摘要：環(huán)氧乙烷滅菌過程參數(shù)波動(dòng)較大，異常的過程參數(shù)難以被及時(shí)發(fā)覺，將影響環(huán)氧乙烷滅菌效果。提出了一種環(huán)氧乙烷滅菌過程參數(shù)失穩(wěn)監(jiān)控模型——基于蜜蜂算法的徑向基神經(jīng)網(wǎng)絡(luò)（RBFNN）模式識(shí)別方法，運(yùn)用蜜蜂算法對(duì)神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行訓(xùn)練學(xué)習(xí)，對(duì)環(huán)氧乙烷過程參數(shù)進(jìn)行模式識(shí)別用來(lái)監(jiān)控環(huán)氧乙烷滅菌過程參數(shù)中的異常模式。通過數(shù)值模擬方法對(duì)比，該方法比傳統(tǒng)方法訓(xùn)練速度更快，識(shí)別效果更好。

關(guān)鍵詞：環(huán)氧乙烷滅菌；模式識(shí)別；徑向基神經(jīng)網(wǎng)絡(luò)；蜜蜂算法

一、前言

環(huán)氧乙烷滅菌是目前應(yīng)用比較廣泛的一種化學(xué)滅菌劑，被應(yīng)用于醫(yī)療器械和被服等方面消毒。環(huán)氧乙烷滅菌的效果受多種因素的影響，且對(duì)應(yīng)的過程參數(shù)波動(dòng)較大，因此在正常滅菌過程中，滅菌效果很難一直保持在理想穩(wěn)定的狀態(tài)。參數(shù)呈現(xiàn)出上下波動(dòng)的狀態(tài)，特別是這些波動(dòng)參數(shù)呈現(xiàn)出異常規(guī)律波動(dòng)模式時(shí)，如果不能及時(shí)被發(fā)現(xiàn)并干預(yù)的話，極有可能影響滅菌效果，甚至造成環(huán)氧乙烷的殘留，嚴(yán)重時(shí)將威脅患者和醫(yī)護(hù)人員的身體健康。

控制圖是動(dòng)態(tài)監(jiān)控參數(shù)的一種基本工具，控制圖模式（CCPs）識(shí)別可以有效地監(jiān)控環(huán)氧乙烷過程參數(shù)中的異常模式。神經(jīng)網(wǎng)絡(luò)具有處理數(shù)據(jù)中噪聲的能力，許多學(xué)者對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了應(yīng)用研究。但是神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程繁瑣，訓(xùn)練效果直接影響到模型的性能。

為了能夠?qū)崟r(shí)把握環(huán)氧乙烷滅菌過程中的各項(xiàng)參數(shù)，迅速發(fā)現(xiàn)識(shí)別參數(shù)中的異常模式，本文提出運(yùn)用基于蜜蜂算法對(duì)徑向基神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，提高了訓(xùn)練速度和識(shí)別模型的性能。

二、環(huán)氧乙烷滅菌過程參數(shù)失穩(wěn)監(jiān)控模型的構(gòu)建

環(huán)氧乙烷滅菌過程參數(shù)失穩(wěn)監(jiān)控模型主要包括過程參數(shù)數(shù)據(jù)輸入、異常特征的提取、分類器識(shí)別、異常模式結(jié)果輸出。

（一）環(huán)氧乙烷滅菌過程參數(shù)失穩(wěn)模式類別

正常反應(yīng)的環(huán)氧乙烷滅菌過程參數(shù)可以定義為處于正常模式 （NOR），當(dāng)受到外界不正常干預(yù)，導(dǎo)致反應(yīng)異常，此時(shí)環(huán)氧乙烷滅菌過程處于異常模式，常見的異常參數(shù)的模式類別主要包括以下五種：循環(huán)模式 （CYC）、遞增趨勢(shì)模式（UT）、下降趨勢(shì)模式（DT）、向上移動(dòng)模式 （US）和向下移動(dòng)模式 （DS）。

