基于松翰单片机的血糖仪开发

该文介绍了一种以松翰SN8P1808为控制器核心,采用丝网印刷酶电极试纸作为测试传感器,快速精确完成血糖浓度测定的血糖仪检测系统.开发制成的手持式血糖仪,操作简单、用户界面方便、友好,采血量低于2 μL,整个测试过程仅需5 s,十分适合糖尿病人在家中实施血糖测试.文中给出了测定仪器的硬件、软件设计方案和血糖实测结果.     

手持式血糖仪控制器开发

本文介绍了一种以合泰HT46R54为控制器核心,采用丝网印刷酶电极试纸作为测试生物传慼器,快速精确完成血糖浓度测定的检测系统.开发制成的手持式血糖仪,操作简单、用户界面方便、友好,采血量少(低于3μl),测试时间短(整个测试过程仅需5s),十分适合糖尿病人在家中实施血糖测试.文中给出了测定仪器的硬件、软件设计方案和血糖实测结果.     

基于数据采集卡的全自动浓度检测仪的设计

以数据采集卡为硬件平台,采用VB语言编写数据采集卡控制程序和系统界面,设计了一种智能化的浓度检测仪器,实现了浓度的全自动检测.实验结果证明该仪器具有检测速度快,检测精度高等优点,可广泛运用于各个相关领域.     

手持式血糖仪控制器的开发

本文介绍了一种以合泰HT46R54为控制器核心，采用丝网印刷酶电极试纸作为测试生物传感器，快速精确完成血糖浓度测定的检测系统。开发制成的手持式血糖仪，操作简单、用户界面方便、友好，采血量少（低于3μl），测试时间短（整个测试过程仅需5s），十分适合糖尿病人在家中实施血糖测试。文中给出了测定仪器的硬件、软件设计方案和血糖实测结果。     

近红外无创血糖检测系统设计

根据近红外无创血糖检测技术,设计一种小型近红外无创血糖检测系统.以系统检测探头对人体食指采取透射方式探测,由光电传感器采集四路不同波长近红外光的脉搏波信号.提出一种脉搏波预处理方法,采用经验模态分解和三次样条插值算法去除原始脉搏波的高频噪声和基线漂移.运用动态光谱频域提取法提取对数脉搏波的基波分量.采用偏最小二乘法交叉验证的方法,预测人体血糖浓度.对实验结果进行分析,此系统预测血糖值与真实血糖值的相关性达到了86.5％,预测均方根误差为0.56 mmol/L,证明系统检测结果精度较高.     

基于仪器控制技术的电梯控制柜综合测试系统

鉴于电梯安全运行的重要性,提出了一套针对电梯控制柜性能的综合检测与评价系统.系统以LabVIEW软件为开发平台,并采用测试仪器和应用仪器控制技术,实现了控制柜性能的各项检测;并以系统中的谐波测试为例,介绍了系统的实现过程,为评价电梯的安全性能提供了一种新的检测方法.     

基于Relief算法的集成测试仪器故障图像自动识别

为了实现对集成测试仪器故障的优化识别,结合图像处理方法,进行集成测试仪器故障检测,提出基于Relief算法的集成测试仪器故障图像自动识别方法.采用差异化的帧扫描技术进行集成测试仪器故障特征检测,结合高分辨的信息和技术进行集成测试仪器故障图像的边缘轮廓特征检测和模糊度辨识,通过模糊中心像素特征分离方法进行集成测试仪器故障...     

水环境重金属铜离子光学检测仪器的设计

针对水质污染中的重金属污染设计了一种自动化检测仪器,能够特异性检测水环境中重金属铜离子.仪器采用光学方法进行检测,具有检测速度快,操作简单,重复性好等优点.仪器能够自动控制水路实现了溶液进样自动化,同时设计了水路闭环检测模块,实现了精确进样以及故障检测.仪器能够自动调节激光器光强适应于不同浓度样品的检测.实际检测结果表明本仪器检出限达到0.006 mg/L,在0.1 mg/L到2.00 mg/L具有良好的线性度,检测准确度小于6.4%,精密度小于4.52%.     

