中文摘要：

本项目的主要研究内容就是采用模糊逻辑、神经网络和基因算法设计训练网络,建立学习规则,优化呼吸机控制系统的设计。由PC机动态跟踪检测呼吸机的相关参数，通过学习网络得到最佳的权值，更新的权值被拷贝到在线微控制器，从而设备一直处于最优或接近最优参数的控制下。采用两级微控制器可以提高控制系统的稳定性，模糊神经系统可以实现对呼吸机系统的自适应逆控制，达到高质量的控制效果，为我国生产高档呼吸机提供一个新的控

结论摘要：

我国目前的呼吸机虽然装机了多种通气模式，但是在任何一种模式下，都需要有临床医生进行参数的选取以及控制量大小的设置，这大大加重了临床医生的工作负担。本项目首先提出如何将临床医生对呼吸机参数的调整经验转化为用模糊集合表示的专家知识库，并用隶属函数来表示呼吸参数值。然后，利用模糊神经网络的理论来设计呼吸机的控制系统，给出了模糊神经网络的结构，采用三角模糊权的方法优化BP神经网络的学习算法，用截集计算权值和阈值。根据呼吸机输入和输出参数的特点，本项目还给出了进一步对模糊神经网络的系统结构以及输出权重进行优化和对模糊规则进行修正的方法；给出了病人生命体征状态控制器、生命状态发展趋势控制器以及决策控制器的设计过程。本项目为呼吸机控制系统的实验研究构建了一个开放的实验室平台，设计了PC机和微处理器之间的串口通讯程序，实现了PC机和呼吸机控制系统中的微处理器之间的数据实时传送；设计了模糊控制和模糊神经网络控制两套呼吸机控制主程序，实时监测呼吸机支持压力变化情况，简化呼吸机参数的设置和通气过程中的调试，提高了控制效果。这一技术的研究、发展和完善将把我国的呼吸机研究推向一个新的水平。