CN106860955A - 基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法 - Google Patents
基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法 Download PDFInfo
- Publication number
- CN106860955A CN106860955A CN201710051754.3A CN201710051754A CN106860955A CN 106860955 A CN106860955 A CN 106860955A CN 201710051754 A CN201710051754 A CN 201710051754A CN 106860955 A CN106860955 A CN 106860955A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- control
- pid
- insulin
- blood sugar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
- A61M5/142—Pressure infusion, e.g. using pumps
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
- A61M5/142—Pressure infusion, e.g. using pumps
- A61M2005/14208—Pressure infusion, e.g. using pumps with a programmable infusion control system, characterised by the infusion program
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
- A61M5/142—Pressure infusion, e.g. using pumps
- A61M2005/14288—Infusion or injection simulation
- A61M2005/14292—Computer-based infusion planning or simulation of spatio-temporal infusate distribution
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/33—Controlling, regulating or measuring
- A61M2205/3303—Using a biosensor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/20—Blood composition characteristics
- A61M2230/201—Glucose concentration
Landscapes
- Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Engineering & Computer Science (AREA)
- Anesthesiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Hematology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- External Artificial Organs (AREA)
Abstract
本发明公开了一种基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法,其根据实时监测的人体血糖数据,采用比例微积分算法模拟人体β细胞分泌胰岛素的生理传输过程作为基本模型,并依托临床专家将临床糖尿病治疗长期实践积累的经验知识建立为专家知识库,转化为模糊逻辑控制规则,然后对比例微积分算法建立的基本模型中的各个参数进行滚动优化,最终计算出实时的胰岛素泵给药量。本发明的有益效果为能够大大降低糖尿病患者血糖的波动范围,将糖尿病患者血糖水平始终控制在设定的目标区间,提高了胰岛素注射疗法的精确性和有效性,使得糖尿病患者的血糖水平更接近甚至达到正常人的标准,大大降低了各种并发症的产生,提高了患者的生存质量。
