买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州雷泰医疗科技有限公司

摘要：本发明公开一种基于大滑环锥形束双源能谱CT的网络学习控制方法及设备，网络学习控制方法用于控制多套X光源以及多套影像探测器进行双源能谱CT扫描，包括以下内容：采用基于EtherCAT网络学习的PID自适应控制方法控制大滑环CT旋转运动的速度，利用BP神经网络调节PID控制器的参数；控制多套X光源同步出束；采用一个控制信号同时控制多套影像探测器同步触发采图。本发明采用基于EtherCAT网络学习的PID自适应控制方法控制大滑环CT旋转运动的速度，利用BP神经网络调节PID控制器的参数，PID控制器参数的自适应调节能够兼顾速度控制的快速性、稳定性和鲁棒性。

主权项：1.基于大滑环锥形束双源能谱CT的网络学习控制方法，用于控制多套X光源以及多套影像探测器进行双源能谱CT扫描，其特征在于，包括以下内容：采用基于EtherCAT网络学习的PID自适应控制方法控制大滑环CT旋转运动的速度，利用BP神经网络调节PID控制器的参数；控制多套X光源同步出束；采用一个控制信号同时控制多套影像探测器同步触发采图；采用基于EtherCAT网络学习的PID自适应控制方法控制大滑环CT旋转运动的速度，具体包括以下步骤：S1.1：选定BP神经网络的结构；S1.2：实时测量大滑环CT的位置；S1.3：计算大滑环CT的实时速度，并计算速度误差和加速度；S1.4：前M个时刻的速度误差和加速度作为运动控制器BP神经网络的输入，同时也作为智能驱动器的PID控制器输入；S1.5：计算BP神经网络的各层神经元的输入和输出，输出层的输出即为PID控制器的三个可调参数KP、KI、KD；S1.6：计算PID控制器的控制输出；S1.7：计算修正BP神经网络输出层的加权系数；S1.8：计算修正BP神经网络隐含层的加权系数；S1.9：重复步骤S1.2～S1.9直至修正完所有PID控制器的采样点；PID控制器根据定值rt与实际输出值yt构成控制偏差：et＝rt-yt；连续情况下PID控制器的控制输出为： 式中，kp为比例系数，TI为积分时间常数，TD为微分时间常数；离散情况下PID控制器的控制输出为： Δuk＝kpek-ek-1+kiek+kdek-2ek-1+ek-2；2式中，ki＝kp×TTI，kd＝kp×TTD；T为采样周期，k为采样序号；BP神经网络的结构具体为：BP神经网络的输入层输入为： 式中，M为输入层的节点数；BP神经网络的隐含层输出为： 式中，wij2为隐含层权系数；wiM2为阈值，wiM2＝θi，θi代表隐含层第i个神经元的阈值；f[·]为活化函数，f[·]＝tanhx；Q为隐含层节点数；BP神经网络的输出层的输入输出为： 式中，wli3为输出层加权系数；wlQ3为阈值，wlQ3＝θl，θl代表输出层第1个神经元的阈值；g[·]为活化函数，满足g[·]＝12[1+tanhx]；上标1，2，3分别表示输入层、隐含层、输出层；设性能指标函数为： 式中，r代表期望速度，y代表实际速度，z代表速度误差；根据最速下降法修正网络的加权系数，即按J对加权系数的负梯度方向搜索调整，并附加一个搜索快速收敛全局极小的惯性项，得到下式： 式中：η为学习速率，α为惯性系数。

全文数据：

权利要求：

百度查询： 苏州雷泰医疗科技有限公司 基于大滑环锥形束双源能谱CT的网络学习控制方法及设备