申路，孫俊峰

(1. 廣州醫(yī)科大學(xué)附屬第五醫(yī)院，廣東 廣州 510700 ； 2. 廣州市正骨醫(yī)院，廣東 廣州 510049)

0 引言

醫(yī)生在對患者病情進(jìn)行診斷時，主要以醫(yī)療器械對患者的檢測結(jié)果作為判斷依據(jù)。近年來，醫(yī)療器械故障問題的頻繁出現(xiàn)，更是導(dǎo)致醫(yī)療事故出現(xiàn)的概率大大增加。醫(yī)療設(shè)備大多屬于精密診療儀器，所以導(dǎo)致器械設(shè)備發(fā)生故障的原因也就相對多樣，單純依靠人工檢測的方式，并不能準(zhǔn)確從故障特征中選取最為有利的診斷信息，過往應(yīng)用經(jīng)驗主要利用計算機(jī)技術(shù)對相關(guān)故障數(shù)據(jù)進(jìn)行篩選，并融合已知的知識體系，建立一個完整的檢測模型。為此，相關(guān)學(xué)者進(jìn)行了研究。劉媛等[1]采用振動加速度傳感器作為傳感器件，研制了GIS振動信號檢測裝置，并輔以回路電阻測試儀量化觸頭的接觸狀態(tài)，采用自主研發(fā)的振動信號檢測裝置對不同接觸程度的GIS進(jìn)行振動檢測。馬杰等[2]以物聯(lián)網(wǎng)為基礎(chǔ)搭建系統(tǒng)框架，實時采集運行故障數(shù)據(jù)封成數(shù)據(jù)包，利用Silverlight WCF技術(shù)來解決管理終端與服務(wù)器之間的實時數(shù)據(jù)交互，以插件的形式將各設(shè)備的檢測模塊注冊并加載至系統(tǒng)中，利用模糊聚類算法檢測故障。上述兩種方法在現(xiàn)階段取得了一些研究成果，但對于局部閾值而言，其所得檢測實值與理想數(shù)值之間的物理差值水平相對較大，易導(dǎo)致檢測精度值的不斷下降。

對互聯(lián)網(wǎng)應(yīng)用環(huán)境而言，ThinkPHP框架支持Linux、Unix、Windows等多種操作服務(wù)器，可在Sqlite、PgSQL、MySql等多種數(shù)據(jù)庫結(jié)構(gòu)的支持下，對外接PDO服務(wù)進(jìn)行拓展處理。ThinkPHP框架是以Apache2開源協(xié)議為基礎(chǔ)建立的數(shù)據(jù)信息傳輸發(fā)布結(jié)構(gòu)，在應(yīng)用過程中，同時注重代碼的間接性與執(zhí)行性能的優(yōu)異性。從宏觀性角度來看，ThinkPHP框架對所涉及模塊的連接形式并沒有特別要求，但為了保證整體應(yīng)用模式的統(tǒng)一，還需注重模塊與模塊之間的實時連接方式[3-4]。一般來說，一個完整的ThinkPHP框架必須同時配置模板引擎、角色認(rèn)證、表單處理等多種組件機(jī)制，而且對跨平臺的傳輸服務(wù)而言，任何指令操作都必須與數(shù)據(jù)庫協(xié)議移植行為一起出現(xiàn)。

ThinkPHP是一個快速、兼容而且簡單的輕量級國產(chǎn)PHP開發(fā)框架，是為了簡化企業(yè)級應(yīng)用和敏捷Web應(yīng)用而開發(fā)的。因此，本研究針對基于ThinkPHP的醫(yī)療器械振動故障檢測方法展開研究。該方法能夠更加方便、快速地對醫(yī)療器械振動故障進(jìn)行檢測，解決了傳統(tǒng)方法的不足，證明了本文方法的有效性。

1 醫(yī)療器械的振動故障檢測

1.1 故障數(shù)據(jù)采集

對醫(yī)療設(shè)備振動故障數(shù)據(jù)進(jìn)行采集，在此基礎(chǔ)上，對相關(guān)混合故障模式下的特征重要度進(jìn)行排序，選取重要特征構(gòu)建故障數(shù)據(jù)并進(jìn)行數(shù)據(jù)采集[5-6]。在此基礎(chǔ)上，完成了ThinkPHP框架下的振動相關(guān)故障信息采集，其步驟是：

