摘 要：本文基于改進(jìn)遺傳算法，研究了血液凈化機(jī)械的優(yōu)化設(shè)計(jì)問(wèn)題。該方案建立了改進(jìn)型交互式遺傳算法模型，融入極限學(xué)習(xí)機(jī)（ELM）算法，構(gòu)建了包括數(shù)據(jù)輸入層、隱藏層和輸出層的數(shù)據(jù)架構(gòu)。借助前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在血液凈化機(jī)械設(shè)計(jì)庫(kù)中不斷進(jìn)行了迭代計(jì)算。試驗(yàn)結(jié)果表明，該方案在血液凈化機(jī)械數(shù)據(jù)庫(kù)數(shù)據(jù)分類方面取得了顯著進(jìn)展。該方案引入了極限學(xué)習(xí)機(jī)算法和改進(jìn)型交互式遺傳算法模型，能夠更有效地處理血液凈化機(jī)械數(shù)據(jù)，提高分類的準(zhǔn)確性和效率，提供了更符合人體工程學(xué)和人體生理學(xué)特點(diǎn)的設(shè)計(jì)方案，能更好地滿足人們對(duì)醫(yī)療機(jī)械設(shè)計(jì)的需求。

關(guān)鍵詞：改進(jìn)遺傳算法；血液凈化機(jī)械；ELM

中圖分類號(hào)：R 197" " " 文獻(xiàn)標(biāo)志碼：A

血液凈化機(jī)械是一種重要的醫(yī)療設(shè)備，廣泛應(yīng)用于腎功能衰竭等疾病治療。然而，目前市面上的血液凈化機(jī)械設(shè)計(jì)存在一些不足，例如凈化效果不理想、性能不穩(wěn)定等[1]。因此，對(duì)血液凈化機(jī)械進(jìn)行優(yōu)化設(shè)計(jì)具有重要意義。遺傳算法是一種優(yōu)化算法，具有全局搜索和并行計(jì)算的特點(diǎn)，被廣泛應(yīng)用于機(jī)械設(shè)計(jì)領(lǐng)域[2]。本文基于改進(jìn)遺傳算法對(duì)血液凈化機(jī)械進(jìn)行了優(yōu)化設(shè)計(jì)，以提高其凈化效果和性能。

1 基于改進(jìn)遺傳算法的血液凈化機(jī)械整體設(shè)計(jì)

基于改進(jìn)遺傳算法的血液凈化機(jī)械整體設(shè)計(jì)架構(gòu)如圖1所示。

首先，區(qū)分儀器的操作等級(jí)，并根據(jù)等級(jí)信息對(duì)儀器信息進(jìn)行劃分。區(qū)分不同的操作等級(jí)并針對(duì)不同等級(jí)的需求進(jìn)行設(shè)計(jì)和優(yōu)化，可提高血液凈化機(jī)械的整體性能和適應(yīng)性。其次，在設(shè)計(jì)過(guò)程中，使用改進(jìn)遺傳算法生成一批個(gè)體，并對(duì)這些個(gè)體進(jìn)行評(píng)估。評(píng)估指標(biāo)主要是個(gè)體的適應(yīng)度，即血液凈化機(jī)械在特定操作等級(jí)下的性能表現(xiàn)。對(duì)個(gè)體的適應(yīng)度進(jìn)行評(píng)價(jià)后，篩選出最佳個(gè)體，將其作為設(shè)計(jì)方案的候選。最后，對(duì)選定的個(gè)體進(jìn)行最佳適應(yīng)度評(píng)價(jià)。該評(píng)價(jià)過(guò)程是為了驗(yàn)證選定的個(gè)體在血液凈化機(jī)械整體設(shè)計(jì)中的優(yōu)越性[3]。對(duì)最佳個(gè)體進(jìn)行評(píng)價(jià)可確認(rèn)其在滿足操作等級(jí)需求的同時(shí)具備較好的整體性能。