1.趨勢(shì)模式：定義為數(shù)據(jù)正向或負(fù)向的連續(xù)波動(dòng)。造成環(huán)氧乙烷滅菌過程參數(shù)出現(xiàn)異常趨勢(shì)模式的主要因素有：環(huán)氧乙烷設(shè)施設(shè)備損壞、操作人員未及時(shí)干預(yù)錯(cuò)誤信息。公式（1）所示：

y（t）=μ+d×t+V （1）

d表示數(shù)據(jù)的傾斜程度，當(dāng)d取正值時(shí)，過程參數(shù)呈現(xiàn)向上傾斜趨勢(shì)，如圖1（b）所示；當(dāng)d取負(fù)值時(shí)，過程參數(shù)呈現(xiàn)向下傾斜趨勢(shì)，如圖1（c）所示。

2.偏移模式：定義為過程參數(shù)的向上或向下跳躍偏移。造成環(huán)氧乙烷滅菌過程參數(shù)出現(xiàn)異常偏移模式的主要因素有：反應(yīng)池內(nèi)原料的突然投放、操作人員的更換。公式（2）所示：

y（t）=μ+b+t+V （2）

b表示數(shù)據(jù)的偏移程度，當(dāng)b分別取負(fù)值、0、正值時(shí)，表示過程參數(shù)向下偏移、不偏移和向上發(fā)生偏移，如圖1（e）（d）所示。

3.循環(huán)模式：定義為過程參數(shù)呈異常規(guī)律性的周期波動(dòng)。造成環(huán)氧乙烷滅菌過程參數(shù)出現(xiàn)異常周期波動(dòng)的主要因素有：環(huán)境周期變換。公式（3）所示：

y（t）=μ+a×sin（2Πt/Ω）+V （3）

如圖1（f）所示。

（二）分類器

本文使用的分類器是RBFNN，訓(xùn)練方法是蜜蜂算法。

1.徑向基神經(jīng)網(wǎng)絡(luò)模型

RBFNN有三層：輸入層、隱含層和輸出層。如圖2所示。

將環(huán)氧乙烷滅菌過程參數(shù)輸入訓(xùn)練好的徑向基神經(jīng)網(wǎng)絡(luò)模型的輸入層，輸出層輸出環(huán)氧乙烷滅菌過程參數(shù)模式特征。

2.分類器的訓(xùn)練方法——蜜蜂算法

蜜蜂算法是一種用來(lái)檢索最優(yōu)方案的算法。該算法的原理為：先將n只蜜蜂隨機(jī)放入需要檢索的空間，利用蜜蜂對(duì)m個(gè)檢索的站點(diǎn)進(jìn)行適合度評(píng)估，用以檢索最優(yōu)站點(diǎn)，能夠檢索到最優(yōu)站點(diǎn)的蜜蜂被稱為“雇傭蜂”，然后對(duì)選中的站點(diǎn)進(jìn)一步搜索并在該站點(diǎn)分配更多的蜜蜂進(jìn)行檢索，站點(diǎn)的蜜蜂越多，代表該站點(diǎn)成為最優(yōu)方案的概率越大。搜索區(qū)域的初始值為a={a1，a2，…，ak}，K為變量的數(shù)量。公式（4）所示：

ai（t）=ngh（t）×（maxi-mini） （4）

ngh（0）=1.0

t代表蜜蜂算法第t次迭代，ngh代表初始區(qū)域值。只要蜜蜂能檢索到更合適的站點(diǎn)，檢索區(qū)域?qū)⒉粫?huì)改變。如果檢索不出更合適的站點(diǎn)，將縮小檢索區(qū)域。更新公式為（5）：

ngh（t+1）=0.8×ngh（t） （5）

隨著算法的迭代，檢索區(qū)域?qū)⒉粩嗫s小，也越來(lái)越趨向最優(yōu)，然后進(jìn)行更深入的檢索。每個(gè)適合度較高的站點(diǎn)內(nèi)的蜜蜂將被留下。其余蜜蜂將被分配到其他區(qū)域進(jìn)行檢索。重復(fù)迭代直到滿足停止檢索的條件。

