고주파 전기수술 테스터는 MHz 이상의 고주파 LCR 또는 메쉬를 사용하여 n의 동적 보상을 구현합니다.

고주파 전기 외과 단위 (ESU) 가 1 MHz 이상 작동할 때 저항 구성 요소의 기생 용량과 인덕턴스는 복잡한 고주파 특성을 초래합니다.테스트 정확성에 영향을 미치는이 논문에서는 고주파 전기 외과 단위 테스트를 위한 고주파 LCR 미터 또는 네트워크 분석기를 기반으로 한 동적 보상 방법을 제안합니다.실시간 임피던스 측정, 동적 모델링 및 적응적 보상 알고리즘, 방법은 기생충 효과로 인한 측정 오류를 해결합니다.시스템은 ESU 성능의 정확한 특징을 달성하기 위해 고 정밀 기기와 실시간 처리 모듈을 통합합니다.실험 결과는 1MHz에서 5MHz 범위 내에서 임피던스 오류가 14.8%에서 1.8%로 감소하고, 단계 오류가 9.8도에서 0.8도로 감소한다는 것을 보여줍니다.방법의 효과와 안정성을 검증하는 것확장 된 연구는 알고리즘 최적화, 저비용 도구에 대한 적응 및 더 넓은 주파수 범위에 적용을 탐구합니다.

전기 외과 단위 (ESU) 는 현대 외과에서 필수적인 장치이며, 고주파 전기 에너지를 사용하여 조직 절단, 응고 및 절제를 달성합니다.신경 근육 자극을 줄이고 에너지 전송 효율을 향상시키기 위해 작동 주파수는 일반적으로 1 MHz에서 5 MHz 사이입니다.그러나 높은 주파수에서 저항 구성 요소의 기생 작용 (용량 및 인덕턴스와 같은) 은 임피던스 특성에 크게 영향을 미칩니다.전통적인 테스트 방법을 ESU 성능을 정확하게 특징 지을 수 없도록 만드는이 기생 효과는 출력 전력 안정성에 영향을 줄뿐만 아니라 수술 중에 에너지 공급에 불확실성을 초래하여 임상 위험을 증가시킬 수 있습니다.

전통적인 ESU 테스트 방법은 일반적으로 정적 캘리브레이션을 기반으로 고정 로드를 사용하여 측정합니다. 그러나 고주파 환경에서,기생충 용량과 인덕텐스는 빈도에 따라 달라집니다., 임피던스의 동적 변화를 초래합니다. 정적 캘리브레이션은 이러한 변화에 적응할 수 없으며 측정 오류는 15%까지 높을 수 있습니다. [2] 이 문제를 해결하기 위해,이 논문에서는 고주파 LCR 미터 또는 네트워크 분석기를 기반으로 한 동적 보상 방법을 제안합니다.이 방법은 실시간 측정과 적응 알고리즘을 통해 기생충의 영향을 보완하여 테스트 정확성을 보장합니다.

이 논문의 기여는 다음을 포함합니다.

• 고주파 LCR 미터 또는 네트워크 분석기를 기반으로 한 동적 보상 프레임워크가 제안됩니다.
• 1MHz 이상의 주파수를 위해 실시간 임피던스 모델링 및 보상 알고리즘이 개발되었습니다.
• 이 방법의 효과는 실험을 통해 검증되었으며, 저렴한 도구에 대한 응용 잠재력은 탐구되었습니다.

다음 섹션에서는 이론적 기초, 방법 구현, 실험 검증 및 미래의 연구 방향에 대해 자세히 소개합니다.

고주파 환경에서는 저항 구성 요소의 이상적인 모델이 더 이상 적용되지 않습니다. 실제 저항은 기생용역으로 구성된 복합 회로로 모델링 될 수 있습니다.Cp) 및 기생충 인덕턴스 (Lp), 동등한 임피던스:

어디?Z복합적 임피던스,R정형 저항, ω은 각기 주파수, 그리고j가상의 단위입니다. 기생충의 인덕턴스Lp그리고 기생물 용량Cp구성 요소 재료, 기하학 및 연결 방법에 따라 결정됩니다. 1 MHz 이상, ωLp그리고

임피던스 크기와 단계의 비선형 변화를 초래하는 중요한 기여입니다.

예를 들어, 5MHz에서 500Ω의 명소 저항을 위해,Lp= 10 nH 및Cp= 5 pF, 임피던스의 가상의 부분은:

수적 값, ω = 2π × 5 × 106rad/s를 대체하면 다음과 같이 얻을 수 있습니다.

이 가상의 부분은 기생충의 영향이 임피던스에 상당한 영향을 미치며 측정 편차를 유발한다는 것을 나타냅니다.