主控系統(tǒng)過(guò)程參數(shù)操作如圖2所示。首先，需要與使用者進(jìn)行溝通和調(diào)查來(lái)獲取其需求和要求，并將其作為設(shè)計(jì)的指導(dǎo)方向，以保證設(shè)計(jì)的機(jī)械能夠滿足使用者的期望。其次，將儀器與人體特征進(jìn)行匹配，對(duì)不同方位的醫(yī)療儀器操作位置進(jìn)行相關(guān)的理論研究。這項(xiàng)研究的目的是為了確定最佳儀器操作位置，以提高操作的便捷性和效率。在該過(guò)程中，繪制使用者需求信息單，將關(guān)聯(lián)程度較高的數(shù)據(jù)放入同一個(gè)數(shù)據(jù)集，以便更好地理解和滿足使用者的需求。最后，需要在整體設(shè)計(jì)的過(guò)程中對(duì)醫(yī)療設(shè)備的運(yùn)行安全性進(jìn)行檢驗(yàn)，避免發(fā)生醫(yī)療事故，保障患者和醫(yī)護(hù)人員的安全。進(jìn)行安全性檢驗(yàn)以保證設(shè)計(jì)的血液凈化機(jī)械在使用過(guò)程中不會(huì)對(duì)患者和醫(yī)護(hù)人員造成傷害，同時(shí)保證設(shè)備正常運(yùn)行。

2 基于改進(jìn)遺傳算法的血液凈化機(jī)械機(jī)械模型構(gòu)建

2.1 初始化設(shè)置

對(duì)數(shù)據(jù)庫(kù)中的設(shè)計(jì)元素進(jìn)行編碼和數(shù)據(jù)設(shè)置。編碼是將設(shè)計(jì)元素轉(zhuǎn)化為算法處理的形式，通常使用二進(jìn)制編碼或其他編碼方式，利用編碼將設(shè)計(jì)元素轉(zhuǎn)化為算法操作的基因型。為了提高數(shù)據(jù)的計(jì)算精度，對(duì)數(shù)據(jù)進(jìn)行初始化設(shè)置。初始化設(shè)置是為了保證初始設(shè)計(jì)的合理性和多樣性。合理的初始化設(shè)置可保證在遺傳算法的迭代過(guò)程中獲得更好的設(shè)計(jì)結(jié)果[4]。例如，設(shè)置一些設(shè)計(jì)元素的初始值，以保證初始設(shè)計(jì)的合理性和多樣性。

2.2 ELM模型啟動(dòng)

ELM模型運(yùn)行如圖3所示。在ELM（極限學(xué)習(xí)機(jī)）模型中，將血液凈化機(jī)械設(shè)計(jì)元素的不同數(shù)據(jù)信息輸入輸入層中。這些設(shè)計(jì)元素包括血液流速、濾器尺寸和濾器材料等。輸入層將這些數(shù)據(jù)信息傳遞到隱藏層。在隱藏層中，設(shè)置與輸出層輸出節(jié)點(diǎn)間的連接權(quán)值Wj。Wj是隱藏層節(jié)點(diǎn)與輸出層節(jié)點(diǎn)間的連接強(qiáng)度，決定了隱藏層節(jié)點(diǎn)對(duì)輸出結(jié)果的貢獻(xiàn)程度。這些權(quán)值Wj的取值范圍通常設(shè)定為0.2～3.7的常數(shù)。輸出層輸出最終的結(jié)果，即血液凈化機(jī)械的設(shè)計(jì)方案。輸出層的輸出權(quán)值向量為βj，其中每個(gè)βj代表隱藏層中第j個(gè)節(jié)點(diǎn)對(duì)最終結(jié)果的貢獻(xiàn)程度。訓(xùn)練和調(diào)整這些權(quán)值向量βj，得到最佳結(jié)果。此外，還需要設(shè)置隱藏層中每個(gè)節(jié)點(diǎn)的偏置數(shù)據(jù)量bj。偏置數(shù)據(jù)量bj是隱藏層節(jié)點(diǎn)的偏移量，調(diào)整隱藏層節(jié)點(diǎn)的激活程度，從而影響最終的輸出結(jié)果。