神經(jīng)網(wǎng)絡(luò)隱藏層中基函數(shù)的數(shù)目和位置很大程度影響著識(shí)別器RBFNN的性能。本文利用蜜蜂算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)中的基函數(shù)的數(shù)目和位置進(jìn)行迭代檢索，查找RBF神經(jīng)網(wǎng)絡(luò)中的最優(yōu)參數(shù)，提高RBFNN的性能，從而快速準(zhǔn)確地識(shí)別環(huán)氧乙烷過程參數(shù)中的異常模式。

（三）基于BEE-RBF神經(jīng)網(wǎng)絡(luò)環(huán)氧乙烷滅菌過程失穩(wěn)識(shí)別模型

如圖3所示，基于BEE-RBF神經(jīng)網(wǎng)絡(luò)的環(huán)氧乙烷滅菌過程參數(shù)模式識(shí)別模型主要包括分類器和學(xué)習(xí)算法兩個(gè)模塊。其中，inputi表示輸入數(shù)據(jù)，本文i=60，輸出端為6種模式特征[1]。

環(huán)氧乙烷滅菌過程參數(shù)模式識(shí)別方法的主要步驟如下：

步驟1：輸入原始數(shù)據(jù)。

步驟2：設(shè)置蜜蜂算法的參數(shù)。

步驟3：生成初始種群。

步驟4：計(jì)算蜜蜂種群的適應(yīng)度函數(shù)。

步驟5：進(jìn)行最優(yōu)蜜蜂的局部檢索。

步驟6：將剩余的蜜蜂隨機(jī)分配到其他區(qū)域檢索。

步驟7：檢驗(yàn)檢索情況。如果滿意就進(jìn)行下一步，否則重復(fù)步驟4。滿足停止條件為止。

步驟8：結(jié)束算法。

三、數(shù)值模擬實(shí)驗(yàn)

為檢驗(yàn)所構(gòu)建的基于BEE-RBF神經(jīng)網(wǎng)絡(luò)的環(huán)氧乙烷滅菌過程失穩(wěn)監(jiān)控模型，本章節(jié)開展數(shù)值模擬實(shí)驗(yàn)研究，對(duì)比該模型與傳統(tǒng)模型的特征模式識(shí)別效果。

（一）控制圖模式

該實(shí)驗(yàn)將模擬不同過程參數(shù)的模式特征，且均由60個(gè)數(shù)據(jù)點(diǎn)組成。為了減少實(shí)驗(yàn)以外因素干擾，經(jīng)公式（6），將所有實(shí)驗(yàn)數(shù)據(jù)點(diǎn)進(jìn)行歸一化處理，使其落在[0，1]范圍內(nèi)。

y一t=（yt-ymin）/（ymax-ymin） （6）

y一t表示t時(shí)刻歸一化處理后實(shí)驗(yàn)數(shù)據(jù)的值，其值的范圍為（0，1）；本實(shí)驗(yàn)?zāi)M的數(shù)據(jù)的值范圍為（35，125），ymin=35；ymax=125。

（二）訓(xùn)練和測(cè)試

通過仿真生成1500組模式數(shù)據(jù)，6種模式中每組各250組數(shù)據(jù)，仿真公式為：

（1）正常模式：

yt=μ+rtσ

（2）循環(huán)模式：

yt=μ+rtσ+αsin（2Πt/T）

（3）趨勢(shì)模式：

yt=μ+rtσ±gt

（4）偏移模式：

yt=μ+rtσ±ks

μ=80表示監(jiān)控變量的平均值；σ=5表示過程的標(biāo)準(zhǔn)偏差；α=15表示循環(huán)變化的幅度；g=0.5表示趨勢(shì)梯度的變化幅度；k=0，1表示決定仿真數(shù)據(jù)移動(dòng)的參數(shù)；r表示正態(tài)隨機(jī)分布的參數(shù)；偏移參數(shù)s=20；t（0，59）表示數(shù)據(jù)的采樣時(shí)間；采樣周期T=12；yt表示t時(shí)刻的樣本值[2]。

