连续状态-连续行动（共4篇）
连续状态-连续行动 篇1
强化学习是机器学习的一个重要分支[1,2,3,4],决策主体通过试探与未知环境不断地进行信息交互,利用评价性的反馈信号实现决策的优化。它包括两方面的含义[1],一方面将其看作一类问题,一方面指解决这类问题的技术。近年来,随着强化学习理论的不断发展和完善,已成为一个多学科交叉的研究方向,成功应用于机器人、智能交通、生产调度等应用中[5,6,7,8]。
强化学习是解决一类序贯决策问题的有效方法,可以通过统计技术、在线学习、动态规划等估计状态值函数或状态-行动值函数,运用行动值函数确定各个状态的最优行动,形成最优控制策略。强化学习方法通常保存一种表格,每个方格用于存储状态-行动值函数(即Q因子),通过样本学习实现值函数更新。因此,该类方法适合解决系统状态空间、行动空间为有限离散的优化控制问题[1]。而生产生活中的许多实际问题的状态或行动为连续变量甚至混合变量,必然要求将该类方法进行推广。目前,解决连续状态-连续行动问题的方法主要包括离散化和值函数逼近两大类[9,10,11,12],前者将连续变量转化为离散的[9,11],后者则主要通过参数结构的泛化实现值函数表示[9,10,12]。本文将对连续状态-连续行动强化学习所面临的问题进行分析,对一些求解方法或技术进行讨论,并对未来可能发展方向进行展望。
1 连续状态-连续行动强化学习
1.1 强化学习理论
强化学习方法结合了动态规划、函数随机逼近等思想[1],包括策略,奖惩反馈、值函数和环境模型四个要素。智能主体基于环境模型的系统状态,按照一定的策略确定执行行动,环境模型根据智能主体行动给予相应的奖惩反馈,奖惩反馈通过长期积累构成值函数,其工作过程如下。在t时刻(t=1,2,3…表示离散的时间步骤),智能主体感知环境模型状态st∈S(S为系统状态集合),选择执行行动at∈A(st)作用于环境模型,其中A(st)为状态st的行动集合。环境模型将针对执行行动给予智能主体奖惩反馈rt+1∈R,并转至下一状态st+1。所有的状态-行动映射就可以构成系统的控制策略π,策略π下系统的状态转移规律可表示为其中s s'∈S,at∈A(st)。通过智能主体和环境模型的反复交互,获得系统长期的奖惩折扣累积公式:
其中γ(0<γ<1)为折扣因子。在策略π下,定义状态s性能值函数为:
定义状态-行动对Q(s,a)性能值函数为:
其中,状态值函数基于TD学习的更新公式为:
V(st)表示状态st下的状态值函数。状态-行动对值函数Q(st,v(st))学习更新公式为:
1.2 连续状态-连续行动泛化问题
标准强化学习算法利用数据样本实现状态值函数或状态-行动值函数的学习逼近,从而实现最优控制策略的求解。然而,在实际生活中一些系统变量则具有连续性的特点,如状态变量为热量、位置或控制变量为温度、距离等,无法直接利用标准强化学习求解。
为了解决强化学习中连续变量问题,改进算法必须满足鲁棒性、完整性及正确性等要求,需从以下几个方面考虑[13]。首先,模型无关问题。针对离散问题,大部分情况下可以较容易的建立系统数学模型,利用基于模型的数值算法求解。而连续变量问题,一些模型参数则难以获取或计算过于复杂,如系统转移矩阵等,因此改进的强化学习算法必然要不依赖于模型参数。其次,存储问题。在离散情况下采用表格形式存储状态值函数v(s)或状态行动值函数Q(s,v(s)),大规模问题则需要大量的空间,存在“维数灾”问题。因此,如何通过有限参数来实现连续状态-连续行动值函数的存储及学习更新问题,是值得探讨的问题。第三,连续性问题,最优控制策略的执行行动必须随着状态的变化而平滑变化,不能出现跳跃的情形。第四,状态和行动的泛化问题,即较好地实现近似状态或行动的泛化,减少在状态空间或行动空间的探索。第五,行动的探索和利用问题。对于连续的空间,如何高效的平衡行动的探索和利用,加快学习进程和提高算法效率是一个重要问题[9,14,15,16]。
2 离散化和值函数逼近方法
针对连续状态连续行动强化学习算法面临的主要问题,许多专家学者给出了一些有效地解决方法,可以分为两大类:离散化和值函数逼近[9]。离散化方法是利用一定的技术手段把连续空间分解为有限的离散空间[17,18],通过表格形式一一对应存储状态值函数v(s)或状态-行动对值函数Q(s,v(s))。而值函数方法则利用一些逼近结构(如神经网络、Tile Code、树等)逼近表示状态值函数v(s)或状态-行动对值函数Q(s,v(s)),逼近结构的输入为状态、行动等变量,输出为相应值函数。无论是离散化方法还是值函数逼近方法,都需要考虑的是值函数的学习和存储两大方面问题。
