便携式血气分析仪管路故障智能排除系统设计

李福英 邓西川 赵智超 陈全

关键词： 血气分析仪; 管路故障; 智能排障; 故障诊断; 专家系统; 信息采集

中图分类号： TN702?34; TB391                 文献标识码： A                    文章编号： 1004?373X（2019）14?0032?04

Design of intelligent pipeline fault removal system for portable blood gas analyzer

LI Fuying1， DENG Xichuan1， ZHAO Zhichao2， CHEN Quan1

（1. Chongqing Medical University， Chongqing 400016， China; 2. Jiamusi University， Jiamusi 154007， China）

Abstract： The blood gas analyzer is one of the most commonly?used clinical instruments at present， and can effectively detect the pH value of the body and other indexes. Therefore， an intelligent pipeline fault removal system is designed for the portable blood gas analyzer to effectively remove pipeline faults of the portable blood gas analyzer and improve its working quality. The pipeline information acquisition module is used to collect voltage and current signals of pipelines by using the SCM to control the voltage and current signal acquisition circuit. The main control unit is used to drive the filter to filter out the noises in these signals， so as to obtain effective pipeline voltage and current signals which are transmitted to the fault diagnosis module. The expert system method is used to diagnose the fault information according to the fault diagnosis process. The fault information is sent to the fault removal module， so as to remove faults according to the reasonable fault removal method. The experimental results show that the system can accurately remove the pipeline faults of the portable blood gas analyzer in less than 2 ms， and has a good operation performance.

Keywords： blood gas analyzer; pipeline fault; intelligent troubleshooting; fault diagnosis; expert system; information acquisition

血气分析仪是通过电极测定人体全身血液中酸碱度值、二氧化碳分压值以及养分压值等各项指标的仪器[1]。将血气分析仪测出的参数与各项标准值进行比较即可了解人体血液中的输氧状态以及酸碱平衡情况，为临床中疾病诊断与确定治疗方案提供了有效的科学依据[2]。血气分析仪可应用于人类昏迷、严重外伤、甚至休克等病危患者的临床抢救与手术过程中的监控和临床治疗过程中的观测与研究[3]。血气分析仪主要由電极系统、管路系统和电路系统三大部分组成。其中管路系统较为复杂，其主要功能为自动定标、自动测量与自动冲洗，是血气分析仪的重要组成部分[4]。便携式血气分析仪因为其有携带与使用方便等优点渐渐被广泛使用，但是其管路系统复杂，出现故障会导致其无法使用。因此设计一种便携式血气分析仪管路故障智能排除系统，能快速排除血气分析仪故障，便于血气分析仪快速恢复正常，提高工作质量[5]。

1  便携式血气分析仪管路故障智能排除系统

1.1  系统总体结构

便携式血气分析仪管路故障智能排除系统总体结构图如图1所示。该系统主要由主控单元、管路信息采集模块、故障诊断模块和故障排除模块构成[6]。其中：主控单元包括载波通信单元与数据处理单元;管路信息采集模块包括管路检测部分与载波通信部分，管路检测部分包括故障检测单元与传感器，载波通信部分包括载波通信单元与地址编码单元[7]。整个管路故障智能排除系统除主控单元、管路信息采集模块、故障诊断模块和故障排除模块外，还包括隔离变压器与电力线接口单元等。

便携式血气分析仪管路故障智能排除系统的主控单元完成整个管路故障智能排除系统的监视与控制功能以及当前管路故障信息上位机展示[8];管路信息采集模块设置在便携式血气分析仪与隔离变压器二次端之间，采集便携式血气分析仪管路工作状态，并将获取的管路电流、电压信号上传;故障诊断模块和故障排除模块得到的管路故障诊断信息和排除效果，通过上位机中的显示器展示。

1.2  硬件设计

1.2.1  电流电压信号采样

管路信息采集模块通过单片机调控信号采集电路，采集便携式血气分析仪管路的信号。信号采集电路图见图2。

1.2.2  故障诊断模块

故障诊断模块是便携式血气分析仪管路故障智能排除系统的核心部分，故障诊断模块采用接收到滤波器反馈的管路电流和电压信号，利用知识库依次推理，获取便携式血气分析仪管路故障部位以及置信度，并将这些诊断信息发送至故障排除模块中进行管路故障的有效排除。故障诊断模块结构图如图3所示。

故障诊断模块采取专家系统方法实现诊断。专家系统由推理机、知识库、解释系统、综合数据库、知识获取系统与人机接口等构成。专家系统和专家工程师通过人机接口与用户实现知识交互。推理机可通过诊断信息模拟专家思维在知识库中查找知识进行推理，找出故障解决方法[9]。知识库是存放便携式血气分析仪管路故障相关的原理性知识、实际故障问题以及专家经验性解决故障方法的存储器。综合数据库中存储便携式血气分析仪管路的故障问题、相关的故障描述以及推理机推理过程的故障状态与处理结果[10]。将从知识工程师与训练数据中获取的知识存储到知识获取系统中，并将其发送至知识库内，保障整体系统知识的一致;用户通过解释系统明确故障的具体诊断过程，领域专家通过人机接口和知识获取系统进行知识的交互。

