基于概率神经网络的放疗加速器多叶准直器系统故障识别诊断研究.pdf
《基于概率神经网络的放疗加速器多叶准直器系统故障识别诊断研究.pdf》由会员分享,可在线阅读,更多相关《基于概率神经网络的放疗加速器多叶准直器系统故障识别诊断研究.pdf(6页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期 年 月北京生物医学工程 作者单位:复旦大学附属肿瘤医院放疗射治疗中心(上海)通信作者:杨皓文。:基于概率神经网络的放疗加速器多叶准直器系统故障识别诊断研究杨皓文 罗吉 高大地 邸元帅摘 要 目的 随着当前医院肿瘤患者放疗数量的日益增长,对放疗设备持续稳定治疗的要求越来越高。放疗直线加速器是放射治疗的主要设备,多叶准直器(,)是调强放疗最为频繁的系统之一,但其故障发生率较高,一旦发生故障宕机,不仅影响患者治疗效果,还会给医院带来经济损失。因此,快速准确识别并排除故障,对保障 系统的正常运行具有重要意义。本文提出一种基于概率神经网络(,)的 系统故障识别诊断方法,为 系统的不同故障
2、现象和类型提供维修依据。方法 结合复旦大学附属肿瘤医院医科达放疗加速器故障维修经验及日常报错记录,整理分析 系统构成及常见故障现象共 例,统计研究常见故障下设备状态的各项参数数据。选取能够表征故障特征的信息作为输入向量和故障分类输出向量,用不同特征输入向量的组合代表不同的故障类型。数据归一化乱序处理后,创建 神经网络模型并进行训练。最后对比分析故障的实际分类和预测分类结果。结果 通过分类结果对比和混淆矩阵可知,训练集样本一共 个,预测对比精确度为;测试集样本一共 个,预测对比精确度为 ,训练总时间为 。结论 基于 概率神经网络的 系统故障识别诊断模型具有训练速度快、容错性好、识别诊断精准度高等
3、优势。关键词 放疗加速器;多叶准直器;概率神经网络;故障识别;精确度:中图分类号 文献标志码 文章编号()本文著录格式 杨皓文,罗吉,高大地,等 基于概率神经网络的放疗加速器多叶准直器系统故障识别诊断研究北京生物医学工程,():,():,:(:)【】,(),(),【】;引言放疗直线加速器是放射治疗的主要设备,多叶准直器是调强放疗最为频繁的系统之一。医科达 直线加速器由 叶多叶准直器(,)集成,可在大照射野内对各种复杂肿瘤进行定向精准治疗,实现肿瘤靶区剂量最大化,并对周边健康组织的保护起到关键作用,然而较高的故障率直接影响患者治疗。因此,准确识别诊断并排除故障,对保障 系统的正常运行和患者治疗具
4、有重要意义。传统故障识别诊断技术主要有基于维修经验的人工诊断法、基于解析模型的故障诊断法、基于信号处理的故障诊断法和基于知识的故障诊断法,但以上方法存在主观性强、数学建模难、容错性差、拟合非线性能力弱等缺点,无法满足现代复杂医疗设备的维修要求。随着计算机技术的发展,神经网络、聚类分析和遗传算法等技术被用于医疗设备故障诊断,但实际应用中,聚类分析和遗传算法的故障诊断精度和效率较低。概率神经网络(,)作为人工神经网络之一,是一种同时采用 分类规则和 窗概率密度函数统计方法而建立起的并行算法。其优势在于解决分类问题时选择简单直接的线性学习算法,模式样本的分布即网络的权值无需训练网络和数学建模,既能实
5、现训练上实时处理,也具备精度高等特性。对此,本文以复旦大学附属肿瘤医院故障维修统计数据为基础,分析 系统构成及常见故障,选取精确度高、训练速度快、简单直接的 构建 系统故障识别诊断模型,为 系统的不同故障现象和类型提供重要识别诊断依据。材料与方法 系统的复杂精密性及高频次使用,使其成为加速器系统故障率最高的部分,是影响日常机器正常运行的主要原因之一。系统构成及常见故障 系统包含零部件数量大,适形照射野运动频繁,精度要求高。的组成一般划分为机械运动部分、光学部件、电路部件、系统软件 个部分。机械运动部分由叶片、马达、丝杆、键()、叶片排组()和钨门组成,马达驱动丝杆控制单个叶片运动,叶片排组拖动
6、单侧叶片整体运动,配合钨门开合形成适形射野;光学部分由紫外线灯照向叶片上的红宝石反光点,反射的光线经过反光镜入射第 期 杨皓文,等:基于概率神经网络的放疗加速器多叶准直器系统故障识别诊断研究到摄像头,从而获取每个叶片的位置;电路部件由 马达驱动板发送控制信号驱动叶片运动,通过摄像头控制板(,)、通信路由板()等将图像信息送入系统;系统软件主要显示 叶片的实时运动图像,对 运动进行监测和校准等操作。在 运行过程中,常见故障现象有:()软件界面 位置运动图像一侧有 红点,复位难以消掉;()某一位置叶片反光点弱,拉动相关叶片反光点变宽;()反光点正常,某一叶片卡住不动;()某一反光点丢失,拉动叶片也
7、未变化;()机器报“”、“”等联锁故障。以上故障发生时具有随机性、模糊性和不确定性,形成原因往往由诸多因素造成,且各零部件结构之间联系十分复杂。以反光点变弱为例,其故障原因有可能是红宝石反光点脱落或摄像头镜片污渍或灯电压()低等,当故障出现时,由于系统的复杂性需要花费大量时间停机,转动机架至拆机头罩壳逐一检查零件,识别故障并进行处理。因此,日常维修中需要熟悉 系统的结构和运行原理,准确识别诊断故障以节约检查维修时间,保障患者正常放疗。构建 系统故障识别的 神经网络模型 共分为 层,分别为输入层、模式层、求和层及竞争层。第 层为输入层,在特征输入向量送到模式层各类别单元之前,先将 故障数据信息进
8、行归一化处理,特征输入向量的个数即输入层神经元的个数;第 层为模式层,当输入层故障样本数量增加时,模式层神经元也将增加。在模式单元中进行向量 与连接权值 的点积,完成非线性处理后,再送入求和层中,模式层神经元的传递函数为式():(,)()()()式中:为平滑因子,是 网络的重要参数,决定了故障分类的准确度;为矩阵转置。第 层为求和层,将模式层中同一模式的输出求和并乘以代价因子,具有线性求和功能;第 层为竞争层,选择求和层中输出最大者对应的故障类别为诊断识别结果,当故障类别增加时,求和神经元也将增加。随着故障报错信息的记录及故障先验知识的积累,将不断横向扩展,其故障识别的能力不断提高。模型故障特
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 概率 神经网络 放疗 加速器 多叶准直器 系统故障 识别 诊断 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。