本實(shí)驗(yàn)利用1002組模式數(shù)據(jù)訓(xùn)練分類器，其中6種模式特征各167組數(shù)據(jù)，剩余的498組模式數(shù)據(jù)用以測(cè)試對(duì)比訓(xùn)練的分類器的性能。

（三）RBF神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置

設(shè)置三組神經(jīng)網(wǎng)絡(luò)模型參數(shù)：第一組設(shè)置為輸入層8個(gè)神經(jīng)元，隱含層35個(gè)神經(jīng)元，輸出層為6個(gè)神經(jīng)元；第二組設(shè)置為輸入層8個(gè)神經(jīng)元，隱含層175個(gè)神經(jīng)元，輸出層為6個(gè)神經(jīng)元；第三組設(shè)置為輸入層8個(gè)神經(jīng)元，隱含層498個(gè)神經(jīng)元，輸出層為6個(gè)神經(jīng)元。

（四）蜜蜂算法參數(shù)

本實(shí)驗(yàn)中蜜蜂算法的參數(shù)見表1。

（五）實(shí)驗(yàn)結(jié)果

表2所示，本文使用普通的訓(xùn)練方法對(duì)隱藏層神經(jīng)元個(gè)數(shù)分別為35、175和498的徑向基神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，然后使用蜜蜂算法對(duì)隱藏層神經(jīng)元個(gè)數(shù)為35的徑向基神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，以出錯(cuò)率作為訓(xùn)練效果的對(duì)比要素，通過對(duì)比可以看出，當(dāng)具有相同隱含層神經(jīng)元個(gè)數(shù)時(shí)，傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)方法的識(shí)別效果遠(yuǎn)不如BEE-RBF神經(jīng)網(wǎng)絡(luò)方法。若要達(dá)到相同的訓(xùn)練效果，傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法需要隱含層神經(jīng)元個(gè)數(shù)是傳統(tǒng)神經(jīng)元個(gè)數(shù)BEE-RBF神經(jīng)網(wǎng)絡(luò)方法的5倍[3]。

四、結(jié)論

環(huán)氧乙烷滅菌過程復(fù)雜，及時(shí)識(shí)別并干預(yù)環(huán)氧乙烷滅菌過程中的變異模式非常重要。本文提出了一種基于蜜蜂算法的RBF神經(jīng)網(wǎng)絡(luò)模型來(lái)監(jiān)控環(huán)氧乙烷滅菌過程參數(shù)，與傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)模型相比，在相同隱含層神經(jīng)元個(gè)數(shù)的情況下，該方法識(shí)別速度更快，準(zhǔn)確度更高，能夠更及時(shí)、精準(zhǔn)識(shí)別環(huán)氧乙烷滅菌過程中的異常模式。

參考文獻(xiàn)

[1]任小虎，賈云嬌，藍(lán)卉，等.環(huán)氧乙烷滅菌設(shè)備物理參數(shù)校準(zhǔn)及結(jié)果分析[J].計(jì)量與測(cè)試技術(shù)，2021，48（12）：70-72.

[2]陳慧，周曉麗，黃浩，等.3種低溫滅菌方式下不同包裝材料滅菌效果比較[J].護(hù)理學(xué)雜志，2021，36（11）：49-51.

[3]劉柏東，賀偉罡，陳敏.醫(yī)療器械中環(huán)氧乙烷滅菌殘留物的來(lái)源分析[J].中國(guó)醫(yī)療器械雜志，2020，44（05）：443-447.

作者單位：中國(guó)人民解放軍總醫(yī)院

■ 責(zé)任編輯：張津平、尚丹