基于阻抗谱法的无创血糖检测系统设计

以生物阻抗检测技术为基础,设计了一种频谱范围在10 ～60 MHz的高频阻抗检测系统用于人体阻抗测试,验证了系统的测试性能.根据阻抗谱法无创血糖测试的原理,对健康人体进行测试后得到112组数据,采用主成分分析回归模型预测血糖浓度,对比同一测试者的预测结果与有创检测数据,相关系数为0.8058,且较好预测了动态血糖变化趋势,为进一步研究无创连续监测血糖浓度提供了参考.     

基于云平台的健康服务系统设计

随着人们对医疗系统的需求越来越高,故此设计了基于云平台的的健康服务系统,并且对本系统按照流程进行了需求分析、总体设计、详细设计.通过该系统可以实现血压、血糖的实时检测,将检测后仪器测得的数据发送到手机中.为了实现对测量后的海量数据实时存储,本系统基于云平台对数据进行存储.     

一种无创血糖检测仪的初步研究

糖尿病是一个威胁人类健康的重要疾病,目前糖尿病检测的主要方法都是有创的,有其局限性。研究了一种基于能量守恒法的无创伤血糖检测仪;设计出了相关的硬件部分、软件部分、传感器探头及相应的血糖浓度提取算法。经临床初步实验,表明测试结果与AMS-AUTOLAB18全自动生化分析仪所测得结果的相关系数达到了0.807。     

基于控制器输出误差方法的自适应模糊控制及其在机器人轨迹跟踪控制中的应用

本文提出一种自适应模糊控制器并将之用于机器人轨迹跟踪控制 ,该控制器采用控制器输出误差方法 (COEM) ,根据控制器的输出误差而不是对象的输出误差来在线地调整模糊控制器的参数 ,无须对对象进行辩识 .仿真结果表明该控制器用于机器人轨迹跟踪控制具有很好的性能 ,是一种有效的控制器     

A new approach to adaptive fuzzy control: the controller outputerror method

The controller output error method (COEM) is introduced and applied to the design of adaptive fuzzy control systems. The method employs a gradient descent algorithm to minimize a cost function which is based on the error at the controller output. This contrasts with more conventional methods which use the error at the plant output. The cost function is minimized by adapting some or all of the parameters of the fuzzy controller. The proposed adaptive fuzzy controller is applied to the adaptive control of a nonlinear plant and is shown to be capable of providing good overall system performance.     

基于无创血糖检测的传感器集成设计

根据能量代谢守恒法无创检测血糖浓度的原理,设计出一规格为60mm×30mm×85．5mm的无创血糖检测传感器集成器。主要由底座、指表血流流速检测区、人体指部代谢率检测区、指端血氧红外检测区、电路连接区和信号输入输出区组成。由温度传感器、湿度传感器、辐射温度传感器、双波长（660nm／905nm）的红外发射及接收传感器在一定实施条件下集成得到。通过本集成器实现了对血糖浓度的无创伤检测,经20例临床初步实验,结果表明：与AMS—AUTOLAB18全自动生化分析仪的相关系数尺达到了0．807,具有较好的相关性和一致性。经误差统计分析发现其平均相对误差为7．0％,平均绝对误差小于0．5,证明检测结果具有较高的精确度。     

小波神经网络在过程控制中的应用

在工业过程控制中,常常存在一些重要的变量难以测量,为了解决这个问题,出现了软仪表.软仪表的实质是建立被测量参数与影响该参数的其它操作参数之间的数学模型,通过计算得出此类难于测量的变量的数值.小波神经网络就是软测量的一种方法.在传统的小波神经网络的基础上进行了改进,利用小波对工业现场过来的数据进行了降噪,并使用主元分析法去除了数据的相关性.然后对处理过的数据建立小波神经网络模型,最后通过计算机仿真证实了该方法的良好的收敛速度快,不容易陷入极度最小等辨识效果.     

