| 摘 要： | 目的 提出一种粒子群算法优化后的BP神经网络模型，为呼吸机监测数据和呼吸机故障建立潜在映射关系，从而为呼吸机维修和预防性维护提供参考。方法 介绍了BP神经网络模型、粒子群优化算法以及粒子群算法结合BP神经网络结模型的建立过程，使用2017年1月1日至2020年12月31日我院采集的某型号呼吸机运行数据作为研究对象，按照6∶4的比例随机将故障数据集划分为训练集（246条）和测试集（164条），分别使用训练集和测试集对BP神经网络模型和粒子群算法优化后的BP神经网络模型进行训练和测试，并使用准确率、AUC值、灵敏度、特异性作为模型评判指标。结果 训练后的粒子群优化的BP神经网络模型对测试集故障数据模式识别的准确率、AUC值、灵敏度、特异性分别为0.921、0.811、0.923、0.942；相对于K-NN、NBC、SVM以及BP模型，PSO-BP神经网络模型准确率分别提高了10.4%、11.0%、5.2%和9.7%，提高效果显著（P<0.05）;AUC值、灵敏度和特异性在一定程度上得到了提高。结论 本文提出的粒子群算法优化后的BP神经网络模型对故障预测效果良好，可为呼吸机故障诊断和预...
|
