文献类型：期刊文章

作　　者：张玉欣[1] 金江春植[1,2] 白晶[1] 周振雄[1]

Zhang Yuxin;Shunshoku Kanae;Bai Jing;Zhou Zhenxiong(College of Electrical and Information Engineering,Beihua University,Jilin 132021,China;Faculty of Health Sciences,Junshin Gakuen University,Fukuoka 8150000,Japan)

机构地区：[1]北华大学电气与信息工程学院,吉林132021 [2]日本纯真学园大学保健医疗学部,福冈8150000

出　　处：《仪器仪表学报》

基　　金：吉林市科技局项目(201731199);吉林省发展和改革委员会项目(2019C058-1)资助

年　　份：2020

卷　　号：41

期　　号：5

起止页码：174-184

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了实现机械通气辅助医疗中依据病人个体差异控制呼吸机通气参量,分析了基于广义回归神经网络(GRNN)的呼吸系统力学模型,通过结合PSO_GRNN网络、数值积分和递推最小二乘法等实现呼吸系统模型的参数辨识。采用直接计算法实现单周期呼吸样本的肺静态压力值计算,并利用二阶多项式拟合体积值误差,计算10个吸气周期静态数据点的平均绝对值误差为0.1693 mL,计算10个呼气周期静态数据点的平均绝对值误差为0.3728 mL。采用PSO_GRNN网络实现多周期呼吸样本集的肺静态压力值预测,10个呼吸周期样本集的训练集平均误差为0.0009 kPa,测试集平均误差为0.0407 kPa。仿真实验结果表明PSO_GRNN网络在收敛速度、平均误差、运算速度等方面均优于PSO_BP网络。所用方法在机械通气辅助治疗时可以为医生设置呼吸机通气参量提供有效的参考依据。

关 键 词：呼吸系统模型  参数辨识 GRNN网络  粒子群算法 肺静态压力值  

分 类 号：O175.14[数学类] TH77]