一种石墨烯复合发热贴垫及其实现颈肩肌群动态调控的方法

本发明涉及智能医疗器械，具体公开了一种石墨烯复合发热贴垫及其实现颈肩肌群动态调控的方法。

背景技术：

1、颈肩部肌肉疼痛和紧张是现代社会的常见健康问题，长期伏案工作、不良姿势以及精神压力等因素导致颈肩肌群持续处于紧张状态，引发局部血液循环不畅、代谢产物堆积，进而产生疼痛、僵硬和活动受限等症状。热疗作为一种非侵入性的物理治疗手段，通过对肌肉组织施加适度热量促进局部血液循环、缓解肌肉痉挛、改善组织代谢，在颈肩部疾病的保守治疗和日常保健中得到广泛应用。

2、石墨烯材料因其优异的导电性、导热性和柔韧性，近年来被应用于柔性发热装置的制造。石墨烯复合发热贴垫利用石墨烯薄膜或涂层的电热转换特性，能够快速、均匀地产生热量，且发热层厚度薄、可弯曲贴合人体曲线，相比传统的电热丝或碳纤维发热装置具有更好的舒适性和贴合性。

3、现有的石墨烯发热贴垫及类似热疗装置在功率控制方面主要采用以下几种技术方案：

4、一是恒温控制方案。该方案通过温度传感器实时监测发热装置表面温度，当温度达到预设目标值时降低功率或暂停供电，当温度低于目标值时恢复供电，通过负反馈机制维持表面温度恒定在设定范围内。这种方案的优点是控制逻辑简单、实现成本低，但存在的问题是只关注表面温度而忽略了深层肌肉组织的实际温度状态。由于人体组织的热传导特性和局部血流灌注状态存在显著的个体差异和空间异质性，相同的表面温度对应的深层肌肉温度可能相差较大。在肌肉紧张、血流受限的部位，表面加热容易导致深层温度过度累积；而在血流灌注良好的部位，表面温度虽然达标但深层温度可能不足，导致治疗效果不均匀。

5、二是预设功率曲线方案。该方案根据经验或实验数据预先设定功率随时间变化的曲线，例如初期以较高功率快速升温，中期维持中等功率稳定加热，后期降低功率避免过热。这种方案考虑了加热过程的时间维度变化，但仍然采用统一的功率曲线应用于所有用户和所有部位，无法适应个体差异。不同用户的肌肉状态、皮下脂肪厚度、血液循环状况差异显著，同一用户不同部位的肌肉紧张程度和血流灌注状态也存在空间异质性，统一的功率曲线难以实现精准的个体化治疗。

6、三是基于温度反馈的自适应控制方案。该方案在恒温控制的基础上增加了一定的自适应能力，例如根据温度上升速率动态调整功率增长斜率，或者根据温度波动情况调整控制参数。这类方案在一定程度上改善了控制效果，但其自适应机制主要针对温度信号本身的特征，未能从生理机制层面识别和响应肌肉状态的动态变化。

7、现有技术方案共同存在的根本性问题在于，忽略了加热过程中肌肉生理状态的动态演化特征。当颈肩部肌肉受到持续加热时，肌肉组织会经历从紧张状态到松弛状态的转变过程。在紧张状态下，肌肉内部血管受到压迫，局部血流灌注受限，组织散热能力较弱；当加热使肌肉温度达到一定阈值并持续一段时间后，肌肉痉挛得到缓解，开始进入松弛状态，血管扩张、血流灌注改善，组织散热能力显著增强。这一生理过程导致肌肉组织的热物理特性（特别是散热系数）随时间发生显著变化，而现有的控制方案将这些特性视为静态常数或仅进行简单的温度反馈调整，无法感知和响应肌肉状态转变导致的散热能力动态变化，进而导致深层肌肉温度在松弛启动后由于散热加快而偏离目标范围，影响治疗效果的持续性和稳定性。

8、此外，现有技术方案缺乏对用户个体化特征的学习和累积能力。用户在多次使用过程中展现出的个体化生理响应模式（如特定部位的肌肉紧张程度、松弛启动的温度阈值和时间特征等）未被系统识别和记录，每次使用均采用相同的初始控制策略，无法实现基于历史数据的个体化优化，限制了治疗效果的进一步提升。