(1)

通過對故障數(shù)據(jù)的采集可以進(jìn)一步提高系統(tǒng)的運行效率。

1.2 故障數(shù)據(jù)處理

故障數(shù)據(jù)采集過程中存在噪聲干擾，因此需要對故障數(shù)據(jù)進(jìn)行降噪處理。醫(yī)療器械振動故障信號包含電動機(jī)信號、電板信號、齒輪信號等多種形式，在ThinkPHP框架中，由于已獲取的檢測信號中包含大量的數(shù)據(jù)信息參量，致使檢測指令所涉及的涵蓋范圍較大，這也是導(dǎo)致檢測結(jié)果精確度水平相對較低的主要原因[7-8]。為解決上述問題，應(yīng)在已知相關(guān)故障特征定義條件的基礎(chǔ)上，對醫(yī)療器械振動故障數(shù)據(jù)進(jìn)行初步處理。具體操作流程如圖1所示。

圖1 故障數(shù)據(jù)處理流程圖

設(shè)c、m表示兩個不同的故障信號涵蓋系數(shù)；μ表示醫(yī)療器械振動故障數(shù)據(jù)的離散特征值；η表示基于ThinkPHP框架檢測率系數(shù)；R表示醫(yī)療器械振動故障數(shù)據(jù)的特征函數(shù)；vc、vm表示兩個不同的醫(yī)療器械振動故障數(shù)據(jù)取值結(jié)果。在上述物理量的支持下，可對采集的故障數(shù)據(jù)進(jìn)行降噪處理，其計算公式為

(2)

至此，實現(xiàn)對相關(guān)故障指標(biāo)參量的計算與處理，并在ThinkPHP框架的支持下，完成醫(yī)療器械振動故障檢測方法的設(shè)計與應(yīng)用[9]。

1.3 故障項目目錄生成

對預(yù)處理后的醫(yī)療器械振動故障數(shù)據(jù)進(jìn)行整合，并將整合后的故障數(shù)據(jù)生成項目目錄。用ThinkPHP框架對醫(yī)療器械振動故障進(jìn)行檢測，了解相關(guān)數(shù)據(jù)信息后，就可以編寫全新的故障項目文件，并在此基礎(chǔ)上快速自動生成故障項目目錄[10]。其具體操作步驟如下。

1)在ThinkPHP框架的根目錄文件之下，建立一個核心項目文件夾，一般直接命名為“Mark項目”。

2)將ThinkPHP框架的核心類庫移植到步驟1)所建立的根目錄文件之下。

3)在“Mark” 項目文件夾之下，建立一個“index.php”文本文件，并將其作為醫(yī)療器械振動故障數(shù)據(jù)的傳輸入口。

4)再次編寫項目目錄入口處的傳輸文件。

設(shè)i、e表示兩個不同的故障數(shù)據(jù)項目名稱定義項；yi表示執(zhí)行i項目時的目錄系數(shù)；ye表示執(zhí)行e項目時的目錄系數(shù)；P表示數(shù)據(jù)信息查詢條件，聯(lián)立上述物理量，可將ThinkPHP框架中的項目目錄生成標(biāo)準(zhǔn)定義為

(3)

在ThinkPHP框架中，只有在建立完整的故障項目目錄后，相關(guān)目錄結(jié)構(gòu)體才能對醫(yī)療器械振動故障數(shù)據(jù)進(jìn)行實時檢測。

1.4 相關(guān)故障特征分析

根據(jù)生成的故障目錄，分析相關(guān)故障特征。醫(yī)療器械振動故障檢測需要結(jié)合多種指標(biāo)來進(jìn)行確診，在ThinkPHP框架支持下，相關(guān)故障特征包含峰值指標(biāo)、峭度指標(biāo)、偏態(tài)指標(biāo)、裕度指標(biāo)等多種類型，其具體定義條件如下。

1)峰值指標(biāo)

峰值是指在一定時間段內(nèi)醫(yī)療器械故障振幅的最大表現(xiàn)值，對瞬時故障行為而言，僅依靠峰值指標(biāo)也能得出較為精準(zhǔn)的檢測結(jié)果，但在多類型振動故障同時存在的情況下，由峰值指標(biāo)推斷得出的檢測結(jié)果則顯得過于單一，并不能真實反映出醫(yī)療器械的真實運轉(zhuǎn)情況[11]。

