基于多传感器的医院空气正压异常监测报警系统

赵海宏

河北医科大学第三医院 医疗设备处，河北 石家庄 050000

引言

空气正压系统具备净化、杀毒、换气以及多重净化消毒组合等特点，因此，其主要用于医疗场所，例如，医院、基因扩增实验室等，其主要通过空气压缩机完成系统的运行和使用[1]。目前医院在抢救和治疗过程中主要使用液态氧气压缩瓶及医用分子筛中心制氧系统，其在氧气生产过程中，压缩机会对进入的空气实行压缩处理，并将空气压缩至空压机冷干系统和高压储气罐中[2]，再经分子筛吸附系统以及减压阀的处理后进入氧气存储罐中，其是用于医学诊断以及救治病情严重患者的主要医疗设备，但若出现故障将会威胁患者生命安全[3]。空气正压系统主要为患者提供空气，但若在使用过程中发生异常，会对使用患者造成极大影响，例如，其发生气体含油量或者含水量过大等情况时，会引起呼吸机异常，甚至威胁患者生命安全。因此，为保证医院空气正压的安全使用和运行，实时监测成为主要手段。但由于目前大多医院对空气正压的监测以人工监测为主，因此，对于监测的实时性、可靠性存在明显不足。传感器则是一种有效、可靠的监测装置，能够感知测量目标的相关信息，并完成感知信息的实行传输[4]。多传感器则是将多种传感器实行组合，实现目标的监测。

Camelia等[5]和卢光跃等[6]为实现异常的实时监测，分别研究基于深度学习和基于图信号处理异常监测方法，但由于空气正压系统异常监测方法的鲁棒性较差，导致上述方法在异常状态早期的监测效果不理想。基于此，本文旨在设计一种基于多传感器的医院空气正压异常监测报警系统，以期实时掌握医院空气正压气体的使用情况，及时发送异常报警。

1 医院空气正压异常监测报警系统设计

1.1 系统架构

本文设计的系统架构如图1所示，系统的数据采集部分通过多传感器获取空气正压数据，并经由数据通信部分将数据安全传送至监测报警部分，该部分对数据实行异常故障关联度分析计算后，通过显示报警器发送预警，医院监控部门可通过显示器查看监测报警结果。

图1 医院空气正压异常监测报警系统架构

系统整体由控制终端、数据通信、控制终端3个部分组成。

（1）数据采集部分：该部分主要是由温度传感器、露点传感器、压力传感器、浓度传感器、开关量以及气体流量传感器组成，完成医院空气正压异常数据的采集。

（2）数据通信部分：本文在实行数据通信过程中，采用ZigBee无线传感网络完成，为保证该网络的通信效率和通信安全[7-8]，利用通信协议将采集到数据传输给工控机。

（3）控制终端部分：监测报警是系统的最终实现目的，也是系统的核心部分，采用远程控制终端对工控机进行调控，利用监控显示终端显示医院空气正压异常情况。

1.2 数据采集部分

1.2.1 空气正压采集硬件结构

本文在对医院正压气体实行异常监测报警时，结合自动化和智能化的应用需求，为可靠监测正压气体的整体情况，采用多传感器对正压气体实行采集，改变之前的人工巡查方式[7]。医院空气正压在使用过程中，需依据其不同的参数量程和气体介质，确定多传感器的选择和部署，本文结合医院的正压气体使用标准，选择不同技术指标的传感器，完成空气正压气体的数据采集，则该采集部分的硬件结构如图2所示，由于系统中的中央监控主机在对空气正压实行监测过程中，无法直接获取出多传感器采集的空气正压数据，因此，ZigBee芯片是监控系统的核心，ZigBee芯片能够对GWD42型温度传感器、GYH25型气流传感器、协调器、米科MIK-P300型压力传感器、gcg-1000型浓度传感器、DPT-990EX型露点传感器以及麦哲伦GPS进行综合调控。在设计过程中，部署的采集硬件ZigBee芯片与多传感器连接，通过芯片的集成、转换等处理，获取多传感器采集的空气正压数据；并且ZigBee芯片能够控制多传感器，可通过接力的方式向协调器中传送多传感器采集信息，在此基础上，传送至网关中，进而通过网关传送至监测报警部分[9-11]。为保证采集的持续性，采用3.5 V的电源完成供电，同时，该采集硬件设有I2C总线和Uart开放接口，以此实现系统的扩展。