동적 상환의 목표는 실시간 측정을 통해 기생 파라미터를 추출하고 측정된 임피던스에서 그 효과를 추출하는 것입니다.LCR 계측기는 알려진 주파수의 AC 신호를 적용하고 응답 신호의 진폭과 단계를 측정하여 임피던스를 계산합니다.네트워크 분석기는 S 매개 변수 (산광 매개 변수) 를 사용하여 반사 또는 전송 특성을 분석하여 더 정확한 임피던스 데이터를 제공합니다.동적 보상 알고리즘은 이 측정 데이터를 사용하여 실시간 임피던스 모델을 구성하고 기생충 효과를 수정합니다..

보상 후의 임피던스는:

이 방법은 ESU의 역동적인 작업 조건에 적응하기 위해 고정도의 데이터 획득과 빠른 알고리즘 처리를 요구합니다.칼만 필터링 기술을 결합하면 매개 변수 추정의 안정성을 더욱 향상시키고 소음 및 부하 변화에 적응 할 수 있습니다 [3].

시스템 설계는 다음과 같은 핵심 구성 요소를 통합합니다.

• 고주파LCR미터 또는 네트워크 분석기: 예를 들어 키사이트 E4980A (LCR 미터, 0.05% 정확도) 또는 키사이트 E5061B (네트워크 분석기, S 매개 변수 측정을 지원) 고 정밀 임피던스 측정.
• 신호 획득 단위: 100 Hz의 샘플링 속도와 함께 1 MHz에서 5 MHz 범위의 임피던스 데이터를 수집합니다.
• 처리 장치: STM32F4 마이크로컨트롤러 (168MHz에서 동작) 를 사용하여 실시간 보상 알고리즘을 실행합니다.
• 보상 모듈: 동적 모델에 따라 측정 값을 조정하고 디지털 신호 프로세서 (DSP) 와 전용 펌웨어를 포함합니다.

이 시스템은 USB 또는 GPIB 인터페이스를 통해 LCR 계측기/네트워크 분석기와 통신하여 신뢰할 수 있는 데이터 전송과 낮은 대기 시간을 보장합니다.하드웨어 설계는 외부 간섭을 줄이기 위해 고 주파수 신호에 대한 보호 및 지상화를 포함합니다.시스템 안정성을 향상시키기 위해 측정 기기에 대한 주변 온도의 영향을 조정하기 위해 온도 보상 모듈이 추가되었습니다.

모션 보상 알고리즘은 다음 단계로 나뉘어 있습니다.

1. 초기 캘리브레이션: 기준 부하 (500 Ω) 의 임피던스를 알려진 주파수 (1 MHz, 2 MHz, 3 MHz, 4 MHz, 5 MHz) 에서 측정하여 기준 모델을 설정합니다.
2. 기생물 매개 변수 추출: 측정 된 데이터는 최소 제곱 방법을 사용하여 추출됩니다.R,Lp, 그리고Cp부착 모델은 다음을 기반으로 합니다.

3. 실시간 보상: 추출된 기생물 매개 변수에 기초하여 수정된 임피던스를 계산합니다:

어디?^k예상 상태 (R,Lp,Cp),Kk칼만 이득입니다.zk측정 값이고,H측정 매트릭스입니다.

알고리즘의 효율성을 향상시키기 위해, 빠른 푸리에 변환 (FFT) 은 측정 데이터를 사전 처리하고 계산 복잡성을 줄이기 위해 사용됩니다.알고리즘은 데이터 획득과 보상 계산을 병행하여 수행하기 위해 멀티 스레드 처리를 지원합니다..

알고리즘은 파이썬에서 프로토타입을 만들어서 STM32F4에서 실행하도록 최적화되고 C로 포트되었습니다. LCR 미터는 GPIB 인터페이스를 통해 100 Hz 샘플링 속도를 제공합니다.네트워크 분석기가 더 높은 주파수 해상도를 지원하는 동안 (10 MHz까지)보상 모듈의 처리 지연 시간은 8.5ms 이하로 유지되며 실시간 성능을 보장합니다. 펌웨어 최적화는 다음을 포함합니다.

• 효율적인 부동 소수점 단위 (FPU) 사용
• 메모리 최적화된 데이터 버퍼 관리, 512 KB 캐시를 지원합니다.
• 실시간 인터럽트 프로세싱은 데이터 동기화와 낮은 지연 시간을 보장합니다.

다양한 ESU 모델을 수용하기 위해 시스템은 전 설정된 부하 특성에 대한 데이터베이스에 기반한 다주파수 스캔 및 자동 매개 변수 조정을 지원합니다.오류 탐지 메커니즘이 추가되었습니다.측정 데이터가 비정상적일 때 (예: 예상 범위를 벗어난 기생물 매개 변수 등), 시스템은 알람을 터치하고 재정정합니다.

실험은 다음과 같은 장비를 사용하여 실험실에서 수행되었습니다.

• 고주파ESU: 1MHz에서 5MHz의 작동 주파수, 출력 전력 100W
• LCR테이블: 키시트 E4980A, 정확도 0.05%
• 네트워크 분석기: 키사이트 E5061B, S-파라미터 측정을 지원합니다.
• 기준 부하: 500 Ω ± 0.1% 정밀 저항, 명소 전력 200W
• 마이크로 컨트롤러: STM32F4, 168MHz에서 작동합니다.