2.1 离散化
离散化方法是解决连续变量值函数问题最为直接的手段,目前存在许多不同的离散化技术,可以根据不同的分类标准进行分类,如监督和非监督、动态和静态、全局与局部、直接与递增等。因此,可以根据研究对象、结构特征等具体问题选择合适的离散化方法。
对于连续状态空间变量问题,离散化方法基本出发点是实现状态聚类,即以一定的标准或规则把若干连续的状态近似为一个状态,将该状态下的决策控制应用于其近似状态中。因此,离散化方法的选择取决于状态性质特征。等间距的均匀离散化方法或非监督离散方法只适应于连续变量状态性质均匀变化的问题,但存在离散粒度难以控制的缺点,粒度过粗造成信息丢失,粒度过细造成状态个数随粒度指数增长“维数灾”问题。因此,产生了一些自适应变间距的离散方法。文献[18]将连续U型树技术应用于连续空间离散,该方法就是一种变间距离散技术,采用回归树实现状态值的存储。文献[19]提出了一种基于节点生长k-均值聚类算法的自适应离散划分方法,该方法使用聚类算法的聚类中心表示离散状态,随着学习的进行而调整聚类中心或添加新聚类中心。文献[20给出了一种自适应向量量子化方法,不需要预先知道环境信息,通过主体与环境的交互实现连续状态空间的划分修正。文献[21]和[22]则分别提出了基于高斯过程分类器和基于核方法的连续空间的强化学习方法。
对于连续行动问题,离散方法会带来与连续状态空间问题面临的同样难题。另外,连续行动的离散化还存在行动探索和行动利用之间矛盾问题,严重影响着优化算法的收敛速度以及最终优化结果的精度,甚至导致优化算法收敛到局部最优解。因此,强化学习中的连续行动离散化面临更大难题。文献[23]利用“Adaptive Multistage Sampling”技术实现连续行动的离散化,即根据样本数量确定离散化粒度。而文献[24]在文献[11]基础上,将变分辨率的离散化思想应用于连续空间和连续行动Markov决策过程优化控制问题。针对联合状体-行动空间,给出了随优化过程进行而变化的分割准则。对于行动的探索和利用矛盾问题,大多数文献都采用的Boltzamann方法,文献[14]则提出了自适应行动修正方法,它利用当前状态-行动空间上学习得到的离散、二元决策策略确定增加或减少当前来连续行动值函数。
总之,一般的离散化方法存在泛化能力差、离散粒度难以控制等缺点;而自适应离散化方法固然一定程度上克服了离散粒度选择和变量泛化问题,但离散化带来的状态和行动存储空间“维数灾”、连续状态中任意状态的控制、连续行动中的行动探索和利用矛盾、每个状态下的精确控制等问题依然难以克服。而一些参数化方法基于非线性学习逼近能力强、泛化能力强、结构简单等特点,可有效克服离散化方法的一些缺点。
2.2 值函数逼近
值函数逼近是人工智能领域的一种重要技术[3,10],它运用神经网络、多项式逼近器、树、线性回归机等一些参数化结构逼近表示强化学习中的状态-行动Q值函数或状态值函数,替代传统方法中的表格形式。该类技术充分发挥神经网络、线性回归机等结构的非线性逼近能力强、泛化能力强、结构简单等特点,有效克服传统方法的不足,即大规模系统中表格存储表示带来的“维数灾”、无法表示连续状态或连续行动值函数等难题。
从值函数逼近的基本思想出发,解决连续状态或行动强化学习可以分为两类方法。第一类方法首先将连续状态或行动转化为离散状态或行动,然后利用值函数逼近结构实现状态-行动Q值函数或状态值函数的表示。该类方法利用一些逼近结构比较简单,逼近结构的相关参数远远小于状态-行动或状态的个数,从而克服大规模系统中“维数灾”难题。第二类方法利用逼近结构的输入可以为连续变量,直接实现状态-行动Q值函数或状态值函数的逼近表示,从而可以实现任意状态下的精确控制。强化学习的参数化优化分为Critic、Actor和Critic-Actor三种模式,其中Critic-Actor模式是前两种模式的综合[1]。Actor-Critic的研究最早源于文献[25和文献[26]等,它是解决强化学习问题最为常见的一种值函数逼近方法,选择一种逼近结构作为Actor用于行动选择,而选择另一结构作为Critic用于值函数的逼近表示。另外,其与动态规划有效结合形成了一种解决该类问题的新方法-神经元动态规划[13]。本文将介绍一些值函数逼近的常用逼近结构及实现,如BP网络、CMAC等。
