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！

龙图腾网获悉北京理工大学申请的专利一种个体化的高原低氧预习服闭环干预算法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119943386B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510014993.6，技术领域涉及：G16H50/30；该发明授权一种个体化的高原低氧预习服闭环干预算法是由史大威;陈婧;李美潼;王军政设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本一种个体化的高原低氧预习服闭环干预算法在说明书摘要公布了：本发明公开了一种个体化的高原低氧预习服闭环干预算法，涉及急性高原病干预技术领域，包括以下步骤：S1：获得IHT期间的供氧浓度和血氧饱和度的连续数据，将数据集划分为训练集、验证集和测试集；S2：基于训练集，通过库普曼算子构建血氧饱和度的群体预测模型，通过在线迭代进行模型更新与预测，输出血氧饱和度预测值，基于验证集，采用群体预测模型进行模型个体化；S3：基于个体化模型预测血氧饱和度，构建以供低氧浓度为变量的下层优化代价函数，进行安全约束自适应的上层优化设计；S4：对训练结果进行评估，并将评估结果反馈至步骤S3；计算动态评估指标，通过控制优化策略调节IHT的低氧刺激强度，提高高原适应能力的快速性和有效性。

本发明授权一种个体化的高原低氧预习服闭环干预算法在权利要求书中公布了：1.一种个体化的高原低氧预习服闭环干预算法，其特征在于，包括以下步骤： S1：在IHT期间对受试者进行周期性供氧，实时采集生理信号，获得IHT期间的供氧浓度和血氧饱和度的连续数据，并按照不同受试者，将血氧饱和度的连续数据划分为训练集、验证集和测试集； S2：基于训练集，通过库普曼算子学习间歇性低氧下血氧饱和度的变化规律，构建血氧饱和度的群体预测模型，通过在线迭代进行模型更新与预测，输出血氧饱和度预测值，基于验证集，采用群体预测模型进行模型个体化； 在步骤S2中，基于训练集，通过库普曼算子学习间歇性低氧下血氧饱和度的变化规律，构建血氧饱和度的群体预测模型，具体包括以下步骤： 步骤1：得到血氧饱和度随氧气浓度变化的非线性形式动态特性方程，非线性形式动态特性方程的表示为： ； 其中表示采样时刻的供氧浓度，表示采样时刻的血氧饱和度； 步骤2：得到非线性形式动态特性方程的增广状态方程，增广状态方程表示为： ； 对增广状态方程进行扩展，得到扩展方程，扩展方程表示为： ； 其中，S表示左移算子； 步骤3：通过扩展动态模态分解方法得到库普曼算子，通过库普曼算子将步骤1中的非线性形式动态特性方程转换为线性形式动态特性方程； S3：利用个体化模型进行血氧饱和度预测，通过供低氧浓度双层优化模块构建以供低氧浓度为变量的下层优化代价函数，根据历史学习性能进行安全约束自适应的上层优化设计； 步骤3具体包括以下步骤： 步骤一：得到血氧饱和度的状态增广矩阵和，血氧饱和度的状态增广矩阵和分别表示为： ； ； 其中M表示构建群体预测模型的总样本数量； 步骤二：对血氧饱和度的状态增广矩阵和分别进行状态提升，得到状态矩阵和，状态矩阵和分别表示为： ； ； 步骤三：得到群体库普曼算子，群体库普曼算子表示为： ； 步骤四：得到线性形式动态特性方程，线性形式动态特性方程表示为： ； S4：通过训练效果评估模块对训练结果进行评估，并将评估结果反馈至供低氧浓度双层优化模块。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。