실험 부하는 실제 수술 중에 발생하는 다양한 부하 조건을 시뮬레이션하기 위해 세라믹 및 금속 필름 저항으로 구성되었습니다. 테스트 주파수는 1 MHz, 2 MHz, 3 MHz, 4 MHz,그리고 5MHz환경 온도는 25°C ± 2°C로 조절되었고, 습도는 외부 간섭을 최소화하기 위해 50% ± 10%였다.

보완되지 않은 측정 결과 기생물 효과의 영향은 주파수와 함께 크게 증가합니다. 5 MHz에서 임피던스 오차는 14.8%에 도달하고 단계 오류는 9.8도입니다.동적 보상 적용 후, 임피던스 오차는 1.8%로 감소하고 단계 오류는 0.8도로 감소합니다. 상세한 결과는 표 1에 표시됩니다.

실험은 또한 알고리즘의 안정성을 이상적이지 않은 부하 (대 기생물 용량,Cp= 10pF) 를 보완 한 후, 오류는 2.4% 내에 유지되었습니다. 또한 반복된 실험 (평균 10개의 측정) 은 시스템의 반복성을 확인했습니다.표준편차가 0보다 작다0.1%

표 1: 보상 전 및 후 측정 정확도

보상 알고리즘은 계산 복잡도가 O ((n) 이며, n은 측정 주파수 수입니다. 칼만 필터링은 매개 변수 추정의 안정성을 크게 향상시킵니다.특히 시끄러운 환경에서 (SNR = 20 dB)전체 시스템 반응 시간은 8.5ms입니다. 실시간 테스트 요구 사항을 충족합니다.동적 보상 방법은 측정 시간을 약 30% 단축합니다., 테스트 효율성을 향상시킵니다.

동적 보상 방법은 기생충 효과를 실시간으로 처리함으로써 고주파 전기 수술 테스트의 정확성을 크게 향상시킵니다.전통적인 정적 캘리브레이션과 비교하면이 방법은 부하의 동적 변화에 적응 할 수 있으며 고주파 환경에서 복잡한 임피던스 특성에 특히 적합합니다.LCR 미터와 네트워크 분석기의 조합은 보완적인 측정 기능을 제공합니다.: LCR 계측기는 빠른 임피던스 측정에 적합하며 네트워크 분석기는 고주파 S 매개 변수 분석에서 잘 수행됩니다.칼만 필터링의 적용은 노이즈와 부하 변화에 대한 알고리즘의 견고성을 향상시킵니다 [4].

이 방법 은 효과적 인 방법 이지만 다음 과 같은 한계 를 가지고 있습니다.

• 기기 비용: 고정밀 LCR 계측기와 네트워크 분석기는 비용이 많이 들기 때문에 이 방법의 인기를 제한합니다.
• 캘리브레이션 필요: 기기 노화와 환경 변화에 적응하기 위해 시스템이 정기적으로 정렬되어야합니다.
• 주파수 범위: 현재 실험은 5MHz 이하로 제한되어 있으며, 더 높은 주파수 (예를 들어 10MHz) 의 적용 가능성은 확인되어야 합니다.

향후 개선은 다음과 같은 방법으로 이루어질 수 있습니다.

• 저비용 기기 조정: 시스템 비용을 줄이기 위해 저비용 LCR 미터에 기반한 단순화된 알고리즘을 개발합니다.
• 광대역 지원: 알고리즘은 새로운 ESU의 요구를 충족시키기 위해 10 MHz 이상의 주파수를 지원하도록 확장됩니다.
• 인공지능 통합: 기생자 매개 변수 추정을 최적화하고 자동화 수준을 향상시키기 위해 기계 학습 모델 (신경 네트워크와 같은) 을 도입합니다.

이 논문에서는 고주파 LCR 미터 또는 네트워크 분석기를 기반으로 한 동적 보상 방법을 제안합니다.실시간 임피던스 모델링과 적응적 보상 알고리즘을 통해, 시스템은 기생물 용량 및 인덕턴스에 의한 측정 오류를 효과적으로 완화합니다. 실험 결과는 1 MHz에서 5 MHz 범위 내에서임피던스 오류는 14에서 감소합니다.0.8%에서 1.8%로, 단계 오류는 9.8도에서 0.8도로 감소하여 방법의 효과와 견고성을 검증합니다.

미래 연구는 알고리즘 최적화, 저비용 기기 적응 및 더 넓은 주파수 범위에서의 응용에 초점을 맞출 것입니다.인공 지능 기술 (머신 러닝 모델 등) 의 통합은 매개 변수 추정 정확성과 시스템 자동화를 더욱 향상시킬 수 있습니다.이 방법은 고주파 전자기술 단위 테스트를 위한 신뢰할 수 있는 솔루션을 제공하며 중요한 임상 및 산업적 응용을 가지고 있습니다.