2.2.1 BP网络
BP(Back Propagation)网络是目前使用最为广泛的神经网络,它是由Rumelhart、McCelland等科学家在20世纪80年代提出的[27]。BP网络在结构上是一种多层感知器或多层前向网络,包括输入层、隐含层(一层或多层)、输出层。它采用梯度下降方法试图最小化网络输出值和目标值之间的误差平方,从输出节点开始反向地向第一隐含层(即最接近输入层的隐含层)传播由总误差引起的权值修正。
Actor-Critic模式分别采用两个网络进行行动选择和值函数的逼近[1,28,29]。假设Actor网络的权值参数为θ={θ1,θ2,…,θn},Critic网络权值参数为w=(w1,w2,…,wm),n、m分别为Actor、Critic网络权值个数。Critic网络输出状态-行动值函数记为Qθ,其计算公式为:
φjθ(s,a)是依赖于Actor网络的Critic网络输入,Critic网络权值更新公式为
βt为学习步长。Actor网络权值更新公式为
ρt为学习步长,Г(wt)标准化因子,Ψθ与Фθ关系参见文献[32]。
2.2.2 小脑模型关节控制器
小脑模型关节控制器(Cerebelllar Model Articulation Controller,CMAC)是由Albus于1975年根据小脑的生物模型提出的一种神经网络[30],是一种基于表格查询式输入输出多维非线性局部逼近神经网络。它具有结构简单、泛化能力强、收敛速度快、容易实现等特点,在函数逼近、信号处理、模式识别及控制等领域有着广泛的应用[31,32]。
CMAC由输入X、虚拟层神经元(AC)、实际层神经元(AP)、输出Y等构成。它的输入可以是多维连续的矢量,每个输入矢量被量化,映射到虚拟层神经元,并激活其中的C个单元(C称为网络的泛化参数),被激活的单元输出为1,未被激活的单元输出为0。对于输入相近的两个点,则激活的单元将会出现部分重叠,输出也将相近。考虑到记忆单元随着输入空间增大而不断增大,因此一般将虚拟层神经元压缩变换再映射到实际层神经元,而实际层神经元则存储着不同网络权值。对应于虚拟层神经元中被激活的C个单元,实际层神经元也将被激活C个单元,该C个单元的网络权值加权和即为网络输出Y。CMAC网络运用Widrow-Hoff规则更新网络权值,其公式为:
其中WX={wX,l,…,wX,c}为输入样本X对应的c个记忆单元的权值向量,c为CMAC的泛化参数,ζ为学习步长,yd为期望输出,y为网络的实际输出。
本文采用CMAC网络实现离散状态-连续行动Q值函数逼近,网络输入为系统状态或行动,网络输出则为Q值函数。每一个系统状态对应一个CMAC网络,网络输入记为行动d,输出为Q(i,d,wi)(wi为状态i对应的网络权值向量),其计算公式为
h为输入变量d所激活存储单元的首地址。参照公式(9),网络权值更新公式为
ζ为学习率,ct为Q值函数的即时差分值。根据Sarsa学习,可以获得ct学习公式为
wst为状态st下采用行动at激活的权值向量。
对于连续状态或连续行动强化学习中的参数化逼近,还包括一些其他不同的结构或方法,如SVM、tile code、self organizing map等,这里就不在一一叙述。
3 总结与展望
随着强化学习在许多领域的广泛应用,考虑到各类系统存在的连续或混合状态、行动的实际情况,连续状态-连续行动强化学习方法已成为该领域研究热点之一。在该类方法中,主要研究连续状态-行动值函数的参数化逼近和表示问题,以克服传统离散化方法存在的离散粒度有时难以控制或过细离散化带来的“维数灾”难题,同时解决连续行动空间探索和利用之间的矛盾问题,从而加快算法的学习收敛速度。目前,虽然已经存在了许多连续状态-连续行动强化学习方法,但在解决一些实际问题时还存在局部极值、过度拟合、泛化不够等缺点。因此,参数化逼近结构的选择问题、连续行动空间探索和利用之间的矛盾等问题依然是强化学习领域未来值得探讨和研究的热点之一。
连续退火炉燃烧状态的诊断及优化 篇2