在血液凈化機(jī)械數(shù)據(jù)元素庫(kù)中的數(shù)據(jù)樣本中，設(shè)定數(shù)據(jù)集合為xi、yi，其中i=1，2，...，n。這些數(shù)據(jù)樣本包括血液凈化機(jī)械的各種數(shù)據(jù)元素。同時(shí)，血液凈化機(jī)械數(shù)據(jù)元素庫(kù)中的數(shù)據(jù)被分類為m種不同的數(shù)據(jù)類型。用ys表示數(shù)據(jù)的類別，取值為1～m的整數(shù)。當(dāng)yk=1時(shí)，表示數(shù)據(jù)樣本集合中的yi與其他血液凈化機(jī)械數(shù)據(jù)元素庫(kù)的數(shù)據(jù)為-1。該設(shè)定將數(shù)據(jù)劃分為不同的類別，其中類別為s。這種劃分方式將不同類型的血液凈化機(jī)械數(shù)據(jù)樣本進(jìn)行分類和分析。在ELM模型中，需要設(shè)置隱藏層節(jié)點(diǎn)的數(shù)量。這些隱藏層節(jié)點(diǎn)用來(lái)提取數(shù)據(jù)的特征和表示[5]。將隱藏層節(jié)點(diǎn)設(shè)置為L(zhǎng)個(gè)，其中L代表隱藏層節(jié)點(diǎn)的數(shù)量。設(shè)置隱藏層節(jié)點(diǎn)的數(shù)量可以更好地捕捉血液凈化機(jī)械數(shù)據(jù)的特征和模式，從而提高模型的性能和準(zhǔn)確性，其數(shù)學(xué)模型分別如公式（1）、公式（2）所示。

（1）

（2）

輸出層實(shí)現(xiàn)的血液凈化機(jī)械數(shù)據(jù)元素庫(kù)數(shù)據(jù)輸出函數(shù)如公式（3）所示。

（3）

在使用者選擇的血液凈化機(jī)械數(shù)據(jù)元素庫(kù)眾多數(shù)據(jù)信息中，上述計(jì)算能夠根據(jù)顏色、光澤或者結(jié)構(gòu)形態(tài)等輸出適合人性化設(shè)計(jì)的數(shù)據(jù)信息。

2.3 結(jié)果判定

在血液凈化機(jī)械的設(shè)計(jì)中，用戶根據(jù)人性化標(biāo)準(zhǔn)來(lái)輸出數(shù)據(jù)信息。用戶根據(jù)自己的需求和要求判斷輸出的數(shù)據(jù)是否滿足要求。如果用戶認(rèn)為選擇的數(shù)據(jù)滿足要求，就表示該選擇是符合期望的；反之，如果用戶認(rèn)為選擇的數(shù)據(jù)不滿足要求，就表示該選擇不符合期望。適應(yīng)度值是用來(lái)衡量數(shù)據(jù)的適應(yīng)程度的指標(biāo)。其中適應(yīng)度值的取值設(shè)定為0.4～0.9。適應(yīng)度值越高，表示數(shù)據(jù)與要求的匹配程度越高，反之則匹配程度較低。調(diào)整適應(yīng)度值可控制數(shù)據(jù)的匹配程度，滿足要求。濾器系統(tǒng)的設(shè)計(jì)需要優(yōu)化，以提高血液凈化的效果。濾器的材料選擇、孔徑大小和結(jié)構(gòu)設(shè)計(jì)都會(huì)影響過(guò)濾效果。血液凈化機(jī)械中的血液流動(dòng)性能需要優(yōu)化，以保證血液在機(jī)械中的流動(dòng)均勻和穩(wěn)定。

2.4 輸出相識(shí)度識(shí)別

通過(guò)上述選擇、交叉和變異操作，本文對(duì)血液凈化機(jī)械數(shù)據(jù)元素庫(kù)中的數(shù)據(jù)進(jìn)行了優(yōu)化和改進(jìn)。假設(shè)經(jīng)過(guò)8次迭代計(jì)算和多輪遺傳操作，不斷優(yōu)化血液凈化機(jī)械的性能和適應(yīng)性，逐漸提高適應(yīng)度值，以逼近或達(dá)到滿足要求的目標(biāo)，如公式（4）所示。