Description
技术领域
本发明涉及一种胰岛素泵注射量的控制方法,具体来说,涉及一种基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法。
背景技术
糖尿病是一种严重危害现代社会人类健康的慢性疾病,但目前在医学界还没有根治糖尿病的有效手段,医院里针对糖尿病患者治疗的下一步目标是将能够连续监测糖尿病患者葡萄糖变化的监测器与胰岛素泵连接进行人工胰岛,完全实现对糖尿病患者进行葡萄糖注射的自动闭环控制。人工胰岛主要由三个部分组成:一是可以准确实时测量糖尿病患者血糖值并能将数据传输给控制端的血糖仪,二是可以被自动调节的胰岛素泵,三是根据糖尿病患者血糖值不断反馈调节胰岛素注射速度的闭环控制算法。当前血糖仪和胰岛素泵的研究都逐渐趋于成熟,而进行人工胰岛的关键在于采取有效的闭环控制算法或方法的对糖尿病患者血糖进行精确控制。
为了实现对糖尿病患者血糖的有效控制,先后出现了多种基于不同控制理论的控制算法。近二十年出现了采用更先进控制理论的算法,如Steil提出的比例微积分控制算法、Parker提出的模型预测控制算法、Richard提出的模糊控制算法等等。
比例微积分控制算法(Proportional Integral Derivative,PID)控制作为最早实用化的控制器,已经有70多年的历史,现在仍然是应用最广泛的工业控制器。PID设计的胰岛素输注速度可以看作三部分的加权和:比例项、积分项和微分项。PID算法的比例、微分、积分三个分量尽可能地模拟人体β细胞分泌胰岛素的生理传输过程。线性比例分量对应于实测血糖值偏离目标血糖值时的胰岛素分泌量,当实测血糖值等于目标血糖值时则为0,因而该分量对于保持日常的基础胰岛素输注没有任何贡献;积分分量用于调整血糖围绕目标值上下微幅波动时的胰岛素分泌量,也是使血糖稳定在目标值时保持基础胰岛素输注量的唯一成分,由于积分分量仅在血糖围绕目标值微幅波动时微量调节胰岛素分泌,因而可以确保血糖能稳定在目标值;微分分量对应于血糖快速变化时迅速调节胰岛素分泌。PID算法简单直观,利用比例项反映血糖控制偏差,积分项反映血糖控制偏差的积分,微分项反映血糖浓度的变化率,其因参数较少,便于计算,且比例、积分和微分三个分量能较好地跟踪了血糖的快速、慢速变化,从而在工业中得到迅速而广泛的应用。在医学领域,虽然Steil通过大量的临床实验证明了该算法的有效性和可行性,并对该算法做了改进,加入了负反馈分量以补偿血液中胰岛素浓度上升引起的抑制β细胞分泌胰岛素的生理效应,但这种方法仍然不能很好地应对复杂的血糖控制体系(包括食物消化、胰岛素吸收、胰岛素半衰期及生理运动等因素),随着时间的延长,会出现积分饱和现象,需要进行校正,而且由于人体存在胰岛素残留效应的影响,必须加入胰岛素反馈模块进行校正。
模型预测控制算法(Model Predictive Control,MPC)是一种基于模型的控制算法,其主要思想是通过预测未来的输出,寻找未来一段时间内最佳的控制策略,并且根据实时测量信息及时调整输入信号。因模型预测对建模的不确定性有很好的鲁棒性,以及模型预测的框架可以很方便地处理滞后、饮食摄取后和餐前胰岛素大剂量,因此模型预测控制被认为是当前人工胰岛的最佳选择。其首先对人体糖代谢生理过程进行初步的数学建模,作为初始的预测模型;然后根据在时间tk之前已知的测量血糖y和胰岛素输注速率u,对该模型参数进行优化,再计算此时的胰岛素输注速率及未来的预测血糖,以缩小预测血糖与目标血糖间的差距;在时间tk+1又会获得新的测量血糖yk+1,如果yk+1与前一步预测的时间tk+1处的血糖值不同,该模型就会再次优化,如此循环往复,直至测量血糖值稳定在目标血糖,计算模型也随之稳定下来。MPC算法基于病人糖代谢生理模型,每一步均基于当前测量血糖值进行重新计算,具有滚动优化、滚动实施的优点,计算结果能更好跟踪血糖变化,但缺点是病人代谢模型非常复杂,计算量很大,需要在实时性和准确性之间取得较好的平衡。
