一种基于动态负荷预测与多区域协同的手术室暖通调控方法及系统与流程
本发明涉及暖通空调控制,尤其涉及一种基于动态负荷预测与多区域协同的手术室暖通调控方法及系统。
背景技术:
1、手术室作为医疗建筑中环境控制要求最为严苛的功能空间,其暖通空调系统需同时满足温湿度精度、洁净度等级、正压梯度及气流组织形态等多维度指标,任一指标的偏差均可能对手术安全造成直接影响。随着精准医疗与微创手术技术的持续发展,手术室内热扰动来源日趋复杂,手术灯辐射热、医疗设备散热、人员动态扰动与手术阶段切换所引发的瞬时负荷波动,对暖通系统的动态响应能力提出了更高要求,传统基于固定设计工况的手术室暖通控制方法已难以满足现代手术室精细化环境管理的实际需求。
2、现有手术室暖通控制方案通常采用集中式pid调节或基于静态负荷模型的预设控制策略,仅能依据宏观分区的温湿度传感器反馈进行被动调节,既无法对手术进程驱动的动态负荷变化进行前瞻性预测,也无法在多功能分区之间实现考虑资源竞争关系的协同优化,更无法对手术切口附近等无法直接布设传感器的核心微环境进行有效感知与约束。尤其是现有方案在调控决策过程中完全忽略室内气流场的实际分布形态,仅以温湿度参数达标作为控制目标,导致在参数名义达标的情况下,室内仍可能存在涡流、死角等气流组织缺陷,形成潜在的细菌积聚风险,无法从根本上保障手术室的洁净安全。
技术实现思路
1、本发明提供一种基于动态负荷预测与多区域协同的手术室暖通调控方法及系统,用以解决现有技术的缺陷。
2、本发明提供一种基于动态负荷预测与多区域协同的手术室暖通调控方法,包括:
3、s1、对手术室多个功能分区的热湿参数、手术进程参数及外部环境参数进行同步采集,并将采集数据与高斯过程回归模型的虚拟推算结果融合,得到手术室热湿状态特征向量;
4、s2、将所述手术室热湿状态特征向量输入时序深度学习预测模型,得到带置信区间的动态冷热负荷预测曲线;
5、s3、以手术室结构对应的气流场仿真数据为训练集,对混合深度神经网络进行离线训练,得到气流场代理模型;
6、s4、以所述动态冷热负荷预测曲线为约束,通过势博弈算法对多个功能分区的送风参数进行协同寻优,并将多个候选方案送入所述气流场代理模型进行气流场可行性判定,由气流场可行性判定筛选获得多区域协同调控策略集;
7、s5、将多区域协同调控策略集按末端设备响应时间进行分级执行,得到执行结果。
8、根据本发明提供的一种基于动态负荷预测与多区域协同的手术室暖通调控方法,步骤s1进一步包括:
9、s11、通过布设于多个功能分区的传感器阵列,对多个功能分区的干球温度、相对湿度、co2浓度、辐射温度与风速进行同步采集,并对采集的原始数据进行露点温度换算与显热潜热分离计算,得到多个节点的标准化热湿参数序列;
10、s12、以手术灯投影位置坐标、主刀医生站位坐标、多个送风口射流参数及周围固定传感器读数构成输入向量,以所述标准化热湿参数序列中对应测点的实测值为训练标签,对嵌入距离衰减因子的多个向异性径向基核函数的高斯过程回归模型进行训练,并将当前时刻的输入向量送入高斯过程回归模型,输出切口微环境虚拟感知值;
11、s13、将所述标准化热湿参数序列与所述切口微环境虚拟感知值按功能分区标识与时间戳进行加权融合,得到手术室热湿状态特征向量。
12、根据本发明提供的一种基于动态负荷预测与多区域协同的手术室暖通调控方法,步骤s2进一步包括:
13、s21、以历史同类手术场次对应的手术室热湿状态特征向量序列为训练样本,以对应时段的实测冷热负荷序列为训练标签,对时序卷积网络与注意力机制相融合的深度学习预测模型进行有监督训练;其中,时序卷积层用于提取热湿状态特征向量中的短周期波动特征,注意力机制层对手术阶段切换时刻赋予时序权重;
