一种具温度传感器的骨科高速磨钻制造技术

本发明专利技术属于医疗器械技术领域，公开了一种具温度传感器的骨科高速磨钻，所述具温度传感器的骨科高速磨钻包括：温度采集模块、转速采集模块、摄像模块、主控模块、打磨模块、清洗模块、温度预警模块、故障诊断模块、显示模块。本发明专利技术通过温度预警模块对磨钻温度进行阈值，降低了预警的不确定性，能够得到准确的温度预警结果，实时性高，温度预警效果好；同时，通过故障诊断模块能够高效、精确地对磨钻进行故障诊断，通过将样本数据从时域空间转化到数学形态特征空间，即实现了数据信息压缩目标，又消除冗余数据噪声的影响，从而极大提高了磨钻故障诊断的效率。诊断的效率。诊断的效率。

【技术实现步骤摘要】
一种具温度传感器的骨科高速磨钻


[0001]本专利技术属于医疗器械
，尤其涉及一种具温度传感器的骨科高速磨钻。

技术介绍

[0002]在骨科手术中，磨钻是常用的医疗器械，通常用于坏死骨头或病变骨头的削磨。然而，现有具温度传感器的骨科高速磨钻无法获得准确的温度预警结果；同时，对磨钻故障诊断的效率低下、识别准确度不高。
[0003]综上所述，现有技术存在的问题是：现有具温度传感器的骨科高速磨钻无法获得准确的温度预警结果；同时，对磨钻故障诊断的效率低下、识别准确度不高。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术提供了一种具温度传感器的骨科高速磨钻。
[0005]本专利技术是这样实现的，一种具温度传感器的骨科高速磨钻包括：
[0006]温度采集模块、转速采集模块、摄像模块、主控模块、打磨模块、清洗模块、温度预警模块、故障诊断模块、显示模块；
[0007]温度采集模块，与主控模块连接，用于通过温度传感器采集骨科高速磨钻温度数据；
[0008]转速采集模块，与主控模块连接，用于通过转速传感器采集骨科高速磨钻转速数据；
[0009]摄像模块，与主控模块连接，用于通过摄像器采集打磨视频；
[0010]主控模块，与温度采集模块、转速采集模块、摄像模块、打磨模块、清洗模块、温度预警模块、故障诊断模块、显示模块连接，用于控制各个模块正常工作；
[0011]打磨模块，与主控模块连接，用于通过医用钻头对病变骨头进行削磨；
[0012]清洗模块，与主控模块连接，用于通过医药清洗器对削磨后病变骨头进行药物清洗；
[0013]温度预警模块，与主控模块连接，用于对骨科高速磨钻异常温度进行预警；
[0014]故障诊断模块，与主控模块连接，用于对骨科高速磨钻故障进行诊断；
[0015]显示模块，与主控模块连接，用于通过显示器显示温度、转速、打磨视频。
[0016]进一步，所述温度预警模块预警方法如下：
[0017](1)通过数据库程序构建温度检测数据库；
[0018](2)配置温度传感器工作参数，通过温度传感器对磨钻的运行温度进行周期性检测，将检测得到的温度采样值传输给计算机，并存入温度检测数据库中；
[0019](3)数据分析处理；
[0020](4)磨钻温度预警；
[0021]计算机将磨钻未来温度值与预先设定的温度预警阈值相比较，当磨钻未来温度值超过预先设定的温度预警阈值时，发出报警信号提醒工作人员磨钻已处于高温工作状态，
否则，当磨钻未来温度值未超过预先设定的温度预警阈值时，返回步骤一。
[0022]进一步，所述数据分析处理具体过程为：
[0023]计算机根据公式x*＝(y
max
‑
y
min
)*(x
‑
x
min
)/(x
max
‑
x
min
)+y
min
对其接收到的温度数据进行归一化处理，得到归一化后的温度值x*；其中，y
max
＝1，y
min
＝
‑
1，x为微处理器当前接收到的温度值，x
min
为微处理器接收到的温度的最小值，x
max
为微处理器接收到的温度的最大值；
[0024]计算机将归一化后的温度值x*输入存储在其中的根据检测温度预测磨钻未来温度的基于果蝇算法优化的BP神经网络模型中，得出所述基于果蝇算法优化的BP神经网络模型的输出，所述基于果蝇算法优化的BP神经网络模型的输出即为磨钻未来温度值。
[0025]进一步，所述基于果蝇算法优化的BP神经网络模型的构建方法为：
[0026]数据存储：将磨钻温度的历史数据存储到计算机中；
[0027]数据归一化处理：计算机在MATLAB软件中根据公式α*＝(y
max
‑
y
min
)*(α
‑
α
min
)/(α
max
‑
α
min
)+y
min
对磨钻温度的历史数据进行归一化处理，得到归一化后的磨钻温度历史数据，其中，y
max
＝1，y
min
＝
‑
1，α为磨钻温度的历史数据，α
min
为磨钻温度的变量的历史数据的最小值，α
max
为需要磨钻温度的历史数据的最大值，α*为磨钻温度的历史数据归一化后的值；
[0028]建立三层BP神经网络：计算机在MATLAB软件中以归一化后的磨钻温度的历史数据值作为BP神经网络的输入，输入层节点数n1为1个，以磨钻未来温度值作为BP神经网络的输出，输出层节点数n3为1个，确定所述三层BP网络的隐含层节点数n2为4个，建立三层BP神经网络。
[0029]进一步，所述训练三层BP神经网络，具体过程为：