2)峭度指標(biāo)

在醫(yī)療器械出現(xiàn)疲勞型振動故障問題時，整個元件設(shè)備都對沖擊信號保持較強的敏感性，此時，與檢測指令相關(guān)的沖擊成分所包含的能力越大，醫(yī)療器械的峭度值就越高。

3)偏態(tài)指標(biāo)

偏態(tài)指標(biāo)描述了存在明顯振動故障行為的情況下，醫(yī)療器械對檢測信號的敏感程度。一般來說，信號的波動行為越明顯，與之相關(guān)的偏態(tài)值就越大。

4)裕度指標(biāo)

裕度指標(biāo)只用于檢測由振動故障行為引發(fā)的醫(yī)療器械磨損情況。

5)功率譜質(zhì)心指標(biāo)

功率譜質(zhì)心指標(biāo)描述了醫(yī)療器械質(zhì)心位置在振動故障過程中的物理變化量。當(dāng)存在故障行為時，醫(yī)療器械設(shè)備振動幅值會進(jìn)入一個相對快速的變化階段，這在一定程度上會導(dǎo)致功率譜質(zhì)心所處位置的直接改變[12-13]。

6)頻率方差

當(dāng)方差數(shù)值相對較小時，說明醫(yī)療器械的運行狀態(tài)相對較為穩(wěn)定，振動行為的單位波動量也相對較??；反之則表示存在較為明顯的振動故障問題。

7)諧波因素

諧波因素是檢測醫(yī)療器械不平衡故障問題的主要振動特征。

8)其他因素

其他因素包含醫(yī)療器械使用時長、負(fù)荷運轉(zhuǎn)情況等多項組成條件。

1.5 構(gòu)建故障檢測模型

在分析相關(guān)故障特征的基礎(chǔ)上，構(gòu)建故障檢測模型，對醫(yī)療器械振動故障進(jìn)行檢測。

基于ThinkPHP檢測算法可同時針對多種醫(yī)療器械振動故障行為進(jìn)行研究。由于在實施檢測的過程中需要綜合多個指標(biāo)參量來做出準(zhǔn)確的判斷結(jié)果，所以整個處理過程中勢必涉及大量的故障數(shù)據(jù)與非故障數(shù)據(jù)[14]。如果所需故障數(shù)據(jù)與非故障數(shù)據(jù)同時存在大量的冗余行為，則會對檢測結(jié)果造成很大影響，不但會增加建立檢測模型的時間，也會在一定程度上降低模型結(jié)構(gòu)的檢測準(zhǔn)確度水平[15]。因此，利用ThinkPHP框架對所涉及醫(yī)療器械振動故障數(shù)據(jù)進(jìn)行篩選，并從中選擇最為適宜的檢測算法，是實現(xiàn)檢測模型順利應(yīng)用的關(guān)鍵條件之一。

(4)

2 實例分析

為驗證上述基于ThinkPHP的醫(yī)療器械振動故障檢測方法的有效性，本文以振動叩擊排痰機(jī)為例，設(shè)計了如下實驗。

振動叩擊排痰機(jī)是電機(jī)驅(qū)動傳動軟軸通過動力頭內(nèi)的偏心裝置產(chǎn)生振動，叩擊患者局部胸腔，協(xié)助排出呼吸道分泌物的設(shè)備。振動叩擊排痰機(jī)主要由主機(jī)、叩擊頭、傳動軟軸、控制面板和腳輪等5部分組成。根據(jù)其應(yīng)用范圍可將其分為兒童型、成人型、兒童成人混合型等。根據(jù)其指導(dǎo)原則審查的要求，成人型振動頻率范圍為10～60 Hz/s；兒童型振動頻率范圍為10～30 Hz/s。本文通過振動叩擊排痰機(jī)與上位機(jī)相連進(jìn)行數(shù)據(jù)傳輸，獲取實驗數(shù)據(jù)。

在檢測醫(yī)療器械振動故障行為的過程中，局部閾值能夠反映所采用方法的檢測精度水平。一般來說，理想數(shù)值與實際檢測數(shù)值之間的差值結(jié)果越小，表示所采用方法的檢測精度水平越高，反之則越低。