1.1连续退火炉概况。连续退火炉是为了满足带钢退火工艺要求、加快退火生产节奏而将带钢的加热、均热、冷却以及镀锌等段连接起来, 集表面清洗、退火、平整 (矫直) 、精整等工序于一体, 使钢带退火等各项热处理工艺能够快速连续进行的热处理炉。带钢退火工艺过程在退火炉炉内进行, 退火工艺是影响带钢的质量及性能的至关重要原因。
1.2燃烧系统诊断。DFF段垂直布置, 高度为19M, 从上到下依次分为四个区, 四区在最下面, 6个烧嘴, 其他三个区每区12个烧嘴。带钢温度在525。C至750。C的操作范围, 直燃段的还原炉子气氛限制了带钢表面任何氧化的形成。正常生产时3、4区长期投入, 开度在80%以上, 退火钢带的温度、质量比较稳定;当生产较厚的钢带投入2区烧嘴时, 钢带表面常存在氧化, 造成锌层粘附性不稳定, 限制生产线的速度, 2区燃烧状况直接影响退火炉的产量和质量。
1.3测试诊断结果分析。经过对DFF段2区诊断测试, 发现该区供热系统存在部分烧嘴前煤气、空气压力偏差较大, 烧嘴空煤气配比不合理等问题。针对这些问题, 从燃烧状况优化的角度出发, 进行分析。
烧嘴前煤气、空气压力偏大, 由于DFF段2区12支烧嘴的空煤气管道均是通过主管道直接分送到各支烧嘴, 煤气从大管径的主管流到小管径的支管, 压力损失增大;加上各支烧嘴距离主管道的位置远近不同, 烧嘴的空煤气支管的走向和长度又不尽相同, 煤气流至各支烧嘴时的压力损失也不同;同时煤气管道的流量调节阀、空气管道的手动阀的调节开度基本都不一致;
烧嘴燃料为焦炉煤气, 在输送过程中焦炉煤气中的灰尘和有害物质 (焦油) 可能会对管道造成堵塞和损坏, 利用检修期间, 对DFF段燃烧系统的煤气、空气管道系统进行了检查。经检查发现, 3、4区管道内部比较清洁, 2区烧嘴管道尤其煤气管道内壁结垢严重, 并且煤气管道上有的控制阀门滤网上被片状杂物阻塞;管道及阀门低处积存了大量的水。检查时从管道法兰连接开口处流出许多水及碎片状等杂物, 从管口向管内观察, 发现管壁四周附有非常疏松的厚约0.5-1mm的层状物, 轻轻触动层状物, 即发生脱落成为片状或粉状。
二、燃烧状态优化
2.1煤气、空气压力偏大问题的解决。针对煤气、空气管道堵塞, 对管道进行了清理和吹扫, 减少压力损失, 使烧嘴前的煤气、空气压力偏差减小。
2.2燃烧状态的调试。DFF段的各支直然段烧嘴燃烧状况较差, 空煤气配比不稳定, 热效率偏低, 空煤比为0.85-0.9。直燃炉要求还原性气氛, 正常的空煤比为0.95, 很明显现在部分烧嘴的煤气严重过剩。另外各支烧嘴的煤气、空气压力不一致, 调节烧嘴前煤气管道的流量调节阀、空气管道的手动阀, 检测烧嘴前煤气、空气压力达到基本一致, 燃烧状况趋于稳定。通过烟气成分分析发现, 烟气中的co含量降低, 空煤比提高到0.95, 有效提高了烧嘴燃烧效率, 改善了加热状况。
2.3烧嘴前管道避免冷凝水形成。管道中的冷凝水造成管道结垢, 腐蚀、阻塞管道。冷凝水的形成主要是2区烧嘴不能长期稳定投入, 造成烧嘴前的管道中冷却凝聚炉气中的气态水。原设计在烧嘴停用时, 整个2区12个烧嘴要在空气主管中通入16 m 3/h氮气来保护烧嘴, 分析认为通入的氮气量较小, 将氮气量增大为40m 3/h, 烧嘴停用时补吹的氮气在烧嘴部位形成高于炉压的正压区, 避免炉气进入烧嘴前的管道形成冷凝水。经过改进彻底消除了管道中的冷凝水。
三、结语
由于DFF段2区烧嘴的燃烧不稳定, 不能满足带钢退火工艺的要求, 严重影响了带钢的产量和质量。在解决此问题的过程中, 对该段2区烧嘴进行了各项参数的诊断测试和分析, 发现烧嘴存在管道结垢、结冷凝水、燃烧状态不佳、空煤气配比不合理等问题。针对这些问题, 从烧嘴燃烧机理、燃烧介质特性以及直然段烧嘴结垢等方面进行深入研究。
摘要：针对唐钢连续式退火炉直燃段烧嘴不稳定, 生产过程中常出现烧嘴点不着, 达不到退火工艺温度要求等问题, 对退火炉加热系统燃烧状态进行诊断。发现退火炉加热系统存在空煤配比不合理、部分烧嘴煤气压力偏低, 燃烧状态不佳, 炉温波动大等现象。为此从烧嘴燃烧状态优化的角度出发, 对直燃段烧嘴燃烧过程、空煤气配比进行研究, 利用压力表测压力等分析手段确定烧嘴的最佳燃烧效率点, 逐步调节使各支烧嘴的燃烧状况最佳, 提高燃烧效率和加热质量。
关键词：连续退火炉,燃烧效率,直燃段烧嘴
参考文献
[1]鲁崇松.连续退火炉快冷段使用及优化[J].科技风, 2012 (11) .