模糊逻辑(Fuzzy Logic,FL)控制算法是智能控制的主要研究领域之一。人的决策过程往往基于很多模糊的概念,从而提高了决策的效率。为了模仿人类的模糊决策过程,20世纪70年代,有学者提出了模糊控制的概念。因模糊控制可以方便地把专家知识融入到控制器设计中,故模糊逻辑控制算法也在医学领域得到了有效应用。其在血糖控制中应用的原理是首先对临床糖尿病治疗长期实践积累的经验进行较为全面的总结,建立专家知识库,然后运用模糊数学的基本理论和方法,把临床治疗经验规则的条件、操作用模糊集表示,并把这些模糊控制规则及有关信息(如临床评价指标等)作为知识存入专家知识库中,然后根据实时监测的血糖数据,运用模糊推理,得出相适应的胰岛素输注剂量参数。该FL算法依托临床专家将临床糖尿病治疗长期实践积累的经验知识建立为专家知识库,转化为模糊逻辑控制规则,符合临床治疗的常规经验,易于为临床医生所理解。但是因模糊控制属于基于规则的方法难以实现个体化,由于不同个体血糖动态的差异性很大,加上采用模糊逻辑控制算法,在归纳模糊规则和选取模糊隶属度函数主要依靠经验,具有较大的主观性,存在模糊区间的不易划分、响应不够及时的缺点,这些缺陷给模糊控制的发展及进一步推广带来很大阻碍,甚至限制了模糊控制在人工胰岛的应用。
据中国专利文献号CN102836481A公开(公告)日2012年12月26日,公开了一种新型胰岛素泵,包括有血糖检测系统、控制系统以及胰岛素注射系统,其中:血糖检测系统包括有血糖传感器以及连接血糖传感器的无线发射模块,血糖检测系统能够连续检测糖尿病患者的血糖含量,并可以通过无线方式传输给控制系统;控制系统包括有接收血糖检测系统发来的血糖数据的无线接收模块以及微控制器系统,无线接收模块将接收到的血糖数据传送给微控制器模块,由微控制器计算及模型修正之后得出所需注射的胰岛素剂量。本发明创作采用闭环胰岛素注射方式,模拟正常人体胰腺分泌胰岛素的工作原理,由血糖检测系统测量获得患者血糖数据,本发明能根据患者血糖含量实时调整胰岛素的注射剂量,达到注射胰岛素的目的。该技术只是描述了血糖检测系统的各个模块组成,并没有对控制模块的关键算法给出说明,在实时控制方面对高血糖或低血糖的控制也不得而知。同时无法针对不同患者对胰岛素敏感程度不同的问题,未能体现出这种差异性。该技术中的控制算法仅仅针对单个患者进行胰岛素控制,并没有进行相关算法在不同环境下适用情况的测试。
此外,从控制方法理论的角度出发,关于人工胰岛的控制算法目前还存在大量理论上的挑战:1)由于人体动态的复杂性,“胰岛素‐血糖浓度”动态变化是一个典型的非稳态过程,这给控制算法的设计带来了极大的困难;2)“胰岛素‐血糖浓度”过程是非稳态的,因此非线性特征就会表现得非常强烈,非线性系统的控制问题是一个基础性难点问题;3)人类的多样性和人体参数的时变性使得血糖控制变得非常困难;4)影响“胰岛素‐血糖浓度”动态的外部干扰包括饮食、物理活动、压力等,这些外部干扰很难被实时测量。针对上述问题,并结合当前关于人工胰岛的胰岛素输注速度实现完全闭环控制的研究重点,考虑到患者饮食的不确定性以及个体化差异的存在,所设计的闭环控制算法必须既能够很好地包容这些外部干扰,又要有很好的普适性,还要有较好的鲁棒性。
因此,急需设计出一种可以包容外部干扰、具有很好的普适性和较好的鲁棒性的胰岛素泵的闭环控制算法,以解决现有现有胰岛素泵的闭环控制算法中存在的问题。
发明内容
针对以上的不足,本发明在可穿戴连续血糖监测系统及可精确进行胰岛素输注的胰岛素泵的技术基础上,针对人工胰腺技术中最为核心的闭环胰岛素输注智能控制算法展开研究,根据人体实时血糖连续监测数据,即时、微量、动态地调整胰岛素泵给药量,进行实时输注,形成胰岛素泵输注给药与连续血糖监测的闭环控制方法及其系统,该闭环控制系统不依赖于被控对象的精确数学模型,动静态性能好,且具有很好的自适应性和鲁棒性,能够大大降低人体血糖的波动范围,将血糖水平控制在设定的目标区间,提高胰岛素注射疗法的精确性和有效性,使糖尿病患者的血糖水平接近甚至达到正常人的标准,大大降低各种并发症的产生,提高患者的生存质量。
