麻醉气体浓度检测方法的研究及改进(3)
 |
| 第1页 |
参见附件。
5种麻醉气体在浓度0～6%吸收曲线上以0.1%步长抽取气体系数检测值数据输入到神经网络函数中，将输出的5种气体的浓度与各自目标浓度值做差，再将得到的差从输出层输入，调节修正项数值使差为零或接近于零。另取5种麻醉气体的检测值重复以上操作直到该差在每一次得到都为零或接近于零或均方差小于临床要求的最大误差范围±0.15，此时我们认为此BP人工神经网络已被训练好。
向训练好的神经网络输入3通道任意5种麻醉气体的感应器上的检测值，神经网络就输出相应5种麻醉气体的浓度[12]。
图3-3为向训练好的人工网络输入地氟醚检测值的5种浓度输出曲线的2种，其中Y轴为人工网络计算输出的五种麻醉气体浓度、X轴为5种麻醉气体的实际浓度。由图可以看出人工网络计算的地氟醚的浓度与实际浓度相吻合，其他4种气体因为没有输入，所以人工网络输出表现为浓度都近似为零，但因麻醉气体的浓度的误差都大于-0.1%小于0.1%，符合医疗检测中最低识别浓度0.2%的要求。通过验证可以证明运用人工网络可以很好地得到麻醉气体的浓度。
4 讨论
气体种类的区域识别法是利用通道相对吸收系数的大小即把同一斩波周期内的2个通道与第4通道的相对吸收系数分别作为二维空间坐标轴在二维空间画点，通过求得与各麻醉气体物质云中心点的最小距离来识别气体的类型。而且只利用3个通道就可完全识别5种麻醉气体。
单种麻醉气体检测是要选择此种气体吸收系数最大的通道 ......
您现在查看是摘要介绍页，详见PDF附件。