-
公开(公告)号：CN114903648B
公开(公告)日：2022-11-22
申请号：CN202210500896.4
申请日：2022-05-09
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于ESO和模型预测控制的双激素人工胰腺控制器，包括基于ESO的误差估计与切换控制模块、胰岛素输注模型预测控制模块，胰高血糖素输注模型预测控制模块；基于ESO的误差估计与切换控制模块是使用ESO进行对人体血糖代谢简化模型的总扰动的估计，通过模型迭代完成预测过程，基于预测结果完成切换规则的建立。本发明采用上述的一种基于ESO和模型预测控制的双激素人工胰腺控制器，使用辅助ESO对系统建模过程中的未知扰动部分进行估计，从而完成对于下一时刻系统状态的预测，使用预测结果完成切换模型的建立实现双激素模式的转换，同时通过模型预测控制算法完成核心胰岛素‑胰高血糖素控制器的设计，实现了对糖尿病患者血糖水平的有效控制。
-
公开(公告)号：CN114464319A
公开(公告)日：2022-05-10
申请号：CN202210037587.8
申请日：2022-01-13
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于性能监控与深度神经网络的数据驱动AMS易感性评估系统，可以监控技术结合深度神经网络应用于低氧耐受能力动态性能评估中，学习SpO2慢特征和IHT过程采集的数据中关键信息，并对人体低氧耐受能力进行分类；利用慢特征分析和长短时记忆网络构建分类器，充分挖掘生理数据的本质特征，实现快速且高准确率地对个体耐低氧能力进行分类；本发明系统最突出的特征是引入性能监控与深度神经网络的思想对动态生理数据进行个体AMS易感性评估，同时，评估过程融合了由睡眠质量数据和LLS构成的低氧耐受适应域，以达到多角度全面评估效果；首次结合睡眠质量数据和LLS指标构建低氧耐受适应域，以消除LLS存在的主观性问题。
-
公开(公告)号：CN113611414A
公开(公告)日：2021-11-05
申请号：CN202110693559.7
申请日：2021-06-22
Applicant: 北京理工大学 , 中国人民解放军军事科学院军事医学研究院
IPC: G16H50/30 , G16H50/70 , A61B5/0205 , A61B5/145
Abstract: 本发明公开了一种急性高原病动态监测与性能评价方法及系统，通过采集间歇性低氧训练的生理数据，数据预处理，慢特征提取及频域分析，最终获得高原病预测指标，本发明将性能监控技术结合信号处理应用于低氧耐受能力动态性能评估中，利用间歇性低氧训练时间序列数据的慢速特征及其频谱特征表示人体低氧耐受能力适应程度，提出了一种有效的高原病风险预测指标。
-
公开(公告)号：CN112927802A
公开(公告)日：2021-06-08
申请号：CN202110117772.3
申请日：2021-01-28
Abstract: 本发明提供一种专家经验辅助的餐前胰岛素剂量学习优化决策系统，结合人工智能和专家经验方法，同时挖掘患者血糖监测和胰岛素输注数据蕴含的信息，实现在少样本下，仍能基于历史数据确定安全有效的餐前胰岛素剂量，改善餐后血糖管理，同时赋予系统不断自适应学习，提升决策性能的能力；由此可见，本发明为改善餐后血糖管理，利用少量患者历史数据，设计了专家决策辅助的餐前胰岛素剂量个体化学习决策系统，该系统引入模型预测评估方法，有效避免少样本条件下系统决策失误，持续学习患者血糖代谢规律；同时，本发明还引入迭代更新思想，自适应确定餐后血糖管理目标，实现为不同患病情况的糖尿病患者少样本下快速确定安全有效的餐前胰岛素剂量。
-
公开(公告)号：CN111513726B
公开(公告)日：2021-04-13
申请号：CN202010264555.2
申请日：2020-04-07
Applicant: 北京理工大学 , 中国人民解放军军事科学院军事医学研究院
Abstract: 本发明提供一种基于IHT动态性能评估AMS风险的系统，包括数据采集模块、数据处理模块、鲁棒增强模块及AMS严重程度监测器；数据采集模块从多个连续IHT周期中获取SpO2信息；数据处理模块对所获取的SpO2信息进行异常值处理、滤波及数据段划分，选择低氧数据段；指标获取模块获取低氧数据段的动态血氧饱和度指标DSI，DSI为SpO2保持在设定比例以上的持续时间，记为τi；鲁棒增强模块对所述动态血氧饱和度指标τi进行鲁棒性增强，获得指标τr；AMS严重程度监测器，基于预先设定的基准值与所述τr进行比较，实现对AMS进行评估。本发明利用IHT中的连续生理信息反映的人类低氧应激反应动态过程，提出了一种新的AMS预测指标DSI系统。
-
Patent Agency Ranking
公开(公告)号：CN104847732B
公开(公告)日：2016-08-17