本发明的控制胰岛素泵闭环输注的方法是以糖尿病患者的血糖浓度作为控制对象,实时血糖测量值作为PID控制器的输入,胰岛素泵注射量作为PID控制器的输出,并根据实时监测的血糖数据运用模糊逻辑推理,模拟人的决策过程对PID预测模型中的各个参数的不断滚动优化,使得PID控制器的控制方法能够精确地计算出胰岛素的注射时间和注射量,为患者提供接近正常范围的血糖控制,实现将模糊自适应PID控制算法对胰岛素泵的输注进行最优的闭环控制,本发明的控制胰岛素泵闭环输注的方法包括以下步骤:
步骤10:根据胰岛素泵的结构和运行特征建立数学模型,以糖尿病患者的血糖浓度作为控制对象,以糖尿病患者的血糖测量值作为PID控制器的输入,根据实时人体血糖监测数据进行分析处理,采用PID控制算法的比例、微分、积分三个分量模拟人体β细胞分泌胰岛素的生理传输过程,建立基于PID控制算法的预测模型,并以此PID模型作为基本模型;
步骤20:确定步骤10中PID模型的各个控制参数,并根据PID模型各个控制参数的特点,设计模糊控制算法的模糊逻辑控制规则,依据实时人体血糖监测数据分析,依托临床专家并将临床糖尿病治疗长期实践积累的经验知识建立为专家知识库,转化为对PID模型的各个控制参数进行优化调整的模糊逻辑控制规则;
步骤30:运用步骤20中建立的模糊逻辑控制规则进行模糊逻辑推理,模拟人的决策过程对步骤10中所建立的PID模型的各个参数进行滚动优化,建立闭环胰岛素输注模糊自适应PID控制方法,计算出糖尿病患者实时的胰岛素给药量。
为了进一步实现本发明,所述步骤10中的PID模型如下式所示:
其中,人体β细胞因血糖变化分泌的胰岛素量PID(t)由比例分量、积分分量和微分分量构成,式(1)中GB为设定目标血糖值,G为实时测量血糖值,Kp、KI和KD分别是比例分量、积分分量和微分分量的增益;所述比例分量对应于实测血糖值偏离目标血糖值时的胰岛素分泌量,当实测血糖值等于目标血糖值时则为0;所述积分分量用于调整血糖围绕目标值上下微幅波动时的胰岛素分泌量;所述微分分量对应于血糖快速变化时迅速调节胰岛素分泌。
为了进一步实现本发明,所述步骤20中的模糊逻辑控制规则建立过程为:
步骤21:对临床糖尿病治疗长期实践积累的经验进行较为全面的总结,建立专家知识库;
步骤22:运用模糊数学的基本理论和方法,把临床治疗经验规则的条件、操作用模糊集表示;
步骤23:将这些模糊控制规则及相关信息作为知识存入专家知识库中;
步骤24:根据实时监测的血糖数据,运用模糊逻辑推理,得出相适应的胰岛素输注剂量的参数。
为了进一步实现本发明,所述步骤22中用于表示临床治疗经验规则的条件、操作的模糊集,是将实时监测的血糖值与设定目标血糖之间的偏差e和偏差的变化率ec变化范围定义为模糊集上的论域,其论域的模糊子集E={NB,NM,NS,ZO,PS,PM,PB},EC={NB,NM,NS,ZO,PS,PM,PB};其中,子集中语言值NB、NM、NS、ZO、PS、PM,PB分别表示负大、负中、负小、零、正小、正中、正大。
为了进一步实现本发明,所述步骤24中的模糊推理是一种近似推理,其以模糊数学的基本理论和方法,以及临床治疗经验和专家知识库所建立的模糊规则为基础,在模糊控制中模拟人的决策过程,基于临床专家将临床糖尿病治疗长期实践积累的经验知识所建立的专家知识库,运用模糊逻辑推理,得出相适应的胰岛素输注剂量最适合的调整参数,以符合临床治疗的常规经验。
为了进一步实现本发明,所述步骤24中的模糊推理是将隶属函数将量化值e、ec模糊化为模糊判决的输入量,依据模糊子集E、EC和KP、KI、KD服从三角形函数分布,从而得出模糊子集E、EC的隶属度,根据各模糊子集E、EC的隶属度赋值表和各参数模糊调整规则模型建立模糊逻辑规则表,并运用模糊逻辑规则表设计PID模型中的参数模糊调整矩阵表,得到修正参数ΔKP、ΔKI、ΔKD。
为了进一步实现本发明,所述模糊逻辑规则表的调节规则,可以写成以下判断语句进行逻辑规则控制处理,得到修正参数ΔKP、ΔKI、ΔKD;
1)if e=NB and ec=NB thenΔKP=PB
2)if e=NM and ec=NM thenΔKP=PB
3)if e=NS and ec=NS thenΔKP=PM