连续状态-连续行动 篇3
关键词：持续植物状态,医院到家庭,网络访视,并发症,再次入院
持续植物状态是由多种原因引起的一种临床特殊的意识障碍, 患者表现为自身无意识, 对外界无反应, 对视、听、触及有害刺激无精神行为反应, 无交流表达能力, 睡眠睁眼周期存在, 下丘脑、脑干功能尚保留 (呼吸、心跳、血压等) 。如发病后3个月仍无皮层功能恢复则属于植物状态 (persistent vegetative state, PVS) [1]。由于双侧大脑皮质的广泛性不可逆损害[2], 故多数患者病情呈不可逆的发展。PVS的康复是个漫长的过程, 由于经济、社会、床位紧张等原因, 后期进入社区、家庭是必然的。在回归家庭康复治疗中, 因患者长期卧床、处于被动运动, 全身抵抗力下降, 各种导管的存在, 居家照顾水平低等原因, 容易发生多种并发症, 如压疮、继发感染、胃肠道症状、机械性症状、肢体并发症、继发癫痫、营养不良等[3]。对PVS患者来说, 防止并发症发生至关重要, 只要不发生并发症, 患者可较长时间存活, 而一旦发生严重并发症, 病情会迅速恶化, 意识好转甚至脱离了PVS的患者在发生并发症后可重新进入严重的PVS病程[4]。实现医院到家庭 (hospital to home, H to H) 的连续护理模式, 对提高患者家属的依从性及患者的生存质量尤为重要[5]。本研究以PVS患者需求为导向, 充分利用网络资源, 基于网络平台建立一个护患微信群, 结合社区参与家庭访视, 实现医院到家庭连续的护理模式, 取得较满意的效果, 现报道如下:
1 对象与方法
1.1 对象
选择2011年6月~2013年6月浙江省乐清市某三级乙等医院神经外科住院治疗的PVS患者47例, 其中男20例, 女27例;年龄32~71岁, 平均 (72.00±2.56) 岁;47例患者均为开颅术后及气管切开术后, 其中长期留置鼻胃管38例, 胃造瘘6例, 长期留置导尿管27例, 行体外接尿20例。致病原因:脑外伤18例, 脑梗死10例, 脑出血15例, 颅内肿瘤4例。将47例患者按不同社区分为对照组 (23例) 和干预组 (24例) , 两组患者在年龄、性别、原发病、出院时病情方面比较, 差异无统计学意义 (P>0.05) 。患者陪护人员入选条件:患者的主要照顾者, 其中男22例, 女25例, 年龄21~54岁, 平均 (32.8±10.0) 岁;大专及以上学历3例, 高中12例, 初中20例, 小学12例;陪护人员与患者关系分别为配偶26例, 父子 (女) 或母子 (女) 15例, 保姆6例, 两组患者陪护人员与患者关系、年龄、文化程度、接受培训、陪护经历等方面比较, 差异无统计学意义 (P>0.05) , 具有可比性。本研究已获医院伦理委员会批准, 所有患者家属均签署知情同意书, 随访1年。
1.2 纳入与排除标准
纳入标准:选入病例临床症状和体征符合我国急诊医学会1996年PVS诊断标准[6], 包括 (1) 认识功能丧失, 无意识活动, 不能实行命令; (2) 保持自主呼吸和血压; (3) 存在睡眠-觉醒周期; (4) 不能理解和表达语言; (5) 能自动睁眼或刺激下睁眼; (6) 可有无目的的眼球跟踪运动; (7) 下丘脑及脑干功能基本保存, 植物状态持续1个月以上者。
排除标准:研究期间死亡的病例;未完成干预和数据收集的病例;自愿退出研究的病例。
1.3 方法
1.3.1 对照组
采用常规出院指导及随访。出院前1周由责任护士对患者家庭照顾者进行常规出院指导。内容包括:生命体征的监测、气管内套管的消毒及更换方法、鼻胃管、胃造瘘口、导尿管的护理、口腔清洁方法、会阴部护理、并发症的预防、康复锻炼的方法及良姿位的摆放等。出院后电话随访, 1次/月。
1.3.2 干预组
在对照组的基础上实施医院到家庭持续护理干预。具体方案如下:
1.3.2. 1 组织管理
组建医院到家庭护理干预小组, 由8名成员组成, 其中6名护理骨干 (临床经验丰富、专科知识扎实、良好沟通能力) 担任网络咨询员, 1名主任护师、1名副主任医师负责回答疑难问题及指导工作。患者出院前1周由小组网络人员负责到病房拜访患者家属, 说明研究的目的和方法, 患者家属签署知情同意书, 建立随访登记本。
1.3.2. 2 出院前干预措施