14、s22、将当前时刻的手术室热湿状态特征向量与未来手术进程预告信息共同输入深度学习预测模型,进行残差不确定性量化,得到带置信区间的动态冷热负荷预测曲线。
15、根据本发明提供的一种基于动态负荷预测与多区域协同的手术室暖通调控方法,步骤s3进一步包括:
16、s31、针对手术室固定空间结构,对多个功能分区送风速度、送风温度与送风口开度的典型参数组合进行计算流体力学数值仿真,采集对应的室内三维速度场与温度场分布数据,构成气流场仿真数据集;
17、s32、以所述气流场仿真数据集为训练集,对混合深度神经网络进行训练,得到训练完成的气流场代理模型;
18、s33、对所述气流场代理模型的每次推理输出,计算污染物移除效率与气流不均匀度指标,以污染物移除效率高于洁净阈值且气流不均匀度指标低于涡流阈值作为气流场可行性判定准则,对所述气流场代理模型形成约束。
19、根据本发明提供的一种基于动态负荷预测与多区域协同的手术室暖通调控方法,步骤s32中,所述混合深度神经网络包括卷积自编码器与长短期记忆网络,所述卷积自编码器用于将送风参数映射至气流场潜在特征空间并重建速度场与温度场分布,所述长短期记忆网络用于捕捉送风参数时序变化对气流场动态演化的滞后影响。
20、根据本发明提供的一种基于动态负荷预测与多区域协同的手术室暖通调控方法,步骤s32进一步包括:
21、s321、将所述气流场仿真数据集中当前时刻的送风速度、送风温度与送风口开度构成的送风参数向量输入卷积自编码器的编码器部分,进行多层卷积与池化操作对送风参数向量进行逐层特征压缩处理,得到反映当前送风状态的气流场潜在特征向量;
22、s322、将时间窗口内连续多个调控步长的气流场潜在特征向量按时序排列,输入长短期记忆网络,由长短期记忆网络的门控机制对气流场潜在特征向量序列中的长程时序依赖关系进行提取,得到融合时序动态信息的气流场时序隐状态;
23、s323、将所述气流场时序隐状态输入卷积自编码器的解码器部分,通过多层反卷积与上采样操作对气流场时序隐状态进行空间重建,得到预测时刻的室内三维速度场与温度场分布图像;
24、s324、以所述气流场仿真数据集中对应参数组合下的计算流体力学仿真速度场与温度场为监督标签,以预测速度场与所述温度场分布图像同监督标签之间的均方误差为损失函数,对编码器、长短期记忆网络与解码器的全部参数进行端到端联合训练,得到气流场代理模型。
25、根据本发明提供的一种基于动态负荷预测与多区域协同的手术室暖通调控方法,步骤s33中,所述污染物移除效率的表达式为:
26、
27、其中,为污染物移除效率,为排风口处污染物平均浓度,为室内污染物平均浓度;
28、所述气流不均匀度指标的表达式为:
29、
30、其中,为离散网格节点索引值,为参与统计的离散网格节点总数,为第个离散网格节点处的速度,为所有采样网格节点速度大小的算术平均值。
31、根据本发明提供的一种基于动态负荷预测与多区域协同的手术室暖通调控方法,步骤s4进一步包括:
32、s41、将多个功能分区定义为博弈参与者,构建势博弈模型;
33、s42、基于手术室暖通系统的物理耦合特性,对所述势博弈模型的势函数存在性进行验证,确认博弈过程收敛至纳什均衡点;
34、s43、在每一调控步长内,令多个功能分区的控制器依据自身热湿状态与相邻分区交互压差信息,通过最佳响应动态算法对本分区送风参数进行独立寻优,经协调器汇聚多个功能分区的输出策略并更新共享资源约束,进行持续迭代直至博弈收敛,得到候选送风参数方案;