……
1)if e=NB and ec=NB thenΔKI=NB
2)if e=NM and ec=NM thenΔKI=NB
3)if e=NS and ec=NS thenΔKI=NS
……
1)if e=NB and ec=NB thenΔKD=PS
2)if e=NM and ec=NM thenΔKD=NS
3)if e=NS and ec=NS thenΔKD=NM
……
为了进一步实现本发明,所述步骤30中的模糊自适应PID控制方法,是以模糊控制算法对PID模型进行参数控制,通过控制器输入端输入血糖偏差的误差e和误差变化率ec,找出基于PID控制算法所建立的基本模型各个参数与血糖偏差的误差e和误差变化率ec之间的模糊关系,在运行中通过不断检测e和ec,根据模糊控制理论对各个参数进行及时、动态地在线修改,以满足不同e和ec时对控制参数的不同要求,输出为PID模型的调节量;在模糊自适应PID控制方法进行运算时,由模糊控制算法不断地修正PID模型的各个输入参数可自动实现对PID模型参数的最佳调整,进行模糊自适应PID控制器的控制。
为了进一步实现本发明,所述步骤30中的模糊自适应PID控制方法是先找出比例微积分算法预测模中的三个参数与偏差e以及偏差变化率ec之间的模糊关系,在运行中通过不断检测偏差e和偏差变化率ec,再根据模糊控制规则对比例微积分算法预测模中的三个参数进行滚动优化,则优化后的参数定义为:
KP=K'P+ΔKP
KI=KI'+ΔKI
KD=K'D+ΔKD
式中KP、KI和KD分别是比例分量、积分分量和微分分量的增益,K'P,KI',K'D是KP、KI、KD的初始参数,它们通过常规方法得到;在优化的过程中,不断检测实时血糖的输出值,并实时地计算出血糖偏差和偏差变化量,然后将它们模糊化的e和ec,通过查询模糊控制调整矩阵可得到KP、KI和KD三个参数的调整量,从而实现对KP、KI、KD三个参数的不断优化。
本发明相对于现有技术具有的有益效果:
1、本发明的基于模糊自适应比例微积分控制的胰岛素泵闭环输注的智能控制方法,可以根据人体实时血糖连续监测数据,即时、微量、动态地调整胰岛素泵给药量,进行实时输注,形成胰岛素泵输注给药与连续血糖监测的闭环控制系统,该方法控制的闭环控制系统不依赖于被控对象的精确模型,动静态性能好,具有很好的自适应性和鲁棒性,能够大大降低人体血糖的波动范围,将血糖水平控制在设定的目标区间,从而提高胰岛素注射疗法的精确性和有效性,使糖尿病患者的血糖水平接近甚至达到正常人的标准,大大降低各种并发症的产生,提高患者的生存质量。
2、本发明的胰岛素泵闭环输注的控制算法有机结合现有技术在PID(比例微积分)算法和FL(模糊逻辑)算法上的研究成果,形成一种模糊自适应比例微积分控制的胰岛素泵闭环输注的智能控制方法,针对人体血糖浓度具有大滞后、非线性、时变性和无法得出精确数学模型等特点,采用PID算法模拟人体β细胞分泌胰岛素的生理传输过程,作为基本模型,并采用FL算法对PID模型中的各参进行滚动优化,对胰岛素输注设备进行智能控制,以控制胰岛素输注设备,具备两者优点,既保留了常规模糊控制的优点,又加强了系统的稳定性,同时充分发挥了PID和FL两大算法的优点,可以实现对胰岛素泵的输注给药量进行最优的闭环控制。
附图说明
图1为本发明的闭环式胰岛素泵闭环输注系统的控制原理图;
图2为本发明的模糊自适应PID控制方法的流程图;
图3为本发明实施例1的实验结果曲线图。
具体实施方式
下面结合附图对本发明进行进一步阐述,其中,本发明的方向以图1为标准。
如图1和图2所示,本发明的基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法,在可穿戴连续血糖监测系统及可精确进行胰岛素输注的胰岛素泵的技术基础上,针对人工胰腺技术中最为核心的闭环胰岛素输注智能控制算法展开研究,是以糖尿病患者的血糖浓度作为控制对象,实时血糖测量值作为PID控制器的输入,胰岛素泵注射量作为PID控制器的输出,并根据实时监测的血糖数据运用模糊逻辑推理,模拟人的决策过程对PID预测模型中KP、KI和KD三个参数的不断滚动优化,使得PID控制器的控制方法能够精确地计算出胰岛素的注射时间和注射量,为患者提供接近正常范围的血糖控制,实现将模糊自适应PID控制算法对胰岛素泵的输注进行最优的闭环控制。本发明包括以下步骤:
步骤10:根据胰岛素泵的结构和运行特征建立数学模型,以糖尿病患者的血糖浓度作为控制对象,以糖尿病患者的血糖测量值作为PID控制器的输入,并用MATLAB科学计算软件中的Simulink模块作为仿真计算平台设计合适的PID控制算法,根据实时人体血糖监测数据进行分析处理,采用PID控制算法的比例、微分、积分三个分量模拟人体β细胞分泌胰岛素的生理传输过程,建立基于PID控制算法的预测模型,并以此预测模型作为基本模型:
其中,式(1)中人体β细胞因血糖变化分泌的胰岛素量PID(t)由比例分量、积分分量和微分分量构成,GB为设定目标血糖值,G为实时测量血糖值,Kp、KI和KD分别是比例分量、积分分量和微分分量的增益;对应地,比例分量对应于实测血糖值偏离目标血糖值时的胰岛素分泌量,当实测血糖值等于目标血糖值时则为0;积分分量用于调整血糖围绕目标值上下微幅波动时的胰岛素分泌量;所述微分分量对应于血糖快速变化时迅速调节胰岛素分泌。
步骤20:确定基于PID控制算法的预测模型的控制参数,并根据PID模型控制参数的特点,设计模糊控制算法的模糊逻辑控制规则,依据实时人体血糖监测数据分析,依托临床专家并将临床糖尿病治疗长期实践积累的经验知识建立为专家知识库,转化为对PID模型控制参数进行优化调整的模糊逻辑控制规则。具体地,步骤20包括下列步骤
步骤21:对临床糖尿病治疗长期实践积累的经验进行较为全面的总结,建立专家知识库;
步骤22:运用模糊数学的基本理论和方法,把临床治疗经验规则的条件、操作用模糊集表示;
在本实施例中,将实时监测的血糖值与设定目标血糖之间的偏差e和偏差的变化率ec变化范围定义为模糊集上的论域。其论域的模糊子集E={NB,NM,NS,ZO,PS,PM,PB},EC={NB,NM,NS,ZO,PS,PM,PB},子集中NB、NM、NS、ZO、PS、PM,PB分别代表负大、负中、负小、零、正小、正中、正大。
步骤23:将这些模糊控制规则及相关信息(如临床评价指标等)作为知识存入专家知识库中;
步骤24:根据实时监测的血糖数据,运用模糊逻辑推理,得出相适应的胰岛素输注剂量参数;其中,模糊推理是一种近似推理,以模糊数学的基本理论和方法,以及临床治疗经验和专家知识库所建立的模糊规则为基础,在模糊控制中模拟人的决策过程,基于临床专家将临床糖尿病治疗长期实践积累的经验知识所建立的专家知识库,运用模糊逻辑推理,得出相适应的胰岛素输注剂量最适合的调整参数,以符合临床治疗的常规经验。
隶属函数将量化值e、ec模糊化为模糊判决的输入量,隶属函数曲线一般有单值型、高斯型、三角形等,由于三角形函数简单,故本模糊控制算法的各语言变量的隶属度函数采用三角形函数。设定模糊子集E、EC和KP、KI、KD服从三角形函数分布,从而得出模糊子集E、EC的隶属度,根据各模糊子集E、EC的隶属度赋值表和各参数模糊调整规则模型,运用模糊规则表设计PID模型参数的模糊调整矩阵表1~表3,根据模糊控制规则表(表1~表3)进行模糊推理得到修正参数ΔKP、ΔKI、ΔKD三个参数;其中,三个参数ΔKP、ΔKI、ΔKD的模糊控制规则参见表1~表3所示。
表1KP输出量的模糊规则表
表2KI输出量的的模糊规则
表3KD输出量的的模糊规则表
对于模糊控制表(表1)输出量ΔKP的调节规则可以写成以下判断语句进行控制处理:
1)if e=NB and ec=NB thenΔKP=PB
2)if e=NM and ec=NM thenΔKP=PB
3)if e=NS and ec=NS thenΔKP=PM
……
对于模糊控制表(表2)输出量ΔKI的调节规则可以写成以下判断语句进行模糊控制处理:
1)if e=NB and ec=NB thenΔKI=NB
2)if e=NM and ec=NM thenΔKI=NB
3)if e=NS and ec=NS thenΔKI=NS
……
对于模糊控制表(表3)输出量ΔKD的调节规则分别写成以下判断语句进行控制处理:
1)if e=NB and ec=NB thenΔKD=PS
2)if e=NM and ec=NM thenΔKD=NS