[0030]计算机在MATLAB软件中将归一化后的磨钻温度的历史数据值作为三层BP神经网络的输入，并以与磨钻温度的历史数据对应的磨钻未来温度历史数据作为BP神经网络的输出，构建训练样本；
[0031]计算机对三层BP神经网络进行训练，且在进行训练的过程中调用果蝇算法参数优化模块对三层BP神经网络的权值W和阈值B进行优化，得到权值W和阈值B最优的训练好的三层BP神经网络模型。
[0032]进一步，所述故障诊断模块诊断方法如下：
[0033]1)磨钻故障诊断训练步骤：构建磨钻故障样本数据库，从磨钻故障样本数据库中获取磨钻故障样本信息，经过计算处理后分别得到消除量纲的磨钻故障样本的特征矩阵和模式距离阈值，将两者彼此关联起来，存储生成磨钻故障模式知识库；
[0034]2)磨钻故障诊断运行步骤：从实时数据库中获取异常样本信息，计算处理后得到异常特征信息，然后对磨钻故障模式知识库中的样本特征依次计算模式距离后转化成模式相似度，输出最终磨钻故障诊断结果；
[0035]进一步，所述磨钻故障诊断训练步骤的具体为：
[0036]从数据库中获取磨钻故障样本信息；依次对每个磨钻故障样本进行分段线性拟合；对磨钻故障样本的每段数据进行特征提取，得到磨钻故障样本的特征矩阵；
[0037]进行磨钻故障特征转化，消除特征量纲，得到消除量纲的磨钻故障样本的特征矩阵；计算模式距离阈值；
[0038]将磨钻故障特征矩阵和模式距离阈值彼此关联起来，存储生成磨钻故障模式知识库。
[0039]进一步，所述步骤从数据库中获取磨钻故障样本信息具体步骤为：选择一个磨钻故障类型数目P≥2且每种磨钻故障发生次数T≥2满足要求的可研究性磨钻，选定足量数目的观测点N，其中N≥10，对磨钻足够长时间的历史运行状态数据进行磨钻故障记录查找，利用设定的筛选规则从磨钻故障记录中摘选出磨钻故本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具温度传感器的骨科高速磨钻，其特征在于，所述具温度传感器的骨科高速磨钻包括：温度采集模块、转速采集模块、摄像模块、主控模块、打磨模块、清洗模块、温度预警模块、故障诊断模块、显示模块；温度采集模块，与主控模块连接，用于通过温度传感器采集骨科高速磨钻温度数据；转速采集模块，与主控模块连接，用于通过转速传感器采集骨科高速磨钻转速数据；摄像模块，与主控模块连接，用于通过摄像器采集打磨视频；主控模块，与温度采集模块、转速采集模块、摄像模块、打磨模块、清洗模块、温度预警模块、故障诊断模块、显示模块连接，用于控制各个模块正常工作；打磨模块，与主控模块连接，用于通过医用钻头对病变骨头进行削磨；清洗模块，与主控模块连接，用于通过医药清洗器对削磨后病变骨头进行药物清洗；温度预警模块，与主控模块连接，用于对骨科高速磨钻异常温度进行预警；故障诊断模块，与主控模块连接，用于对骨科高速磨钻故障进行诊断；显示模块，与主控模块连接，用于通过显示器显示温度、转速、打磨视频。2.如权利要求1所述具温度传感器的骨科高速磨钻，其特征在于，所述温度预警模块预警方法如下：(1)通过数据库程序构建温度检测数据库；(2)配置温度传感器工作参数，通过温度传感器对磨钻的运行温度进行周期性检测，将检测得到的温度采样值传输给计算机，并存入温度检测数据库中；(3)数据分析处理；(4)磨钻温度预警；计算机将磨钻未来温度值与预先设定的温度预警阈值相比较，当磨钻未来温度值超过预先设定的温度预警阈值时，发出报警信号提醒工作人员磨钻已处于高温工作状态，否则，当磨钻未来温度值未超过预先设定的温度预警阈值时，返回步骤一。3.如权利要求2所述具温度传感器的骨科高速磨钻，其特征在于，所述数据分析处理具体过程为：计算机根据公式x*＝(y
max
‑
y
min
)*(x
‑
x
min
)/(x
max
‑
x
min
)+y
min
对其接收到的温度数据进行归一化处理，得到归一化后的温度值x*；其中，y
max
＝1，y
min
＝
‑
1，x为微处理器当前接收到的温度值，x
min
为微处理器接收到的温度的最小值，x
max
为微处理器接收到的温度的最大值；计算机将归一化后的温度值x*输入存储在其中的根据检测温度预测磨钻未来温度的基于果蝇算法优化的BP神经网络模型中，得出所述基于果蝇算法优化的BP神经网络模型的输出，所述基于果蝇算法优化的BP神经网络模型的输出即为磨钻未来温度值。4.如权利要求2所述具温度传感器的骨科高速磨钻，其特征在于，所述基于果蝇算法优化的BP神经网络模型的构建方法为：数据存储：将磨钻温度的历史数据存储到计算机中；数据归一化处理：计算机在MATLAB软件中根据公式α*＝(y
max
‑
y
min
)*(α
‑
α
min
)/(α
max
‑
α
min
)+y
min
对磨钻温度的历史数据进行归一化处理，得到归一化后的磨钻温度历史数据，其中，y
max
＝1，y
min
＝
‑
1，α为磨钻温度的历史数据，α
min
为磨钻温度的变量的历史数据的最小值，α
max
为需...

【专利技术属性】
技术研发人员：季欣然，王征，唐佩福，
申请(专利权)人：中国人民解放军总医院第一医学中心，
类型：发明
国别省市：