应急救治呼吸机评价筛选指标研究

目的:为解决应急救治呼吸机可靠性评价筛选指标缺乏的问题,提出一种应急救治呼吸机评价筛选指标。方法:首先利用回归模型对呼吸机临床使用数据进行清洗,去除数据中的噪声以保证回归分析的精确度;然后基于曲线拟合和传递函数极点个数等方法确定吸气潮气量-患者分钟呼气量、峰值气道压力-患者分钟呼气量、峰值气道压力-吸气潮气量和PEEP(呼气末正压)-平均气道压力4组具有很强相关性的数据组合,并将4组数据组合理论输出和实际输出的差值作为判断呼吸机工作是否正常的指标;最后将该指标应用于单台和多台呼吸机,通过正常工作的呼吸机比例来判断提出指标的可行性。结果:单台呼吸机评价结果表明,4组数据组合输出的实际值和理论值拟合程度均较高,且4组数据组合输出差值均小于阈值;多台呼吸机评价结果表明,所有呼吸机中正常工作的比例为71.49%,与医院实际呼吸机正常工作的比例(72%)非常接近。结论:提出的应急救治呼吸机评价筛选指标具有可行性,可为应急救治系列设备的可靠性评价和筛选提供理论支撑。

高效复合选煤浮选药剂的研究

介绍了一种将捕收剂、起泡剂合二为一的高效复合选煤药剂的制备和应用性能 ,分析了药剂的乳化和稳定性机理。实验表明 ,该药剂稳定性好 ,在获得相同的浮选效果时 ,该复合药剂的用量比传统的轻柴油药方节省 2 0 %～ 30 %。

基于物联网数据和神经网络的呼吸机故障预测方法研究

目的:针对呼吸机物联网数据提出一种底层数据预处理方法,并在此基础上提出一种基于神经网络的呼吸机故障预测方法。方法:首先对呼吸机物联网数据进行梳理分类,并进行数据清洗。其次,根据各数据项分布情况,使用特征工程方法实现所有数据项无量纲化与编码化。之后,使用自编码器进行数据降维。最后,采用人工神经网络将异常数据作为训练标签,将预测异常数据故障作为训练目标进行训练,通过计算准确率、精确率、召回率、阴性预测值、特异度指标评估神经网络模型的预测性能。结果:神经网络模型学习效果良好,准确率、精确率、召回率、阴性预测值和特异度分别为99.68%、99.66%、99.99%、99.95%和96.52%。结论:提出的基于物联网数据和神经网络的呼吸机故障预测方法能够实现对特定故障的预测,为利用物联网数据开展医疗设备运维管理提供了参考。

光引发合成聚丙烯酰胺在选煤厂的应用

介绍了光引发合成聚丙烯酰胺的方法及在选煤厂的应用,结果表明,由光引发合成聚丙烯酰胺,方法简单,产品分子量高,在选煤厂煤泥水处理中应用效果良好,在相同条件下使用效果超过商品聚丙烯酰胺。