粗糙神经网络数据挖掘技术在大型医疗设备故障预警中的应用研究

目的:探讨粗糙神经网络的数据挖掘技术故障预警方法,为大型医疗设备智能预警提供参考。方法:采用数据挖掘技术基本原理、粗糙集理论及其约简方法,建立粗糙神经网络,收集2017年10月至2019年5月医院呼吸机使用中的267次故障报警事件资料,制定故障因素采集方法,从设备使用环境因素、电气因素和气路因素进行数据采集,搭建粗糙神经网络,并使用训练后的粗糙神经网络搭建设备故障预警平台。结果:使用训练后的反向传播(BP)神经网络对测试集进行测试,测试集潮气量异常、空压机故障、自检报警、氧浓度偏差过大、无法送气、低压报警和密闭性无法通过识别率分别为81.7%、76.2%、89.6%、90.2%、83.6%、93.2%和82.1%,故障总识别率为85.2%;使用训练后的粗糙神经网络搭建预警平台,当预警值取0.41时医疗设备故障预警准确率为91.0%。结论:通过挖掘故障模式与故障因素的潜在关系,设备故障模式能较好的得到识别,同时可准确对各故障进行预警,为医疗设备故障监测与智能预警提供参考。