图2 空气正压采集硬件结构

（1）GWD42型温度传感器实物图如图3所示。GWD42型温度传感器是一种将温度变量转换为可传送的标准化输出信号的传感器。

图3 GWD42型温度传感器

（2）gcg-1000型浓度传感器如图4所示。gcg-1000型粉尘浓度传感器可直读空气中粉尘颗粒物质量浓度。由微处理器对检测数据进行运算直接显示粉尘质量浓度并转换成数据信号输出。

图4 gcg-1000型浓度传感器

1.2.2 空气正压数据采集流程

本文设计的空气正压采集硬件结构能够同时获取多种传感器的采集结果，避免逐一获取传感器采集信息的低效率采集方式，选取ZigBee芯片进行监测报警系统的控制。这是因为ZigBee技术被应用到医院空气正压异常监测报警中时具有如下的优点：① 自组织：ZigBee网络中每个设备无须特别的现场配置就能加入网络，易于安装，适合大规模应用；② 功耗低：在网络运行后，应用ZigBee技术进行数据传输时速率较低，因此，收发信号时间较短。由于进行信息收发消耗的功率较低且节点在不工作时采用休眠处理，可延长其生存周期。这对于连续长时间监测空气正压系统具有重要意义；③ 通信距离近：2个ZigBee设备之间通常可以在10～100 m范围内进行通信。加强后，可在大范围内通信。设计系统的整个采集流程如图5所示，利用多传感器获取人体相关数据，依据数据转换器实现工控机与集线器的数据交互控制，经由路由器与互联网获取到的数据传输到存储中心，将互联网中的空气正压数据反馈给用户智能终端。空气正压数据采集指令由监测报警部分的管控中心下达，多传感器根据指令在ZigBee芯片的控制下，采集空气正压气体数据，每个传感器采集的数据直接经由数据转换器实行转换处理，两者之间采用采集串口相连接，经由集线器、工控机等处理，将采集的数据存储至以存储中心中，此完成空气正压气体数据的采集。

图5 空气正压数据采集流程

1.3 空气正压数据通信硬件结构

ZigBee无线传感网络在实行空气正压数据通信过程中，主要依据基于路径质量的无线传感网络路由协议和ZigBee网关实现，整个网络通信硬件结构如图6所示，整个网络结构主要分为感知层、网关层、应用层3个层次。分析图6可知，空气正压数据通信硬件结构由应用层、网关层以及感知层组织，由ZigBee芯片及蓝牙设备能够实现空气正压数据通信感知，通过GPRS技术能够提升空气正压数据通信质量，通过局域网及以太网实现协议匹配及协议转换，并在网关层进行数据交互。

图6 空气正压数据通信硬件结构

1.4 空气正压异常报警方法

为实现对空气正压状态的判断，系统的监测预警部分需对采集的空气正压数据实行异常计算分析，以此判断数据中是否存在异常状态[12]。为保证报警结果的提前性和可靠性，本文采用基于异常组合故障关联度完成异常计算和报警，该报警主要分为空气正压异常筛选、异常事故关联度计算、报警关联度评价指标3个步骤，具体如下。

1.4.1 空气正压异常筛选

空气正压异常与报警故障之间存在明显的耦合特性，并且，受到空气正压发生小概率异常的影响，导致对于空气正压异常预警的可靠性降低，因此，本文采用基于Apriori算法完成空气正压异常筛选，可获取采集的空气正压数据中的出现频率较高的异常数据[13]。

设异空气正压异常事件用T={t1,t2,…,ti}，其中，ti表示空气正压异常事件Bi，IT则表示I项集，且包含I个项。定义事务S表示空气正压在一定时间范围内发生的异常报警集合，其是T的子集，事务集合U是由差异性的组成，基于此形成关联规则发现的事务数据库。