Integral-based parameter identification for long-term dynamic verification of a glucose-insulin system model

Hyperglycaemia in critically ill patients increases the risk of further complications and mortality. This paper introduces a model capable of capturing the essential glucose and insulin kinetics in patients from retrospective data gathered in an intensive care unit (ICU). The model uses two time-varying patient specific parameters for glucose effectiveness and insulin sensitivity. The model is mathematically reformulated in terms of integrals to enable a novel method for identification of patient specific parameters. The method was tested on long-term blood glucose recordings from 17 ICU patients, producing 4% average error, which is within the sensor error. One-hour forward predictions of blood glucose data proved acceptable with an error of 2-11%. All identified parameter values were within reported physiological ranges. The parameter identification method is more accurate and significantly faster computationally than commonly used non-linear, non-convex methods. These results verify the model's ability to capture long-term observed glucose-insulin dynamics in hyperglycemic ICU patients, as well as the fitting method developed. Applications of the model and parameter identification method for automated control of blood glucose and medical decision support are discussed.     

基于MP稀疏分解原子参数的乐器分类

Mel频率倒谱系数(MFCC)等传统声学特征不能精确地体现出不同乐器信号间的差别。为此,提出一种基于匹配追踪(MP)稀疏分解原子参数的乐器分类方法。利用MP算法提取各类乐器信号的稀疏分解原子,将得到的原子参数作为特征,通过支持向量机进行分类。实验结果表明,该方法的分类正确率达到89.17%,相对于MFCC提高了17.37%。     

基于小波去噪的神经网络软测量在血糖浓度估计中的应用

由于皮下间隙液葡萄糖的易测性和测量过程中传感器感染血液的低风险性, 皮下间隙液一直是血糖监测的首选位置. 但皮下间隙液葡萄糖浓度的变化总是滞后于血糖浓度的变化, 而且测量过程中会引入噪声, 不能准确地估测血糖值, 针对这一问题提出了一种基于小波去噪的神经网络软测量方法. 该方法先对与血糖相关的一些辅助变量进行去噪处理, 然后用来训练神经网络, 建立血糖软测量模型. 通过对1号、2号成年人采集的仿真数据进行实验, 结果表明, 运用该方法得到的测量结果比皮下间隙液葡萄糖值具有更小的均方根误差、更好的信噪比、以及更小的测量延时.     

Prediction of blood glucose levels in diabetic patients using a hybrid AI technique.

One of the problems in the management of the diabetic patient is to balance the dose of insulin without exactly knowing how the patient's blood glucose concentration will respond. Being able to predict the blood glucose level would simplify the management. This paper describes an attempt to predict blood glucose levels using a hybrid AI technique combining the principal component method and neural networks. With this approach, no complicated models or algorithms need be considered. The results obtained from this fairly simple model show a correlation coefficient of 0.76 between the observed and the predicted values during the first 15 days of prediction. By using this technique, all the factors affecting this patient's blood glucose level are considered, since they are integrated in the data collected during this time period. It must be emphasized that the present method results in an individual model, valid for that particular patient under a limited period of time. However, the method itself has general validity, since the blood glucose variations over time have similar properties in any diabetic patient.     

基于K-均值聚类的RBF神经网络血糖浓度预测

针对糖尿病患者血糖数据的复杂性与不稳定性,提出一种基于K-均值聚类算法的径向基函数（Radical Basis Function, RBF）神经网络的短期血糖预测方法。首先将动态血糖监测(Continous Glucose Monitoring System, CGMS)采集的糖尿病患者血糖浓度时间序列进行平滑滤波和归一化处理,提高血糖数据序列的光滑度,弱化原始血糖数据序列的随机性。然后对处理后的血糖浓度时间序列构造RBF网络,采用K-均值聚类进行优化,并用最小二乘法进行RBF网络的权值调整进而获得未来血糖浓度的预测值,从而保证预测的精度。