对患者主要照顾者开展以小群体为基础的健康教育课程, 运用语言教育、文字教育、形象教育和示范教育相结合形式对患者家属进行健康指导。内容包括:生命体征的监测、患者用药、机械通气、各种导管及皮肤护理、肢体功能锻炼及良姿位的摆放、对患者家属的心理健康指导等。患者出院前3 d, 根据回访登记卡对患者进行全面评估, 包括压疮、感染、营养、管道、用药安全等现存的和潜在的危险因素, 同时将患者介绍到当地社区医疗机构 (乡镇卫生院) , 并提供其信息。
1.3.2. 3 出院后干预措施
出院后实施网络访视, 将预防并发症列为重点干预内容。由小组成员轮流在护患微信群上以聊天的形式答疑, 通过微信群内患者家属提出的疑惑, 了解患者的健康问题并给予相应的健康指导、技术指导。指导家属进行记忆功能的恢复、肢体功能恢复、吞咽功能训练等。若患者出现特殊情况, 如胃管堵塞、管道滑脱、误吸等症状, 网络访视未解决问题时, 立即联系社区医疗机构卫生人员协助解决;针对个别较严重的疑难问题, 请主管医生或主任医师在微信聊天窗口与其沟通、指导;对疑似有并发症发生的患者, 嘱其到医院就诊;对需要复诊的患者提前与门诊医生预约, 以减少患者等候时间;如果患者家属夜间遇到需要咨询的问题, 请打科室护士站电话, 由夜班护士解答, 并在随访登记本上记录来电内容, 第2天由专职网络护士再次回访, 情况紧急时嘱其急诊就诊。网络咨询员除答疑外, 患者出院1、3、6个月末由网络小组成员和患者所在社区医生护士一起进行家庭访视, 了解患者的健康问题、对患者做全面的评估, 包括现存的和潜在的, 检查照顾者各种技能操作是否到位等, 并给予针对性的指导。同时, 与PVS患者家属建立良好的沟通关系, 提高患者家属对PVS疾病的认知, 调动患者家属积极参与患者的康复, 延伸对患者及家属的关爱。
1.4 观察指标
比较两组患者干预效果。根据患者出院后1年内随访时家属主诉及提供的痰培养、尿培养资料及社区医生诊断, 统计两组患者继发感染、压疮、继发癫痫、胃肠道并发症、机械性并发症、肢体并发症、营养不良等发生率和患者再次住院、急诊访问、门诊访问的次数。
1.5 统计学方法
采用统计软件SPSS 13.0对实验数据进行分析, 计量资料数据以均数±标准差 (±s) 表示, 采用t检验。计数资料以率表示, 采用χ2检验。以P<0.05为差异有统计学意义。
2 结果
2.1 两组患者并发症发生率比较
两组患者出院后1年跟踪随访, 观察组患者并发症明显低于对照组, 差异有统计学意义 (χ2=4.381, P=0.036<0.05) 。见表1。
2.2 两组患者卫生服务利用的比较
两组患者再次住院率和急诊访问率比较, 差异均无统计学意义 (均P>0.05) , 但观察组的门诊访问率显著高于对照组, 差异有高度统计学意义 (P<0.01) 。见表2。
3 讨论
3.1 医院到家庭连续护理干预的必要性
随着现代化医疗及护理水平的不断提高, 许多危重患者虽经抢救挽救了生命, 但其中不少却进入持续植物状态, 据报道, 我国PVS患者不会少于10万人, 并呈逐年增长的趋势[7]。在患者出院后早期, 患者及照顾者存在的问题和潜在的危险因素较多[8], 患者出院时带各种管道 (气管套管、鼻胃管、胃造瘘管、尿管、经外周插管的中心静脉导管等) , 生活全部要家庭人员照顾, 还存在身体部分功能衰竭等, 家属思想压力大, 家庭照顾负担重。随着患者出院时间的延长、照顾者获得的宣教知识逐渐淡忘、康复训练依从性降低等影响, 患者会出现一系列的并发症。研究表明, 连续性护理可以提高老年慢性病患者的功能状况、生活质量、满意度及遵医行为, 极大地影响患者的预后[9]。张玉梅等[10]调查显示, 57.4%的居民希望社区护士在疾病护理、疾病预防和健康促进三方面开展各项服务并提出了高需求。医院到家庭是指现有的医院护理模式改成从医院到家庭的护理模式, 这种改变使单纯的医院护理模式得到延伸, 即患者出院后也可以享受到比较专业的护理。本研究显示, 对照组随访1年后继发感染占62.22%, 压疮占39.13%, 严重影响患者的生活质量, 研究结果提示对PVS患者实施医院到家庭护理干预迫在眉睫, 势在必行。
3.2 医院到家庭连续护理干预的可行性