本次實驗分別針對檢測醫(yī)療器械振動故障行為的峭度指標(biāo)l1、裕度指標(biāo)l2進(jìn)行檢測，再將所得的局部閾值結(jié)果與理想閾值結(jié)果進(jìn)行對比。具體的指標(biāo)局部閾值計算表達(dá)式如下：

(5)

表1記錄了與峭度指標(biāo)、裕度指標(biāo)相關(guān)的局部閾值理想計算結(jié)果。

表1 局部閾值理想計算結(jié)果

分析表1可知，局部閾值理想計算結(jié)果在3種不同的指標(biāo)取值條件下，均呈現(xiàn)連續(xù)波動的數(shù)值變化狀態(tài)，且其在單位時間內(nèi)的變化形式并無明顯規(guī)律。

圖2-圖3反映了振動叩擊排痰機(jī)振動故障行為在不同指標(biāo)取值條件下的局部閾值檢測的結(jié)果及其與理想閾值結(jié)果之間的對比情況。

分析圖2-圖3可知，隨著實驗時間的延長，應(yīng)用基于ThinkPHP檢測方法后的峭度指標(biāo)局部閾值、裕度指標(biāo)局部閾值也始終保持連續(xù)波動的變化狀態(tài)，但其整體均值水平相對較低，在整個實驗過程中，其數(shù)值曲線全部位于理想局部閾值曲線下端。應(yīng)用普通檢測方法后的峭度指標(biāo)局部閾值、裕度指標(biāo)局部閾值雖然也能夠維持連續(xù)波動的數(shù)值變化形式，但其整體均值水平相對較高，整個實驗過程中的局部閾值曲線始終位于理想曲線上端，更是遠(yuǎn)高于基于ThinkPHP檢測方法的局部閾值計算結(jié)果。

圖2 峭度指標(biāo)的局部閾值對比

圖3 裕度指標(biāo)的局部閾值對比

綜上可知，在基于ThinkPHP檢測方法的支持下，以峭度指標(biāo)、裕度指標(biāo)為例，振動叩擊排痰機(jī)振動故障的局部閾值檢測結(jié)果確實出現(xiàn)了明顯縮小的數(shù)值變化趨勢，這在增強醫(yī)療器械設(shè)備故障檢測精度方面，能夠起到一定程度的促進(jìn)性作用。

為進(jìn)一步驗證本文方法在振動叩擊排痰機(jī)上應(yīng)用的有效性，對不同方法的故障精度進(jìn)行了測試，以文獻(xiàn)[1]基于振動原理的GIS隔離開關(guān)觸頭接觸狀態(tài)檢測方法、文獻(xiàn)[2]基于物聯(lián)網(wǎng)的骨科醫(yī)療器械運行故障快速檢測方法作為對比方法，進(jìn)行對比實驗。對比結(jié)果如圖4所示。

圖4 故障精度對比測試

分析圖4可知，隨著迭代次數(shù)的不斷增加，應(yīng)用基于ThinkPHP檢測方法的故障檢測精度高，均在90%以上，而采用文獻(xiàn)[1]基于振動原理的檢測方法和文獻(xiàn)[2]基于物聯(lián)網(wǎng)的檢測方法的檢測精度均不超過80%。由此表明本文方法的故障檢測精度高，具有實用價值。

3 結(jié)語

本文提出了基于ThinkPHP框架的醫(yī)療器械振動故障檢測方法，在對MVC開發(fā)模式展開深入研究后，又借助項目目錄結(jié)構(gòu)，選擇最為適宜的檢測算法。由于故障特征定義條件的不同，檢測指令執(zhí)行所遵循的故障數(shù)據(jù)處理方式也會有所不同，這也是該方法能夠較好適應(yīng)各種不同醫(yī)療器械振動故障行為檢測需求的主要原因。實驗結(jié)果顯示，隨著基于ThinkPHP檢測方法的應(yīng)用，峭度指標(biāo)、裕度指標(biāo)取值條件下的局部閾值計算結(jié)果與理想閾值計算結(jié)果之間的數(shù)值差水平得到了有效控制，具有較高的故障檢測精度。從宏觀角度來看，該方法較為符合精準(zhǔn)檢測醫(yī)療器械振動故障行為的實際應(yīng)用需求。