技术实现思路

1、为解决上述技术问题，提供一种石墨烯复合发热贴垫及其实现颈肩肌群动态调控的方法，具体包括以下步骤：

2、s1：初始参数估计：对每个发热单元施加初始功率并持续预设时长，所述预设时长为3至5分钟，在所述预设时长内采集温度时序数据；

3、假设在所述预设时长内肌肉处于紧张状态且散热系数尚未发生显著变化，基于一阶热响应模型对第个发热单元对应部位的等效热容和初始散热系数进行估计；

4、所述一阶热响应模型的温度演化曲线为：；

5、其中，为环境温度，为稳态温升量，为升温时间常数，为时间变量；

6、通过非线性拟合方法从所述温度时序数据中估计参数和；

7、基于所述稳态温升量计算初始散热系数：；

8、其中，为所述初始功率，为所述初始散热系数；

9、基于所述升温时间常数和初始散热系数计算等效热容：；其中，为所述等效热容；

10、s2：时变散热系数实时跟踪；在所述初始参数估计完成后的后续加热过程中，采用滑动时间窗口方式对散热系数的时变轨迹进行实时估计；

11、对于任意时刻，提取从时刻至时刻的温度数据和功率数据，其中，为滑动时间窗口的窗口长度；

12、所述窗口长度的取值范围为1至2分钟；

13、在所述滑动时间窗口内，基于热平衡方程对该窗口对应的散热系数进行估计，所述热平衡方程为：

14、；

15、其中，为温度变化率，为时刻的功率，为时刻的散热系数，为时刻的温度；

16、将所述温度变化率用向后差分近似：；

17、其中，为采样时间步长；从所述热平衡方程解出时刻对应的散热系数；进一步计算散热系数的时间变化率：；

18、s3：肌肉松弛进程实时识别；持续监测所述散热系数的时间变化率，当所述时间变化率满足预设启动条件时，判定第个发热单元对应部位的肌肉开始松弛；

19、所述预设启动条件包括第一判据和第二判据；

20、所述第一判据为：散热系数的时间变化率为显著正值，即满足：；

21、其中，为显著性阈值；

22、所述显著性阈值通过如下方式确定：计算所述初始参数估计阶段的散热系数标准差，将所述显著性阈值设定为所述标准差的2至3倍；

23、所述第二判据为：所述显著正值的时间变化率持续时长超过预设持续时长，所述预设持续时长为30秒至1分钟；

24、当所述第一判据和第二判据同时满足时，记录松弛启动时刻，所述松弛启动时刻定义为首次同时满足所述第一判据和第二判据的时刻；

25、s4：松弛动力学模型建立与预测；在识别到所述松弛启动时刻后，基于松弛启动时刻之后已观测到的散热系数时变数据对松弛动力学模型进行拟合；

26、所述松弛动力学模型采用如下指数饱和形式：；

27、其中，为所述初始散热系数，为散热系数最大增量，为松弛时间常数，为所述松弛启动时刻；

28、所述散热系数最大增量反映该部位肌肉从紧张状态到完全松弛状态的散热变化幅度；

29、所述松弛时间常数反映肌肉松弛过程的快慢；

30、采用非线性最小二乘法对已观测到的散热系数数据进行拟合，估计模型参数和；

31、基于所述松弛动力学模型预测未来时刻的散热系数轨迹，所述未来时刻的时间范围为当前时刻之后的2至5分钟；

32、s5：预测性功率动态调控；以维持深层肌肉温度达到预设目标温度为控制目标，基于所述预测的散热系数轨迹计算各发热单元在未来时间段内的功率调控方案；

33、建立深层肌肉温度与表面施加功率之间的关系方程：

34、；

35、其中，为所述预设目标温度，为时刻需施加的功率；

36、将所述预测的散热系数轨迹代入所述关系方程，得到未来时间段内维持目标温度所需的功率需求轨迹；

37、根据所述功率需求轨迹实时更新各发热单元的功率设定值；

38、在功率调控过程中，持续监测实际散热系数与预测散热系数之间的偏差，当所述偏差的绝对值超过预设偏差阈值时，重新执行所述s4的模型拟合过程；

39、所述预设偏差阈值为所述预测散热系数的10%至20%；

40、s6：个体化参数累积优化；对用户的每次使用过程进行数据记录，所述记录数据包括各发热单元对应部位的初始散热系数、松弛启动时刻、散热系数最大增量和松弛时间常数；