3)if e=NS and ec=NS thenΔKD=NM
……
经过模糊推理得到的控制输出量是一个模糊集合,需要进行模糊判决,使输出的模糊集合成为一个确切的控制量,即知道偏差e及偏差变化率ec的情况下,通过查表便可求得相适应的的参数,再通过基于PID控制算法将模糊量转换为人体胰岛素输注剂量的精确量。该模糊控制算法依托临床专家将临床糖尿病治疗长期实践积累的经验知识建立为专家知识库,转化为模糊逻辑控制规则,符合临床治疗的常规经验,易于为临床医生所理解。
步骤30:运用步骤20中建立的模糊逻辑控制规则进行模糊逻辑推理,对步骤10中建立的基于PID预测模型中的各个参数进行滚动优化,建立闭环胰岛素输注模糊自适应PID控制方法,计算出实时的胰岛素给药量。
其中,所建立的模糊自适应PID控制方法,是以模糊控制算法对PID模型进行参数控制,通过控制器输入端输入血糖偏差的误差e和误差变化率ec,找出PID模型模型中各个参数与血糖偏差的误差e和误差变化率ec之间的模糊关系,在运行中通过不断检测e和ec,根据模糊控制理论对各个参数进行及时、动态地在线修改,以满足不同e和ec时对控制参数的不同要求,输出为PID模型的调节量;在模糊自适应PID控制方法进行运算时,由模糊控制算法不断地修正PID模型的各个输入参数,可自动实现对PID模型参数的最佳调整,进行模糊自适应PID控制器的控制。
具体地,本实施例中,模糊自适应PID控制方法的实现,是先找出PID算法模型中三个参数与偏差e和偏差变化率ec之间的模糊关系,在运行中通过不断检测e和ec,再根据模糊控制规则对PID的KP、KI、KD三个参数进行滚动优化,则优化后的参数定义为:
KP=K'P+ΔKP
KI=KI'+ΔKI (2)
KD=K'D+ΔKD
式(2)中KP、KI和KD分别是比例分量、积分分量和微分分量的增益,K'P,KI',K'D是KP、KI、KD的初始参数,它们通过常规方法得到。在优化的过程中,通过不断检测实时血糖的输出值,并实时地计算出血糖偏差和偏差变化量,然后将糖偏差和偏差变化量通过模糊关系转化成模糊化的e和ec,通过查询模糊控制调整矩阵可得到KP、KI和KD三个参数的调整量,实现对KP、KI和KD三个参数的不断滚动优化。
本发明的成功应用实例:将设计好的基于模糊自适应比例微积分控制的胰岛素泵闭环输注的智能控制方法植入美国FDA批准的可代替动物实验的糖尿病模拟治疗测试软件,对算法进行性能测试。该软件为美国FDA批准的唯一可用于代替动物实验的模拟进行糖尿病治疗的软件测试平台,该平台包括了100个虚拟的糖尿病成人患者、100个青少年患者和100个儿童患者数据,提供了虚拟的CGMS和胰岛素泵,用户只需要将自己的控制算法导入就可以对任何虚拟患者进行血糖控制仿真实验。其中一位患有糖尿病成人的实验结果,如图3中血糖密度函数分布曲线所示,结果显示了该控制方法能够使得血糖水平控制在设定的目标区间内。
因此,本发明可以根据实时监测到的人体血糖数据,利用智能控制器内置的模糊自适应比例微积分控制算法,自动、即时、微量、智能地调整胰岛素输注设备给药量,从而进行实时输注,形成胰岛素输注与连续血糖监测的闭环控制系统,能够大大降低人体血糖的波动范围,将血糖水平控制在设定的目标区间,提高胰岛素注射疗法的精确性和有效性,使糖尿病患者的血糖水平接近甚至达到正常人的标准,大大降低各种并发症的产生,提高患者的生存质量。
此外,本发明的胰岛素泵闭环输注的控制算法有机结合现有技术在PID(比例微积分)算法和FL(模糊逻辑)算法上的研究成果,形成一种模糊自适应PID控制的胰岛素泵闭环输注的智能控制方法,针对人体血糖浓度具有大滞后、非线性、时变性和无法得出精确数学模型等特点,采用PID算法模拟人体β细胞分泌胰岛素的生理传输过程,作为基本模型,并采用FL算法对PID模型中的各参进行滚动优化,对胰岛素输注设备进行智能控制,以控制胰岛素输注设备,既保留了常规模糊控制的优点,又加强了系统的稳定性,同时充分发挥了PID和FL两大算法的优点,可以实现对胰岛素泵的输注进行最优的闭环控制。
以上所述仅为本发明的较佳实施方式,本发明并不局限于上述实施方式,在实施过程中可能存在局部微小的结构改动,如果对本发明的各种改动或变型不脱离本发明的精神和范围,且属于本发明的权利要求和等同技术范围之内,则本发明也意图包含这些改动和变型。
