呼吸机管路积水故障自动监测算法研究

呼吸机管路中的积水会导致管路内径变窄，增加气道阻力和患者的吸气做功，且当呼吸机管路积水严重时，甚至会造成患者发生窒息现象，而监测呼吸机管路积水故障能够有效提高呼吸机使用的安全性。为此，提出了呼吸机管路积水故障自动监测算法研究。利用小波变换去噪方法去除呼吸机管路信号中的噪声，以VC维理论和SRM准则为基础，建立支持向量机回归算法，通过拉格朗日函数将其优化为多输出支持向量机回归算法，采用改进的人工蜂群算法，优化多输出支持向量机相关参数，生成最优多输出支持向量机并加以训练。将去噪后信号输入至训练后的多输出支持向量机中，输出故障监测结果，实现呼吸机管路积水故障自动监测。实验结果表明，所提方法的故障监测准确率始终高于90%，证明该方法的故障监测精度较高，具有良好的故障监测效果。

呼吸机是重症监护室中至关重要的生命支持医疗设备之一，但呼吸机的不当使用易导致管路积水等问题。不仅不利于治疗，而且还会对患者肺部造成伤害，使患者出现一系列并发症[1]。同时，呼吸机管路积水也会造成流量传感器和呼出阀等部件损坏的问题，导致呼吸机故障或失效，影响病患治疗效果。

因此，对呼吸机管路积水故障进行监测具有重要意义[2]。

刘香君[3]等根据不同故障类别下端口时序性电信号及对应征兆现象，将预处理后的特征编码进行归一化处理并融合，筛选特征值并建立数据特征集，构建长短时记忆网络故障监测模型，将训练后多模态特征输入模型中，实现医疗设备故障智能诊断。陈艳[4]等分别收集造成呼吸机故障的多方面因素数据， 采用收集到的数据训练搭建的8 输入3 输出粗糙神经网络，将待分析数据输入至训练后模型中，实现呼吸机故障监测。虽然上述方法均能够有效实现医疗设备和呼吸机故障的智能诊断和监测，但上述方法未对输入信号进行去噪处理，监测效果还需不断提升。

为了解决上述方法中存在的问题，本文提出了呼吸机管路积水故障自动监测算法研究。

2. 呼吸机管路信号去噪 监测呼吸机管路积水故障的前提是采集呼吸机相关信号数据，在采集信号过程中，外界环境和设备