1.3  软件设计

1.3.1  故障诊断流程

图4为故障诊断模块进行分析仪管路故障诊断的详细流程，具体描述如下：

1） 建立存放故障规则前件和相应规则概率，以及故障诊断结果和相应概率的临时数据库。

2） 将临时数据库初始化，匹配故障代码与故障规则前件组成故障规则集，采取宽度优先搜索方法，对规则集内规则依次推理。将推理结果与推理结果相应概率分别加入存储结果数组与存储结果概率数组内，将推理操作与推理操作相应概率分别加入存储规则前件与存储规则前件概率数组内。由以上数组组成新事实集继续推理。

3） 重复步骤2），直至存储规则前件数组无规则可匹配。

4） 故障诊断失败，回到“推理失败”;故障诊断成功，將推理结果中同类项合并，并将相应概率相加，清除诊断结果中概率小于0.1的项。最后将推理过程与结果发送至“实例数据库”，故障诊断结束。

1.3.2  故障排除方法

便携式血气分析仪管路故障排除系统中故障排除模块接收到故障诊断模块的诊断结果信息后，采用以下故障排除方法进行管路故障排除。

1） 便携式血气分析仪系统信息中显示“冲洗错误”，这种故障情况在便携式血气分析仪中较为常见，主要是由于以下故障造成。

① 便携式血气分析仪管路系统中液体感知器未感知到清洗液。检测清洗液瓶，发现其液体足够，清洗液瓶体主泵可正常运转，主泵下侧有液体流出，检测主泵管可见泵管已破裂，4个滚柱与主泵连接推动主泵运转，检测4个滚柱发现其中一个滚柱无法转动，主泵与泵管间摩擦力过大导致泵管破损，将无法转动的滚柱仔细清洗至可灵活转动，去掉破裂泵管并安装新泵管，故障排除。

② 管路系统中电磁阀异常导致“冲洗错误”。与管路系统冲洗系统相连接的电磁阀分别为V1，V5，V9，V11。进行冲洗程序时，两个液体感知器之间发光管状态异常，检修过程中发现电磁阀V11与电磁阀V1，V5，V9状态不同，电磁阀V1，V5，V9均正常运行，电磁阀V11无反应。解决方案为：将便携式血气分析仪关机，拆掉电磁阀V11，测试V11两端线圈连通是否正常，电磁阀V11拨动后无法动作，将电磁阀V11拆开，可见芯片与阀体见存在锈蚀，因而电磁阀无法动作，将电磁阀锈蚀清除后重新安装，“冲洗错误”故障排除。

③ 阀管渗漏导致“冲洗错误”。便携式血气分析仪管路系统中存在4个短小阀管，阀管与电磁阀相连接，电磁阀频繁运动导致阀管受挤压破损，更换破损阀管，排除故障，管路系统恢复正常。

2） 便携式血气分析仪显示“pH电极超出范围”或“不稳定”。便携式血气分析仪利用pH电极与参比电极实现pH检测，参比电极中应充满氯化钾溶液。检测发现管路系统参比电极中氯化钾溶液过少导致pH值测定不准确，盐桥泵与电磁阀V10正常运行，参比电极与氯化钾回流管连接处发现氯化钾结晶，将回流管拔下，回流管与电极连接管存在异物，将异物取出，氯化钾溶液可正常循环，故障排除。

2  实验分析

为了检测便携式血气分析仪管路故障智能排除系统排除管路故障情况，在某市医院采集管路故障便携式血气分析仪10台。将以上血气分析仪通过本文系统进行管路故障排除，并将本文系统与支持向量机系统和TIP系统进行对比，对比结果见表1。从表1能够看出，本文系统能够将10台便携式血气分析仪出现的各种管路故障都准确诊断出，并成功排除掉;而其他两个系统无法准确诊断出部分管路故障，并且也不能有效排除相应管路故障，故障排除效果差。

统计本文系统排除上述出现的9种便携式血气分析仪管路故障性能，并将本文系统故障排除性能与支持向量机系统和TIP系统进行对比。系统吞吐率为系统接收数据包与发送数据包对比结果，系统能耗为系统进行故障排除过程所耗费的能量。系统的吞吐率和能耗是评价故障排除系统性能的重要指标。