定 义 频 繁 项 集，t1、t2均 为T的2个 子 集， 且，则支持度的计算方式如公式（1）所示。

式中，F表示次数，对应t1、t2同时出现的次数。

为更好地判定频繁项集，引入置信度，其能够描述一个数据出现后，另一个数据的出现概率，以此对子集实行约束，见公式（2）。

基于Apriori算法的空气正压异常筛选详细计算步骤如下：① 设支持度和置信度两者的阈值分别为α和β，将二者和U作为输入的数据集合；② 为获取全部出现过的数据，采用扫描的方式对数据集合实行处理，以此，寻找各个异常空气正压数据出现的次数[14]；③ 对各个类别的异常空气正压事件的支持度实行求解，将计算结果中低于设定阈值的置信度对应的数据集删除，采用组合的方式处理剩余数据集，形成空气正压异常事件[15]，即为2种异常组合，并对其出现频率实行计算；④ 根据步骤③计算的事件支持度和置信度，将结果中低于设定阈值的置信度对应的数据集删除，采用组合的方式完成将剩余数据集的处理，形成的空气正压异常事件，即为3种异常组合，并对其出现频率实行计算；⑤ 获取空气正压全部频繁组合异常事件项集，其通过层次搜索方法完成[16-18]。

1.4.2 异常事故关联度计算

由于在实际使用中，空气正压连续发生3种异常的报警事件的概率极低，因此，仅对2种组合异常事件实行关联度计算。

设Bi和Bj分别表示空气正压频繁出现异常的一组事件，其中，i,j∩I；如果P(A2|Bi)和P(A2|Bj)均表示空压正压故障概率，均为单异常事件导致，那么，Bi和Bj并发时的空气正压故障关联程度P(A2|Bi∪Bj)的计算方式如公式（3）所示。

式中，E1和E2均表示故障关联程度，前者是由Bi引起，后者是由Bj引发。

1.4.3 报警关联度评价指标

空气正压发生异常报警时，存在单异常故障报警、组合异常故障报警、多个单故障异常报警3种情况。单异常故障报警和组合异常故障报警分别依据对应的故障关联度评价完成[19-20]；多个单故障异常报警则通过最大的关联度值Z评价，其标准公式如式（4）所示。

式中，Z的数值范围和空气正压异常之间的关系如下：Z取值范围为0.1～19.9，监测结果为运行正常；Z取值范围为20.0～39.9，监测结果为异常；Z取值范围为＞40，监测结果为故障。

1.5 空气正压数据的采集效果

为测试本系统空气正压数据的采集效果，采用平均偏离程度（ΔEx）和平均离散程度（Vx）作为评价指标，各指标的计算方式分别如公式（5）和公式（6）所示。

式中，yi和xi均表示数据，前者为传感器获取数据，后者为实际数据；n表示数据数量。2种指标的取值范围在[0,1]之间，越接近0，表示数据采集效果越佳。

1.6 网路数据通信优势和效果

为衡量本系统的网路数据通信优势和效果，采用链路质量（GI）、路径包投递率（PR）作为评价指标，各指标的计算方式分别如公式（7）和公式（8）所示。

式中，psd表示路径，其对应源节点s至节点d之间；packrt-loss(e)表示丢包率，对应网络中每条链路。计算结果越高表示网路通信性能和效果越佳。

1.7 统计学分析

为了对空气正压异常监测报警效果进行验证，本文采用择SPSS 20.0分析软件进行空气正压异常监测报警数据统计学分析，将visio 2010软件作为绘图软件进行检测结果数据展示。

2 结果

2.1 本系统对于空气正压异常监测报警的应用性能

为测试本系统对空气正压异常监测报警的应用性能效果，将河北医科大学第三医院的空气正压系统作为研究对象，采用本系统对该医院仅使用空气正压系统的20个房间实行监测，以获取本系统的监测报警结果。同时在医院的急救中心、监护中心选取60例呼吸类疾病患者，在医院的空气正压系统设备上部署多传感器，采集其运行状态数据。本系统对于医院空气正压系统的数据采集效果如图7所示，随着采集房间数量的逐渐增加，本系统空气正压采集效果的平均偏离程度和平均离散程度2个指标的结果均在0.08以下，说明本系统的空气正压数据采集效果良好。

图7 空气正压数据采集效果

2.2 本系统对于网路数据通信优势和效果分析

为衡量本系统的网路数据通信优势和效果，采用链路质量、路径包投递率作为评价指标，本系统在不同的网络覆盖面积下，指标的测试结果如图8和图9所示。由图8可知，覆盖半径距离范围在1～7 m内变化，汇聚节点距离在覆盖半径距离为4 m，本系统能将多传感器采集的空气正压数据跳转至汇聚节点，并且能够找到跳数最少的路径，由于跳数越少，越可保证数据的质量和完整性，表明选择的通信链路质量较高。由图9可知，当覆盖面积为2 m2时，数据大小为10 MB下路径包投递率为99.62%，数据大小为50 MB下路径包投递率为99.50%，数据大小为100 MB下路径包投递率为99.56%；当覆盖面积为6 m2时，数据大小为10 MB下路径包投递率为99.60%，数据大小为50 MB下路径包投递率为99.63%，数据大小为100 MB下路径包投递率为99.72%；此外，覆盖面积的逐渐增加，不同大小数据的路径包投递率均在94%以上，说明本系统具备良好的数据通信性能，其可保证数据通信的安全性和完整性。

