预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107952133A(43)申请公布日2018.04.24(21)申请号201711290977.1(22)申请日2017.12.08(71)申请人青岛大学附属医院地址266000山东省青岛市江苏路16号(72)发明人陈伟芬戴晶玉李慧刁彩霞孙盼盼(74)专利代理机构北京科亿知识产权代理事务所(普通合伙)11350代理人汤东凤(51)Int.Cl.A61M5/14(2006.01)权利要求书4页说明书9页附图1页(54)发明名称一种背带式多功能输液架(57)摘要本发明属于输液设备技术领域,公开了一种背带式多功能输液架,设置有:架体;架体两侧缝制有可调节长度的背带;架体顶端中央或者两侧套装有抽拉式伸缩杆;抽拉式伸缩杆顶端焊接有环扣;架体上搁置有虚拟头盔。本发明通在架体上套装抽拉式伸缩杆,实现架体输液,方便输液病人和抱孩子的家长的自由活动提高输液治疗患者的舒适性;病人可以避免输液时活动受限,手术后病人早期下床可促进疾病早日康复;儿童输液时,减少哭闹,在疾病时更好地感受到亲情和爱护;避免传统输液时活动是输液管脱落或液体掉地等现象;消除了儿童输液的恐惧心理。CN107952133ACN107952133A权利要求书1/4页1.一种背带式多功能输液架,其特征在于,所述背带式多功能输液架设置有:架体;架体两侧缝制有可调节长度的背带;架体顶端中央或者两侧套装有抽拉式伸缩杆;抽拉式伸缩杆顶端焊接有环扣。2.如权利要求1所述背带式多功能输液架,其特征在于,所述抽拉式伸缩杆下方螺旋安装有紧固旋钮。3.如权利要求1所述背带式多功能输液架,其特征在于,所述背带的前端活动安装有卡扣,所述背带的后端设置有与卡扣相匹配的通孔。4.如权利要求1所述背带式多功能输液架,其特征在于,所述抽拉式伸缩杆的表面包裹有防护层,所述防护层的表面设置有刻度尺。5.如权利要求1所述背带式多功能输液架,其特征在于,所述环扣的长度为10cm。6.如权利要求1所述背带式多功能输液架,其特征在于,所述架体上搁置有虚拟头盔;所述虚拟头盔通过无线连接网络运行中心;所述虚拟头盔包括网络连接模块、游戏逻辑模块、交互控制模块、立体渲染模块和双画投影显示模块;所述网络连接模块,包括客户端子模块,用于进行网络通信和数据传递;所述游戏逻辑模块,用于存储游戏规则、角色动画的播放控制和位置映射;所述交互控制模块,利用Kinect组合阵列捕捉玩家位置、识别玩家动作,控制虚拟网游戏场景中各自相应的游戏角色进行移动,拍摄不同视点的立体画面;所述交互控制模块的交互方法包括;通过网络监测节点收集异构网络运维数据;根据获得的异构网络运维数据,构建统一的运维监测模型,以对异构网络进行实时监测;将整个异构网络的优化目标分解为多个SON功能的决策行为,每一个SON功能的决策行为是一个单独的控制环SONuc;根据运维监测模型的实时监测,调整和确定相应的无线网络参数,并触发和运行相应类型的特定SONm功能;如果其SONm是同一时间尺度下的多个SONuc管理,则采用同一时间尺度下的多SON冲突避免优化处理机制;如果其SONm是不同时间尺度下的SONuc管理,则采用不同时间尺度下的SON用例协同管理方法;所述运维监控模型是通过根据异构网络运维数据与异构网络无线资源管理参数的映射分析、逻辑回归分析方法和回归函数构建的;所述运维监控模型的具体构建过程为:-z采用逻辑回归分析方法,选取回归函数:flog(z)=1/(1+exp),z表示无线网络参数,flog(z)为关键性技术指标的逻辑回归分析值;逻辑回归映射模型为:2CN107952133A权利要求书2/4页ηm,i=βm,0+βm,1xi其中,ym,i为第m个运维数据KPI指标的第i次采样值,xi为相应的无线网络参数,εi表示误差值,ηm,i=βm,0+βm,1xi为无线参数预测值,其中βm,0和βm,1为方程变量系数;采用最大似然估计后,得到优化后的运维监控模型为:其中开销函数为wm表示第m个运维KPI指标的权重,表示无线网络参数的最大似然估计值,表示第m运维数据KPI指标的最大似然估计值,thm表示第m个运维数据KPI指标的门限值,Ac表示运维数据KPI指标的集合;所述异构网络运维数据包括玩家位置、识别玩家动作及虚拟网游戏场景中各自相应的游戏角色的信息;所述同一时间尺度下的多SON冲突避免优化处理机制为:将每个SON作为一个单独的智能体,则将同一时间尺度下的SON管理转化为在相同环境下,对多个智能体的优化管理;每个智能体单独优化的过程为一个马尔科夫过程,网络节点单独的控制环SONuc;其中,网络节点采用Q学习算法对每个智能体进行优化求解;所述同一时间尺度下的多SON冲突避免优化处理机制包括智能体单元,冲