统计三种系统在排除便携式血气分析仪管路故障过程中的吞吐率和能耗，评价本文系统排除便携式血气分析仪管路故障的性能，统计结果见图5、图6。

由图5可看出：本文系统在数据量大小为2 000条以内时，吞吐率均为99.5%以上;而支持向量机系统和TIP系统在数据量为2 000条时，吞吐率仅为81.1%和66.8%。可知本文系统接收数据量能力较强，增加了系统排除故障的准确性。

由图6可以看出，本文系统在检测管路故障数量为50个时，能耗仅为199 J，而支持向量机系统和TIP系统在检测管路故障数量为50个时，所用能耗高达715 J与741 J。可知本文系统耗能较低，是一种高效的故障排除系统。

3  结  论

本文设计一种便携式血气分析仪管路故障智能排除系统，并通过大量实验对其排除故障性能进行了检测。实验结果表明，本文系统可准确排除便携式血气分析仪管路故障，并通过吞吐率、能耗指标验证了本文系统排除故障过程中，具有占用率低、耗能低等优势，系统运行效果佳。

注：本文通讯作者为陈全。

参考文献

[1] 高志琪，王清涛，康熙雄，等.血气分析仪智能化质量管理系统临床多中心比对研究[J].中华检验医学杂志，2018，41（6）：475?480.

GAO Zhiqi， WANG Qingtao， KANG Xixiong， et al. The multi?center validation of an intelligent blood gas analyzer quality management system [J]. Chinese journal of laboratory medicine， 2018， 41（6）： 475?480.

[2] 王泉，孙海洋，邵志阳，等.一种基于FPGA实现的ARINC659总线分析仪设计与实现[J].电子技术应用，2016，42（10）：146?148.

WANG Quan， SUN Haiyang， SHAO Zhiyang， et al. A design and implementation of ARINC659 protocol analyzer based on FPGA [J]. Application of electronic technique， 2016， 42（10）： 146?148.

[3] 程刚，许伟，陈于涛，等.动态多连片贝叶斯网络在复杂管路系统故障诊断中的应用研究[J].海军工程大学学报，2016，28（2）：36?39.

CHENG Gang， XU Wei， CHEN Yutao， et al. Fault diagnosis of complex pipeline system based on multiple sectioned dynamic Bayesian networks [J]. Journal of Naval University of Engineering， 2016， 28（2）： 36?39.

[4] 司景萍，马继昌，牛家骅，等.基于模糊神经网络的智能故障诊断专家系统[J].振动与冲击，2017，36（4）：164?171.

SI Jingping， MA Jichang， NIU Jiahua， et al. An intelligent fault diagnosis expert system based on fuzzy neural network [J]. Journal of vibration and shock， 2017， 36（4）： 164?171.

[5] 朱永庆，黄新宇，唐宏，等.利用大数据分析技术的智能化网络故障诊断系统[J].电讯技术，2018，58（10）：1115?1120.

ZHU Yongqing， HUANG Xinyu， TANG Hong， et al. An intelligent network fault diagnosis system via big data analysis technique [J]. Telecommunication engineering， 2018， 58（10）： 1115?1120.

[6] 文阳，杨媛，高勇.数字化IGBT智能驱动与故障监测存储系统设计[J].电气传动，2016，46（7）：73?76.

WEN Yang， YANG Yuan， GAO Yong. Digital IGBT intelligent drive and fault monitoring storage system design [J]. Electric drive， 2016， 46（7）： 73?76.

[7] 杨金鹏，梁东，杨涛，等.无人机双余度电动舵机角度传感器故障检测方法[J].电子技术应用，2017，43（5）：86?89.

YANG Jinpeng， LIANG Dong， YANG Tao， et al. Fault detection method for angular transducer of UAV redundancy actuator [J]. Application of electronic technique， 2017， 43（5）： 86?89.

[8] 崔阳，张柯，姜斌.具有切换拓扑结构的多智能体系统故障估计[J].山东大学学报（工学版），2017，47（5）：263?270.

CUI Yang， ZHANG Ke， JIANG Bin. Fault estimation design for linear multi?agent systems with switching topologies [J]. Journal of Shandong University （Engineering science）， 2017， 47（5）： 263?270.

[9] 李永丽，李瑞鹏，卢扬，等.断路器操作回路的智能化监测系统设计[J].电力自动化设备，2017，37（10）：211?217.

LI Yongli， LI Ruipeng， LU Yang， et al. Intelligent monitoring system design for circuit breaker operating circuit [J]. Electric power automation equipment， 2017， 37（10）： 211?217.

[10] 韩艳，帕孜来·马合木提.闭环状态下并网逆变器故障诊断[J].电子技术应用，2019，45（1）：122?126.

HAN Yan， Pazilai Mahemuti. Grid?connected inverter fault diagnosis in closed loop [J]. Application of electronic technique， 2019， 45（1）： 122?126.