（4）

2.5 迭代數(shù)據(jù)比較

在遺傳算法的迭代過(guò)程中不斷改進(jìn)和優(yōu)化血液凈化機(jī)械的性能和適應(yīng)性，使其與用戶需求和要求更匹配。采用選擇、交叉和變異操作，不斷生成新的個(gè)體，并利用輸出相識(shí)度識(shí)別來(lái)評(píng)估其優(yōu)劣，從而逐步逼近最優(yōu)解或最優(yōu)性能。該優(yōu)化過(guò)程可以提高血液凈化機(jī)械的效果和適應(yīng)性，滿足用戶的期望和要求。

本文通過(guò)上述計(jì)算，最終完成了血液凈化機(jī)械數(shù)據(jù)元素庫(kù)數(shù)據(jù)選擇。

3 試驗(yàn)結(jié)果

將本文方法與K-means算法模型進(jìn)行比較。

3.1 濾器系統(tǒng)參數(shù)匹配

在濾器系統(tǒng)的優(yōu)化中，需要匹配合適的參數(shù)來(lái)提高過(guò)濾效率和清潔度。根據(jù)患者的具體情況和治療要求，調(diào)整濾器的材料選擇、孔徑大小和結(jié)構(gòu)設(shè)計(jì)等參數(shù)，以取得最佳過(guò)濾效果。優(yōu)化濾器系統(tǒng)的參數(shù)匹配可以提高血液凈化的效果，減少不必要的廢物和污染物滯留。調(diào)配與患者操作相關(guān)程度較高的內(nèi)部血液凈化機(jī)械空間，更好地適應(yīng)患者的治療需求，提高治療效果。根據(jù)患者的具體情況和治療要求進(jìn)行相應(yīng)調(diào)整和優(yōu)化，以滿足患者的需求。

3.2 血液流動(dòng)系統(tǒng)參數(shù)匹配

機(jī)械治療信息獲取如圖4所示。本文模擬自然進(jìn)化的過(guò)程，并利用交叉、變異和選擇等操作不斷優(yōu)化參數(shù)組合，以找到最優(yōu)參數(shù)配置，將血液流動(dòng)系統(tǒng)中的速度、壓力和管道直徑等參數(shù)作為遺傳算法的自變量，并設(shè)置適應(yīng)度函數(shù)來(lái)評(píng)估參數(shù)組合的優(yōu)劣。建立一個(gè)預(yù)測(cè)模型，輸入?yún)?shù)和輸出結(jié)果間的關(guān)系，預(yù)測(cè)最優(yōu)參數(shù)組合。加快參數(shù)優(yōu)化的過(guò)程，并提高優(yōu)化的準(zhǔn)確性。適當(dāng)調(diào)整血液的流速和流量，可以提高血液在機(jī)械中的流動(dòng)效果，減少滯留時(shí)間，降低血液凈化過(guò)程中的不適感。

收集血液流動(dòng)系統(tǒng)參數(shù)后，按照系統(tǒng)的功能界面劃分不同的性能檢測(cè)模塊，將屬于同一檢驗(yàn)?zāi)K的數(shù)據(jù)收錄至系統(tǒng)空間中，及時(shí)檢驗(yàn)此刻的系統(tǒng)狀態(tài)，不斷整合狀態(tài)信息，簡(jiǎn)化操作流程，追蹤不同的血液信息，調(diào)整系統(tǒng)的流動(dòng)速度，將系統(tǒng)的速度調(diào)到合理范圍內(nèi)，并記錄不同時(shí)刻的流動(dòng)參數(shù)。

3.3 數(shù)據(jù)收集

將記錄的數(shù)據(jù)全部整理至中心控制系統(tǒng)中，不斷獲取內(nèi)部研究數(shù)據(jù)與濾器調(diào)節(jié)范圍角度數(shù)據(jù)，掌控血液凈化機(jī)械濾器系統(tǒng)和血液流動(dòng)系統(tǒng)的操作程度和操作范圍，并配置基礎(chǔ)研究裝置，強(qiáng)化內(nèi)部管理系統(tǒng)，加強(qiáng)對(duì)血液凈化機(jī)械濾器系統(tǒng)和血液流動(dòng)系統(tǒng)的管控力度，由此調(diào)配合理的操作信息裝置，進(jìn)行整體試驗(yàn)操作研究。

