还用于构建预警模型；其中，状态预警模块包括网络构建单元、数据集单元和训练单元；网络构建单元，用于根据输入层、隐藏层和输出层构建神经网络；数据集单元，用于根据关键影响特征向量和故障模式预测值，结合故障模式数据，得到数据集；训练单元，用于根据数据集，结合损失函数对神经网络进行模型训练，得到预警模型。

具体地，状态预警模块基于RNN循环神经网络构建婴儿培养箱的预警模型，RNN神经网络是一种循环神经网络，该网络能够将前后有效信息单元进行记忆，具有较强的动态性、时序性等特有优势。如图3所示，RNN神经网络是由输入层、隐藏层和输出层共三层组成。

其中输入层记为{x

其中W

当损失值L达到最小时，得到故障预警模型。通过将实时向量集{PFMn(t),x

还需要说明的是，一些实施例中，系统还包括系统前面板，系统前面板用于进行数据展示；其中，展示的数据包括监测参数、故障模式预测值和故障概率预测值。

具体地，系统前面板，设计基于LabVIEW的显示界面，环境湿度、皮肤温度、培养箱温度、氧气浓度测控曲线可实时显示；根据实时获取的参数显示该设备的不同状态；状态包括当前婴儿培养箱运行状态(故障模式FM)、预设时间段的下一时间段的可能发生的故障模式。其中，一些实施例中，数据存储模块还存有各种故障模式及其对应的应对措施的映射列表数据，当系统前面板会根据故障模式相关数据对应显示其应对措施。

另一方面，如图4所示，本发明实施例提供了一种婴儿培养箱状态实时检测及预警方法，应用于如本发明实施例第一方面所述的婴儿培养箱状态实时检测及预警系统，方法包括：

通过数据采集模块获取婴儿培养箱内的监测参数；

需要说明的是，所述数据采集模块包括日志单元和传感单元，所述通过数据采集模块获取婴儿培养箱内的监测参数，包括：通过日志单元获取婴儿培养箱的设备型号、运行时间和报警记录；通过传感单元获取氧气浓度、光照强度、皮肤温度、培养箱温度和培养箱湿度。

通过无线传输模块发送所述监测参数至数据存储模块；

通过数据存储模块存储所述监测参数、检测模型和预警模型；

通过特征提取模块对所述监测参数进行特征提取，得到关键影响特征向量；

通过状态检测模块将所述关键影响特征向量输入检测模型，得到故障模式预测值；

通过状态预警模块将所述关键影响特征向量和所述故障模式预测值输入预警模型，得到故障概率预测值。

一些实施例中，还包括：通过系统前面板进行数据展示；其中，展示的数据包括所述监测参数、故障模式预测值和故障概率预测值。

一些实施例中，还包括：通过状态检测模块构建检测模型；其中，所述状态检测模块包括FMECA分析单元和模型构建单元；通过FMECA分析单元对婴儿培养箱进行FMECA定性分析，得到故障模式数据；通过模型构建单元根据所述关键影响特征向量和所述故障模式数据，构建检测模型。

一些实施例中，还包括：通过状态预警模块构建预警模型；其中，所述状态预警模块包括网络构建单元、数据集单元和训练单元；通过网络构建单元根据输入层、隐藏层和输出层构建神经网络；通过数据集单元根据所述关键影响特征向量和所述故障模式预测值，结合所述故障模式数据，得到数据集；通过训练单元根据所述数据集，结合损失函数对所述神经网络进行模型训练，得到预警模型。

本方法实施例的内容均基于本发明系统实施例实现，本方法实施例所具体实现的功能与上述系统实施例相同，并且达到的有益效果与上述系统达到的有益效果也相同。

在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。

此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行装置、装置或设备(如基于计算机的装置、包括处理器的装置或其他可以从指令执行装置、装置或设备取指令并执行指令的装置)使用，或结合这些指令执行装置、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行装置、装置或设备或结合这些指令执行装置、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电流的离散逻辑电流，具有合适的组合逻辑门电流的专用集成电流，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。