图8 链路质量测试结果

图9 路径包投递率测试结果

2.3 本系统对于医院空气正压气体的监测效果分析

采用本系统对采集的数据实行分析计算，获取正压气体中氧气的浓度的变化结果，并将获取的结果与实际结果实行对比，衡量本系统的监测性能，结果如图10所示，房间数量为6时，氧气浓度监测结果为99.7%，氧气浓度实际结果为99.7%。房间数量为10时，氧气浓度监测结果为99.8%，氧气浓度实际结果为99.8%。分析上述曲线可知，本系统监测的医院空气正压气体含氧量与实际值保持一致。

图10 医院空气正压气体含氧量测试结果

2.4 本系统对于空气正压异常监测效果

为衡量本系统对于空气正压异常监测效果，当空气正压发生异常后，本系统对于异常监测结果如图11所示，本系统能够全面监测医院各个房间的空气正压系统供氧情况，可通过楼层切换查看不同楼层的空气正压系统的使用情况；同时各个楼层中各个房间的空气正压气体使用情况，可通过点击房间号实行查看，查看结果包含历史监测记录、实时监测结果以及报警情况，并且能够显示报警的异常类别。

图11 医院空气正压异常监测报警结果

3 讨论与结论

本文设计基于多传感器的医院空气正压异常监测报警系统，经测试，满足医院管理应用需求，能够自动化、智能化完成空气正压气体的全面监测，并且获取的空气正压数据的可靠性极佳，在保证数据安全、完成的情况下，实现采集数据的通信；同时可全面监测空气正压的使用状态，以及正压气体浓度的变化结果，实时掌控其使用的安全程度。房间数量为6时，氧气浓度监测结果为99.7%，氧气浓度实际结果为99.7%。本系统能够有效对医院空气正压气体含氧量进行监测。覆盖面积为8 m2时，数据大小为10 MB的路径包投递率为99.63%，数据大小为50 MB的路径包投递率为99.5%，数据大小为100 MB的路径包投递率为99.6%，表明本系统在对各个房间的空气正压气体实行浓度监测时，能够获取各个房间的氧气含氧量结果，并且监测结果与实际结果基本重合，表明本文方法的监测准确度较高，说明本系统具备空气正压监测功能，能够智能完成氧气的供应和使用情况，避免传统通过人员逐一对房间实行监测和记录所耗费的较长时间，并且能够更加准确计算房间中的氧气浓度。设计系统能够在有效对医院空气正压气体含氧量进行监测，不同数据大小下路径包投递率都较为准确[8]。

本系统能将多传感器采集的空气正压数据跳转至汇聚节点，并且能够找到跳数最少的路径，由于跳数越少，越可保证数据的质量和完整性，表明选择的通信链路质量较高；此外，覆盖面积的逐渐增加，不同大小数据的路径包投递率均在0.94以上，说明本系统具备良好的数据通信性能，其可保证数据通信的安全性和完整性[12]。同时本系统能够全面监测医院各个房间的空气正压系统供氧情况，可通过楼层切换查看不同楼层的空气正压系统的使用情况。说明本系统在医院空气正压监测报警方面具备良好的应用性，能够满足医院管理的需求，全面监测空气正压的使用情况。

整个结构中，网关的主要作用是实现多传感器和通信网络之间的连接，可将不同网络进行连接，并保证在数据通信过程中[11]，可依据数据的类别或者结构完成数据交换，同时也可依据不同网络协议完成协议转换。并且在通信过程中，即使在发生移动的情况下，网关依据能够保证良好的通信效果，实现互联网和无线传感网络之间的数据交互，并完成数据存储和备份。网络中的基于路径质量的无线传感网络路由协议能够降低数据通信过程中的网络能耗，同时通过路由确定最佳的通信路径，保证数据通信的完整性、安全性。