3.4 比較結(jié)果

將本文方法與K-means算法模型在平均相對(duì)誤差（MRE）、最小誤差平方和（LSE）方面進(jìn)行比較。如果本文方法在MRE和LSE方面表現(xiàn)更好，說(shuō)明其預(yù)測(cè)結(jié)果更準(zhǔn)確，誤差更小，具有更高的預(yù)測(cè)能力。相反，如果K-means算法模型在MRE和LSE方面表現(xiàn)更好，說(shuō)明其預(yù)測(cè)結(jié)果更準(zhǔn)確，誤差更小，具有更高的預(yù)測(cè)能力。比較過(guò)程如公式（5）所示。

（5）

式中：D為用于驗(yàn)證醫(yī)療器械數(shù)據(jù)庫(kù)中設(shè)計(jì)元素?cái)?shù)據(jù)的總樣本；Ae為通過(guò)算法模型輸出檢索設(shè)計(jì)信息；AMe為數(shù)據(jù)庫(kù)中輸出的醫(yī)療器械數(shù)據(jù)信息。

誤差比較見(jiàn)表1。

對(duì)于MRE，K-means算法的值為0.1795，而本文算法的值為0.1013，說(shuō)明本文算法的MRE值較小，其預(yù)測(cè)結(jié)果與真實(shí)值更接近，具有更高的預(yù)測(cè)準(zhǔn)確性。對(duì)于LSE，K-means算法的值為0.2475，而本文算法的值為0.1458，表明本文算法的LSE值較小，其預(yù)測(cè)結(jié)果與真實(shí)值的誤差更小，具有更高的預(yù)測(cè)準(zhǔn)確性。優(yōu)化血液凈化機(jī)械濾器、血液流動(dòng)參數(shù)可進(jìn)一步提高血液凈化的效果，使患者的治療體驗(yàn)更好、更安全且有效。同時(shí)，借助本文算法的優(yōu)勢(shì)，采用更可靠和準(zhǔn)確的預(yù)測(cè)方法，以指導(dǎo)設(shè)計(jì)優(yōu)化和參數(shù)選擇。

4 結(jié)語(yǔ)

本文基于改進(jìn)遺傳算法，對(duì)血液凈化機(jī)械的優(yōu)化設(shè)計(jì)問(wèn)題進(jìn)行了研究。對(duì)血液凈化機(jī)械的結(jié)構(gòu)和參數(shù)進(jìn)行優(yōu)化，提高了其凈化效果和性能。試驗(yàn)結(jié)果表明，改進(jìn)遺傳算法能夠有效優(yōu)化血液凈化機(jī)械，并取得良好的優(yōu)化效果。然而，本文還存在一些不足之處，例如樣本數(shù)量有限、參數(shù)設(shè)置不夠全面等。未來(lái)的研究將進(jìn)一步完善改進(jìn)遺傳算法的優(yōu)化模型，增加樣本數(shù)量，并考慮更多的設(shè)計(jì)要求和約束條件，以進(jìn)一步提高血液凈化機(jī)械的優(yōu)化效果。

參考文獻(xiàn)

[1]周志霄，王宸，張秀峰，等.基于機(jī)器視覺(jué)與改進(jìn)遺傳算法的機(jī)械手分揀方法研究[J].制造技術(shù)與機(jī)床，2022（2）：25-29.

[2]張錚，柯子鵬，周嘉政，等.基于改進(jìn)多目標(biāo)自適應(yīng)遺傳算法的機(jī)器人路徑規(guī)劃[J].西安理工大學(xué)學(xué)報(bào)，2023，39（1）：69-78.

[3]魏金生，李仁旺.改進(jìn)遺傳算法求解多柔性作業(yè)車間調(diào)度問(wèn)題[J].建模與仿真，2023，12（6）：5887-5896.

[4]喬?hào)|平，柏文通，文笑雨，等.基于關(guān)聯(lián)規(guī)則的作業(yè)車間調(diào)度問(wèn)題改進(jìn)遺傳算法研究[J].河南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，41（2）：138-148.

[5]楊忠瑞，楊昌明，劉渝.基于改進(jìn)遺傳算法的工業(yè)機(jī)器人逆運(yùn)動(dòng)學(xué)求解[J].機(jī)械工程與技術(shù)，2020，9（5）：403-410.