(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111655185.6 (22)申请日 2021.12.3 0 (71)申请人 成都中科信息技 术有限公司 地址 610000 四川省成 都市天府新区兴隆 街道科智路13 69号 (72)发明人 高峻嘉　罗旭　文雯　陈晓清　 (74)专利代理 机构 北京正华智诚专利代理事务 所(普通合伙) 11870 代理人 代维凡 (51)Int.Cl. G16H 40/40(2018.01) G06Q 10/00(2012.01) G06Q 10/04(2012.01) (54)发明名称 一种医疗设备故障预警方法 (57)摘要 本发明公开了一种医疗设备故障预警方法， 包括以下步骤： S1、 根据医疗设备类型采集对应 的设备运行数据； S2、 对比实时运行数据和历史 运行数据， 确定可疑运行数据； S3、 基于 可疑运行 数据， 确定对应医疗设备的预警结果。 本发明提 供的医疗设备 故障预警方法， 不仅能够实现实时 的故障诊断， 还能根据医疗设备的潜在故障提前 发出故障等级预警， 使 得用户了解设备的运行情 况， 从而在发生前或未发生严重故障时， 可以及 时采取补救措施， 防止更大的损失， 提高医疗设 备的使用寿 命。 权利要求书3页 说明书8页 附图1页 CN 114360703 A 2022.04.15 CN 114360703 A 1.一种医疗设备故障预警方法， 其特 征在于， 包括以下步骤： S1、 根据医疗设备类型采集对应的设备运行 数据； 所述设备运行数据包括实时运行数据和历史运行数据， 所述历史运行数据均为医疗设 备正常状态下的运行 数据； S2、 对比实时运行 数据和历史运行 数据， 确定可疑运行 数据； S3、 基于可疑运行 数据， 确定对应医疗设备的预警结果； 所述预警结果为故障诊断结果或分级预警结果， 所述故障诊断结果为当前可疑运行数 据对应待测医疗设备的故障类型， 所述分级 预警结果为当前可疑运行数据对应待测医疗设 备的故障预警等级。 2.根据权利要求1所述的医疗设备预警方法， 其特征在于， 所述步骤S1中的每种医疗设 备对应的设备运行数据的类型包括环境因素数据、 电气因素数据以及气路因素数据； 每种 所述医疗设备 下的各类设备运行 数据均有对应的设备运行 数据。 3.根据权利要求2所述的医疗设备故障预警方法， 其特 征在于， 所述 步骤S2具体为： S21、 根据历史运行数据， 生成各类医疗设备下各类设备运行数据的基准曲线， 构建基 准曲线集 合， 并为各类 基准曲线配置关键词； 其中， 所述关键词包括医疗设备类型、 设备型号、 配置信息、 设备运行数据类型以及设 备运行时间段； S22、 根据待测医疗设备的实时运行 数据生成对应的实时曲线； S23、 根据实时曲线的关键词， 在基准曲线集合中匹配与待测医疗设备相似度最高的基 准曲线； S24、 判断匹配到的基准曲线与实时曲线之间的差值是否在预设阈值范围内； 若是， 则进入步骤S25； 若否， 则进入步骤S26； S25、 当前医疗设备的实时运行 数据正常， 将其加入到历史运行 数据中； S26、 当前医疗设备的实时运行 数据为可疑运行 数据， 进入步骤S3 。 4.根据权利要求2所述的医疗设备故障预警方法， 其特 征在于， 所述 步骤S3具体为： S31、 构建各类医疗设备的故障预警模型； S32、 根据 各类医疗设备的历史运行数据训练对应的故障预警模型， 并根据其输出结果 确定预警阈值； S33、 将可疑运行 数据输入至对应的故障预警模型中， 获得 预警系数； S34、 判断预警系数 是否大于的预警阈值； 若是， 则进入步骤S3 5； 若否， 则进入步骤S3 6； S35、 判定待测医疗设备出现故障， 根据可疑运行数据的类型确定医疗设备的故障类 型； S36、 判定待测医疗设备暂未 出现故障， 对可疑运行 数据进行分析， 确定故障预警等级。 5.根据权利要求4所述的医疗设备故障预警方法， 其特征在于， 所述步骤S31中的故障 预警模型为多输入多输出的支持向量机， 所述支持向量机的回归 估计函数的表达式为：权　利　要　求　书 1/3 页 2 CN 114360703 A 2式中， λ为正则化参数， 和bi*均为lagrange函数的解向量， k(xi,j,x)为支持向量机的 径向核函数， m为输出函数的个数。 6.根据权利要求5所述的医疗设备故障预警方法， 其特征在于， 所述步骤S32中， 所述预 警阈值k的表达式为： 所述步骤S33中， 所述预警系数ρ 的表达式为： 式中， 和 均为可疑运行数据类型对应的故障预警模型单节点输出， m为可疑运行 数据类型对应的历史运行数据的总数， n为故障预警模型 的输出节点数， δ为各输出节点的 影响系数。 7.根据权利要求 4所述的医疗设备故障预警方法， 其特 征在于， 所述 步骤S36具体为： S36‑1、 构建医疗设备的运行 预测模型； S36‑2、 通过LP P算法对可疑运行 数据进行降维处 理， 提取特征向量； S36‑3、 将特征向量作为 运行预测模型的输入， 得到可疑运行 数据的预测值； S36‑4、 计算等时间长度间隔内可疑运行 数据的实时值和预测值的残差值； S36‑5、 根据计算的残差值， 计算可疑运行 数据的RMSE值和熵值； S35‑6、 根据RMSE值和熵值与设定阈值之间的关系， 确定待测医疗设备的故障预警等 级。 8.根据权利 要求7所述的医疗设备故障预警方法， 其特征在于， 所述步骤S36 ‑3中， 所述 运行预测模型为基于极限学习机的单隐层前馈神经网络， 含有L个隐节点的单隐层前馈神 经网络的表达式为： 式中， wi为连接输入层和第i个隐含层节点的权值向量， βi为连接输出层和第i个隐含层 节点的权值向量， bi为第i个隐含层节点的偏置， yj为输出节点的计算输出值， (xj,tj)为训 练样本， N 为训练样本的数量； 所述单隐层前馈神经网络中的隐含层函数为核函数， 其表达式为： 式中， σ 为核函数的宽度系数。 9.根据权利 要求8所述的医疗设备故障预警方法， 其特征在于， 所述步骤S36 ‑5中， 可疑 运行数据的RMSE值的计算公式为：权　利　要　求　书 2/3 页 3 CN 114360703 A 3