41、当所述用户的累积使用次数达到预设累积次数后，对所述记录数据进行统计分析以提取个体化特征参数；所述预设累积次数为3至5次；

42、基于所述统计分析的结果对后续使用过程中的控制参数进行个体化调整，所述个体化调整包括：

43、根据该用户历史记录中初始散热系数的均值对所述初始功率进行调整，使得初始阶段的升温速率与该用户的个体特征相匹配；

44、根据该用户历史记录中深层温度与松弛启动时刻之间的相关性对松弛识别的判据阈值进行预先调整，使得松弛识别更加灵敏和准确；

45、在执行所述s4的模型拟合时，将该用户历史参数分布作为贝叶斯先验分布施加在参数空间上，加速模型拟合的收敛并提高参数估计的鲁棒性。

46、s1中对温度演化曲线的非线性拟合采用加权最小二乘法；

47、在所述加权最小二乘法中，对升温初期的数据点赋予更高的权重系数；所述升温初期定义为从加热开始至总加热时长的前30%对应的时间段；通过对升温初期数据点赋予更高权重，提高升温时间常数的估计精度。

48、所述s2中滑动时间窗口的窗口长度根据温度信号的噪声水平进行自适应调整；

49、所述自适应调整的具体方式为：在所述s1阶段，计算拟合残差的标准差作为温度噪声水平的估计值，记为；在后续加热过程中，计算当前短期时间窗口内温度信号的波动幅度；

50、当所述波动幅度超过时，增大所述窗口长度以增强滤波效果，减小噪声对散热系数估计的影响；

51、当所述波动幅度小于时，减小所述窗口长度以提高时变参数跟踪的时间分辨率；

52、所述窗口长度的调整范围为0.5分钟至3分钟。

53、所述s3中对松弛启动时刻的识别进一步采用序贯概率比检验方法；

54、所述序贯概率比检验方法包括：

55、建立零假设：散热系数的时间变化率服从所述s1阶段的噪声分布，所述噪声分布的均值为0；

56、建立备择假设：散热系数的时间变化率显著为正，所述时间变化率的均值大于所述显著性阈值；

57、对于时刻，计算从所述s1结束至时刻的所有散热系数变化率数据在所述零假设和备择假设下的似然比：；

58、其中，表示所述零假设，表示所述备择假设，表示从时刻至时刻的散热系数变化率序列；

59、当所述似然比超过预设判决阈值时，拒绝所述零假设并接受所述备择假设，判定松弛启动；所述预设判决阈值的取值范围为10至20；

60、所述序贯概率比检验方法相比固定时长的假设检验能够更早地识别松弛启动时刻，同时保持较低的虚警概率。

61、所述s4中在对松弛动力学模型进行拟合时，根据发热单元在颈肩部位的解剖位置对模型参数施加生理约束；

62、所述生理约束具体为：对位于颈部两侧斜方肌区域的发热单元，其松弛时间常数的取值范围约束为2至4分钟；

63、对位于后颈部深层肌群区域的发热单元，其松弛时间常数的取值范围约束为4至8分钟；

64、在非线性最小二乘拟合过程中，将所述取值范围约束作为参数搜索空间的边界条件，避免拟合结果出现生理不合理的参数值；

65、所述生理约束基于颈肩部位不同肌肉组织的生理特性差异，使得模型拟合结果更加符合实际生理机制。

66、所述s5中的预测性功率动态调控针对不同松弛状态的发热单元采用分段控制策略；

67、所述分段控制策略包括：对于尚未识别到松弛启动的发热单元，维持当前功率不变，或按照预设的缓慢升功率曲线调整功率，所述缓慢升功率曲线的功率增长速率不超过初始功率的每分钟5%；