申请号：CN201510115702.9
申请日：2015-03-17
Applicant: 北京理工大学
Abstract: 本发明公开的一种用于不平衡负载的阀控缸系统，涉及适用于上下运动不平衡负载工况下的阀控缸系统，属于机电一体化技术领域。本发明包括缸筒、活塞杆、液控口A、液控口B、液控口C，还包括位移传感器滑动杆、位移传感器套筒、伺服阀A和伺服阀B。本发明通过在三腔缸内部安转位移传感器，简化了阀控缸系统的安装，并且可以方便测量液压缸的位移，得到较高的控制精度，此外，本发明用伺服阀代替蓄能器对三腔缸平衡负载腔进行控制，可以使平衡腔的压力保持稳定，更好的平衡负载，简化控制算法的复杂度，并可提高对活塞杆位移的控制精度。
-
公开(公告)号：CN104847750A
公开(公告)日：2015-08-19
申请号：CN201510116684.6
申请日：2015-03-17
Applicant: 北京理工大学
Abstract: 本发明公开的一种电液复合式直线作动器，涉及一种推杆同时受到电机旋转驱动和液压直线驱动的高性能直线作动器，属于机电一体化技术领域。本发明包括电机、编码器、螺母、丝杠、推杆、内筒、外筒、液控口A和液控口B。所述的推杆同时受到电机旋转驱动和液压直线驱动，不仅兼具了液压缸和电动缸的技术优势，而且构成了具有冗余备份形式的驱动形式，大大提高了工作可靠性。本发明具有更好的控制性能、动力性能和能源利用率，控制形式灵活多样，通用性强，能够适应多种特殊或负载过大的工况。
-
公开(公告)号：CN118452907B
公开(公告)日：2025-05-23
申请号：CN202410553422.5
申请日：2024-05-07
Applicant: 北京理工大学
IPC: A61B5/145 , A61B5/00 , G16H50/30 , G06N3/0985 , G06F17/13 , G06N3/0442
Abstract: 本发明公开了一种基于生理信息高斯过程和元学习的餐后血糖预测系统，包括具有神经网络均值函数的高斯过程血糖预测模块、生理信息融合的优化模块以及元学习模块；具有神经网络均值函数的高斯过程血糖预测模块中的神经网络均值函数用于捕捉非线性葡萄糖动力学；生理信息融合的优化模块，将葡萄糖动力学的先验知识通过偏微分不等式描述，并以代价函数的形式嵌入到模型优化过程中；元学习模块，通过元学习方法提高模型的快速学习和泛化能力。本发明采用上述的一种基于生理信息高斯过程和元学习的餐后血糖预测系统，能够有效融入已知的血糖动态变化规律进行数据驱动学习，实现小样本下的个体化餐后血糖预测，并对预测结果的不确定性进行定量估计。
-
公开(公告)号：CN119758721A
公开(公告)日：2025-04-04
申请号：CN202411901345.4
申请日：2024-12-23
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于事件触发学习机制的高原供氧控制器及方法，属于高原供氧技术领域，包括血氧饱和度采集模块和供氧浓度的事件触发学习控制器模块；通过血氧饱和度采集模块获得血氧饱和度SpO2序列，根据氧离曲线方程计算得到动脉血氧分压PaO2序列；获得供氧浓度百分比FiO2；利用供氧浓度的事件触发学习控制器模块通过最小的二次型性能指标优化供氧浓度百分比FiO2。本发明采用上述的一种基于事件触发学习机制的高原供氧控制器及方法，为资源受限的高原低氧习服过程设计供氧控制器，从而有效地调节血氧饱和度，缓解低氧习服过程中出现的较强不良反应。
-
公开(公告)号：CN119474822A
公开(公告)日：2025-02-18
申请号：CN202411591207.0
申请日：2024-11-08
Applicant: 北京理工大学 , 北京空间飞行器总体设计部
IPC: G06F18/213 , G06F18/22 , G06F18/214 , G06N3/0442 , G06N3/084 , G06F17/18 , G01R31/392 , G01R31/367
Abstract: 本发明公开了一种基于域相似元学习的小样本锂电池SOH估计方法，包括以下步骤：S1、设计动态‑静态特征提取模块，采用动态‑静态特征提取模块从电池数据集中提取动态特征和静态特征，通过灰色关联系数将得到的特征联系起来；S2、设计基于域相似的任务排序模块，任务排序模块利用最大均值差异MMD算法计算训练任务之间的域相似度，对训练任务进行排序；S3、在元学习框架中加入LSTM元学习模块，LSTM模型作为学习器，捕捉SOH与电压时间序列之间的依赖关系，并将排序后训练任务嵌入元训练过程。本发明采用上述一种基于域相似元学习的小样本锂电池SOH估计方法，将数学工具和元学习框架相结合，用于在不同工况下精确估计锂电池SOH。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.076 seconds)