35、s44、将所述候选送风参数方案送入气流场代理模型进行气流场推理,计算污染物移除效率与气流不均匀度指标,筛选获得多区域协同调控策略集。
36、根据本发明提供的一种基于动态负荷预测与多区域协同的手术室暖通调控方法,步骤s41中的所述势博弈模型以多个功能分区的送风量、送风温度与送风湿度为策略变量,以多个功能分区温湿度偏差最小化与能耗最小化的加权组合为各参与者效用函数,以动态冷热负荷预测曲线规定的负荷总量约束、系统总风量上限约束及相邻分区最小正压梯度约束为共享资源约束。
37、本发明还提供一种基于动态负荷预测与多区域协同的手术室暖通调控系统,包括:
38、采集模块:用于对手术室多个功能分区的热湿参数、手术进程参数及外部环境参数进行同步采集,并将采集数据与高斯过程回归模型的虚拟推算结果融合,得到手术室热湿状态特征向量;
39、预测模块:用于将所述手术室热湿状态特征向量输入时序深度学习预测模型,得到带置信区间的动态冷热负荷预测曲线;
40、训练模块:用于以手术室结构对应的气流场仿真数据为训练集,对混合深度神经网络进行离线训练,得到气流场代理模型;
41、寻优模块:用于以所述动态冷热负荷预测曲线为约束,通过势博弈算法对多个功能分区的送风参数进行协同寻优,并将多个候选方案送入所述气流场代理模型进行气流场可行性判定,由气流场可行性判定筛选获得多区域协同调控策略集;
42、分发模块:用于将多区域协同调控策略集输出至多个末端设备,以令多个末端设备响应按照末端设备响应时间进行分级执行,得到执行结果。
43、本发明提供的一种基于动态负荷预测与多区域协同的手术室暖通调控方法及系统,通过将高斯过程回归虚拟传感、深度学习负荷预测、气流场降阶代理建模与势博弈论分布式协同优化有机融合,在手术室暖通调控的感知、预测、决策与执行四个层面均带来了显著改善。在感知层面,由于本发明引入了融合距离衰减因子的各向异性径向基核函数高斯过程回归模型,手术切口附近的无法直接测量的核心微环境得以通过虚拟感知值及其不确定性区间加以表征,并作为硬约束直接嵌入优化决策过程,从根本上消除了手术室环境控制中最关键区域长期处于监测盲区的问题,使调控约束从分区平均达标精细化至切口级微环境达标,大幅降低了因局部热积聚或冷风直吹引发的手术安全隐患。在预测层面,由于负荷预测模型的输入已涵盖宏观分区热湿信息与切口微环境虚拟感知值的完整特征向量,配合时序卷积网络对短周期波动的捕捉能力与注意力机制对手术阶段切换事件的动态加权,预测结果对手术进程驱动的负荷跳变具有更强的提前感知能力,所附置信区间进一步为后续调控裕量的自适应设定提供了定量依据,避免了传统静态模型在手术阶段切换时普遍存在的响应滞后问题。在决策层面,气流场代理模型将原本耗时数小时的计算流体力学仿真压缩至毫秒级推理,并以污染物移除效率与气流不均匀度指标作为候选方案的气流场可行性判定准则,使调控决策从单纯的热工参数优化跨越至对室内流场形态的直接约束,实现了从参数达标到场态达标的提升;与此同时,本发明的势博弈论分布式寻优框架以可证收敛的纳什均衡为理论保障,各分区控制器仅需依赖本地状态与相邻分区交互信息即可完成独立寻优,相较于集中式多目标优化在计算效率与容错能力上均有明显优势,单一分区传感器故障不会引发系统级优化失效。在执行层面,基于末端设备响应时间差异的分级错峰执行策略有效抑制了多设备同步动作引发的气流短路与压差耦合波动,调控效果在舒适性、洁净度与能效之间实现了动态权衡,使系统调控质量得到提升。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com