68、对于已识别到松弛启动且正处于松弛进行中的发热单元，根据所述预测的散热系数增长轨迹同步增加功率以补偿散热加快导致的温度下降；

69、所述松弛进行中的判定条件为：当前散热系数满足：

70、；

71、对于松弛已完成的发热单元，切换至恒定功率维持模式，所述恒定功率根据完全松弛后的散热系数计算得到；

72、所述松弛已完成的判定条件为：当前散热系数满足：；

73、通过所述分段控制策略，使得各发热单元的功率调整轨迹与其各自的肌肉松弛进程保持同步，避免采用统一控制策略导致的部分部位过热或加热不足。

74、当多个发热单元对应的颈肩部位在解剖结构上相邻时，对其松弛启动时刻的识别施加时序一致性约束；

75、所述时序一致性约束的具体实施方式为：根据各发热单元在颈肩部位的空间位置建立相邻关系矩阵，其中矩阵元素的值为1表示发热单元和发热单元在颈肩部位相邻，矩阵元素的值为0表示不相邻；

76、当发热单元识别到松弛启动时刻后，对所有与发热单元相邻的发热单元调整其松弛识别判据；

77、所述调整具体为：将发热单元的显著性阈值降低，用于使得相邻部位的松弛识别判据更加灵敏；

78、所述时序一致性约束基于如下生理机制：颈肩部位的肌肉松弛往往在空间上呈现区域性传播模式，当某一部位开始松弛时，其相邻部位通常也即将进入松弛状态；

79、通过所述时序一致性约束提高相邻部位松弛启动时刻识别的准确性和及时性。

80、所述s6中的个体化参数累积优化进一步包括异常数据检测与剔除机制；

81、所述异常数据检测与剔除机制的具体实施方式为：

82、对该用户历史记录中的松弛参数数据集合进行统计分析，所述松弛参数包括散热系数最大增量和松弛时间常数；

83、对所述数据集合中的每个参数分别计算其均值和标准差；

84、对于某次使用过程中获得的松弛参数，计算该参数与历史均值的偏差；

85、当所述偏差超过历史标准差的3倍时，将该次使用记录标记为异常数据；

86、所述异常数据不纳入个体化参数库的统计计算和更新过程；

87、所述异常数据可能对应用户处于特殊生理状态，例如急性肌肉损伤、炎症反应或疲劳过度状态；

88、通过所述异常数据检测与剔除机制，避免特殊生理状态下的数据影响正常状态下个体化参数的统计估计，提高个体化参数的代表性和稳定性。

89、本发明具有以下有益效果：相比现有技术，本发明具有以下有益效果：

90、第一，本发明通过实时跟踪散热系数的时变轨迹并计算其时间变化率，能够从热物理参数的动态演化特征中识别肌肉从紧张到松弛的生理状态转变过程。现有技术仅监测温度信号本身，而本发明揭示了温度信号背后的深层生理机制——散热系数的动态变化直接反映了肌肉松弛导致的血流灌注改善，从而实现了对肌肉状态转变的定量感知。

91、第二，本发明采用松弛动力学模型对未来散热系数轨迹进行预测，并基于预测结果提前调整功率配置，实现了预测性控制而非传统的反馈控制。预测性控制能够在肌肉松弛导致散热加快之前即提前增加功率进行补偿，避免了反馈控制固有的响应滞后问题。

92、第三，本发明实现了深层肌肉温度分布的空间均匀性。通过对各发热单元独立跟踪散热系数变化并分别进行预测性功率调控，能够使不同部位的深层肌肉同步达到并维持目标温度，而不受初始肌肉状态差异的影响。

93、第四，本发明提高了使用安全性。通过预测性功率调控维持深层温度在目标范围，避免了肌肉紧张部位因散热受限导致的深层温度过度累积。

94、第五，本发明通过多次使用数据的累积建立用户个体化参数库，并基于历史数据对控制策略进行持续优化，实现了个体化自适应治疗。

95、第六，本发明具有异常数据检测与剔除机制，能够识别用户处于特殊生理状态（如急性损伤、炎症反应等）时的异常使用记录，并避免异常数据污染个体化参数基线。

96、综上所述，本发明通过动态散热系数跟踪、肌肉松弛进程识别、松弛动力学建模与预测性功率调控的技术链条，解决了现有技术无法感知和响应肌肉生理状态动态变化的根本性问题，实现了深层温度的精准控制、空间均匀分布和个体化自适应优化，显著提高了颈肩肌群热疗的治疗效果、使用安全性和用户体验。