当今社会互联网成为人们生活中越来越不可缺少的部分, 也被广大患者作为获取信息的一种途径[11], 更是人们交流思想、沟通感情、讨论问题、传递信息的重要渠道。据文献报道[12], 100%的PVS患者家属希望从医务人员处获得健康知识, 91.7%的患者家属希望能够得到个别指导, 这说明家属最易于接受的健康教育方式就是这种护患之间传统的交流方式。在他们看来, 医务人员有较系统的专业理论知识, 具有学术权威性。本研究通过专业人员建立护患微信群, 架起心灵的桥梁, 实施微信随访和定期家庭访视, 护患之间进行在线交流, 以聊天的形式了解患者居家康复中的健康状况, 动态观察患者病情, 及时发现患者现存问题, 并予以有效的指导, 把潜在的问题消灭在萌芽状态, 同时提高患者家属的依从性[13], 告知家属许多PVS患者最终死于压疮、坠积性肺炎、肌肉废用性萎缩等并发症, 所以给家属讲解针对不同并发症的护理要点[14,15,16,17,18]。满足患者家属的支持需求, 减轻家属的压力。此方法经济、方便、快捷、直观;家庭访视可以对居家患者及照顾者全面评估, 为后续的随访计划提供可靠的依据;电话回访服务是免费服务, 且有专职护士主动电话回访, 是患者家属有亲切感, 提高了对医院的可信度。
3.3 医院到家庭连续护理干预效果的分析
本研究通过对持续植物状态患者实施医院到家庭护理干预, 表1结果显示, 干预组患者出院后1年感染 (包括肺部感染、泌尿系感染) 的发生率为25.00%, 胃肠道症状的发生率为16.67%, 机械性症状发生率为25.00%, 压疮为12.50%, 误吸为4.17%, 肢体并发症为12.50%, 癫痫为4.17%。对照组患者出院1年感染的发生率为62.22%, 胃肠道症状为47.83%, 机械性症状为47.83%, 压疮为39.13%, 误吸为30.43%, 肢体并发症为43.48%, 癫痫为39.13%。两组比较差异有统计学意义 (P<0.05) 。提示院前让患者家属了解和掌握有关疾病护理知识, 对家属实施高质量有效的健康教育, 院外的跟踪随访的干预方案对降低并发症的发生有效。现代护理学的观点认为家属是患者的主要看护人, 是社会支持的主要来源, 他们的身心健康状况以及对疾病护理知识的了解和掌握直接影响患者的康复和生活质量[19], 尤其对处于持续植物状态患者的家属的心情要给予充分理解, 态度和蔼, 具有同情心, 随访中加强患者家属对常见的意外事故及其预防急救措施, 提高家属预防及应对能力, 对家属的提问给予及时解答, 指导其在整个治疗护理过程中起积极的配合作用, 有利于降低患者并发症, 提高持续植物状态患者的生存质量。表2结果显示, 干预组患者的再次住院率和访问急诊次率差异均无统计学意义 (均P>0.05) , 但干预组的访问门诊率显著高于对照组 (P<0.01) 。说明实施医院到家庭护理干预未能有效降低持续植物状态患者的再次住院率和急诊访问率, 但提高了患者的门诊访问率。PVS患者出院时, 医嘱强调患者在出院后1、3个月两个时间点常规到医院复诊的重要性, 医院到家庭护理干预促进了患者对复诊随访的重视程度和依从性, 这可能是医院到家庭护理干预显著提高门诊访问次数的重要原因。另外, 国外文献提示一个有趣的现象, 在一些研究中出院后护理干预方案反而增加了对卫生资源的利用率, 分析其可能原因是患者的健康需求被干预措施激活, 或者是患者需要就医的健康状况被早期发现了, 另外一些研究未发现出院后随访对再次返院率有明显作用。
3.4 不足之处
开展医院到家庭连续护理需要人力和物力的保证, 由于目前科室护理人员有限, 小组成员除负责医院到家庭护理服务的开展外, 仍要承担科室的临床护理工作, 出现力不从心的局面, 如果长久开展, 不能有限保证人员到位, 拟培养更多的年轻护士作为后备军, 扩大护理团队, 进一步提高PVS出院患者的护理质量。与发达国家相比, 我国的社会支持系统和特殊病种的医疗保障尚未完善, PVS患者病情多数呈不可逆发展。长期卧床并且气管切开、留置胃管、尿管, 需要每天护理和定期更换, 而家庭、养老院、社区卫生站等机构均不能满足患者的需求。所以, 应建立如家庭病房形式的医疗保障体系, 例如:患者日常的护理在家庭中照顾者可自行完成, 而更换鼻胃管、留置尿管、气管套管、胃造瘘管等护理操作由其所在的社区护士完成。社区站对管辖范围内的每位持续植物状态患者及其状态均有所登记、定期走访, 对照顾者在护理患者过程中产生的问题及时进行解决。
连续状态-连续行动 篇4
1 无极绳连续牵引车系统概括
无极绳连续牵引车运行状态监测及过速保护系统一般包括上位机、下位机结构组成, 上位机一般有显示界面、数据采集卡、报警装置以及传输装置等方面组成。下位机主要包括单片机数据采集、制动装置和无线传输装置以及数据采集分析装置等等。上位机与下位机的联系方式是无限通信系统, 下位机首先采用运行速度信号和储能器压力信号等通过采集运用一定的算法对数据进行运算、分析与处理, 并对信号实施判断, 一旦出现运行故障或者过速现象, 下位机将信号输出, 上位机将数据传输至下位机, 实现远程控制。无极绳连续牵引车运行状态监测及过速保护系统在与采集过程中可能会存在一些问题, 比如对信息系统的采集显示不及时, 信息可靠性不佳, 实时观测功能迟缓等, 为了解决这些问题, 必须对系统进行调整与设计, 精确采集信号, 准确判断过速、迟缓现象, 提高系统的运行安全度。
2 系统设计及安装
2.1 传感器的设计与安装
传感器是整个系统的核心组成部分, 它的主要功能是及时、有效的检测牵引车的运行状态, 为系统后续判断提供信号。而传感器的选择比较重要, 在选择过程中需要考虑的因素比较多, 比如电压等级、防爆、功耗等问题, 综合方面的问题进行选择, 系统选择有开关量输出的位置传感器, 根据电磁感应定律进行工作, 当传感器以与周围的导体接近时, 会形成电涡流, 进而产生新的逆交变磁场以阻碍原磁场的变化, 从而产生等效电阻, 涡流接近开关检测出该变化, 将检测信号输出, 进而完成整个传感工作。
2.2 单片机设计
单片机的设计首先要确定其准确的频率计算公式, 把传感器产生信号的时间、车轮外径以及牵引车的运行速度进行分析、处理设定处理公式, 满足单片机运行需求, 此系统再用AVR单片机, 具有功耗低、效能高等特点。系统的数据采集分析包括单片机控制部分、油压信号采集、传感器部分以及继电器的输出和控制, 按照这些部件的要求进行单片机的设计, 其他部分按照隔爆要求进行设计。
2.3 安全装置设计
煤矿工作环境比较恶劣, 巷道起伏较大, 轨道安装误差也比较大, 为了能够实现可靠、准确的检测牵引车运行状态的目的, 需要设置固定的保护装置, 保护整个行程道路的安全。这种情况下必须做好系统的数据采集、故障判断、指示和处理工作, 需要在下位机系统中采用AVR单片机专用的编程软件进行安全监控装置设计。首先单片机采集传感器上的信号, 并对采集的信息数据进行处理、存储, 判断是否有故障发生, 然后输出指示信号, 建立与上位机的无线通信处理, 输出控制信号, 显示判断后的数据信号, 如果有故障出现, 系统会发出警鸣生, 提示工作人员进行故障处理。
2.4 上位机系统设计
系统上位机系统应该满足开发设计和界面清晰度的要求, 采用Lab VIEW的图像化编程语言, 这种开发语言程序功能强大, 方便信号处理, 能够实现以下功能:
(1) 能够利用清晰的图像化方式显示牵引车的运行速度和状态等信息;
(2) 它能够实现远程同步报警;
(3) 它能够方便的实现与下位机的无线通信。
在系统运行过程中, 上位机从数据采集卡中获取的原始信息中包含许多无用信息, 需要对这些信息进行预处理, 提高信息传播速度, 或者利用小波分析等函数工具进行处理, 对信息进行过滤。
3 结语
无极绳连续牵引车是煤矿井下运送物料和搬迁物件的辅助设备, 设备具有较高的使用价值, 不仅操作简单投资少, 而且运距长、运输连续性高, 在煤矿生产中受到广泛的应用。但是此设备在运行中容易发生故障, 而运行状态监测及过速故障判断系统的应用, 大大降低了系统运行故障, 同时降低对人工操作的要求, 监控系统实现了牵引车的启动、急停保护、方向控制等功能, 能够对系统存在的问题进行实时监控与检测, 并把检测的信息传输到显示器上, 发出警鸣生, 提示工作人员进行故障处理, 大大降低事故发生率, 提高煤炭挖掘安全性。
参考文献
[1]陈辉, 徐翊峰, 马驰.无极绳连续牵引车运行状态监测及过速保护系统的研究[J].工矿自动化, 2011 (04) :31-33.
[2]殷庆华, 杨雪锋.无极绳连续牵引车系统的稳定分析[J].煤矿机械, 2011 (06) :98-100.