Claims (9)
1.一种基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法,其特征在于,所述控制胰岛素泵闭环输注的方法是以糖尿病患者的血糖浓度作为控制对象,实时血糖测量值作为PID控制器的输入,胰岛素泵注射量作为PID控制器的输出,并根据实时监测的血糖数据运用模糊逻辑推理,模拟人的决策过程对PID预测模型中的各个参数的不断滚动优化,使得PID控制器的控制方法能够精确地计算出胰岛素的注射时间和注射量,为患者提供接近正常范围的血糖控制,实现将模糊自适应PID控制算法对胰岛素泵的输注进行最优的闭环控制,它包括以下步骤:
步骤10:根据胰岛素泵的结构和运行特征,以糖尿病患者的血糖浓度作为控制对象建立数学模型,以糖尿病患者的血糖测量值作为PID控制器的输入,根据实时人体血糖监测数据进行分析处理,采用PID控制算法的比例、微分、积分三个分量模拟人体β细胞分泌胰岛素的生理传输过程,建立基于PID控制算法的预测模型,并以此PID模型作为基本模型;
步骤20:确定步骤10中PID模型的各个控制参数,并根据PID模型各个控制参数的特点,设计模糊控制算法的模糊逻辑控制规则,依据实时人体血糖监测数据分析,依托临床专家并将临床糖尿病治疗长期实践积累的经验知识建立为专家知识库,转化为对PID模型的各个控制参数进行优化调整的模糊逻辑控制规则;
步骤30:运用步骤20中建立的模糊逻辑控制规则进行模糊逻辑推理,模拟人的决策过程对步骤10中所建立的PID模型的各个参数进行滚动优化,建立闭环胰岛素输注模糊自适应PID控制方法,计算出糖尿病患者实时的胰岛素给药量。
2.根据权利要求1所述的基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法,其特征在于,所述步骤10中的PID模型如下式所示:
其中,人体β细胞因血糖变化分泌的胰岛素量PID(t)由比例分量、积分分量和微分分量构成,式中GB为设定目标血糖值,G为实时测量血糖值,Kp、KI和KD分别是比例分量、积分分量和微分分量的增益;所述比例分量对应于实测血糖值偏离目标血糖值时的胰岛素分泌量,当实测血糖值等于目标血糖值时则为0;所述积分分量用于调整血糖围绕目标值上下微幅波动时的胰岛素分泌量;所述微分分量对应于血糖快速变化时迅速调节胰岛素分泌。
3.根据权利要求1所述的一种基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法,其特征在于,所述步骤20中的模糊逻辑控制规则建立过程为:
步骤21:对临床糖尿病治疗长期实践积累的经验进行较为全面的总结,建立专家知识库;
步骤22:运用模糊数学的基本理论和方法,把临床治疗经验规则的条件、操作用模糊集表示;
步骤23:将这些模糊控制规则及相关信息作为知识存入专家知识库中;
步骤24:根据实时监测的血糖数据,运用模糊逻辑推理,得出相适应的胰岛素输注剂量的参数。
4.根据权利要求3所述的基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法,其特征在于,所述步骤22中用于表示临床治疗经验规则的条件、操作的模糊集,是将实时监测的血糖值与设定目标血糖之间的偏差e和偏差的变化率ec变化范围定义为模糊集上的论域,其论域的模糊子集E={NB,NM,NS,ZO,PS,PM,PB},EC={NB,NM,NS,ZO,PS,PM,PB};其中,模糊子集中的语言值NB、NM、NS、ZO、PS、PM,PB分别表示负大、负中、负小、零、正小、正中、正大。
5.根据权利要求3所述的基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法,其特征在于,所述步骤24中的模糊推理是一种近似推理,其以模糊数学的基本理论和方法,以及临床治疗经验和专家知识库所建立的模糊规则为基础,在模糊控制中模拟人的决策过程,基于临床专家将临床糖尿病治疗长期实践积累的经验知识所建立的专家知识库,运用模糊逻辑推理,得出相适应的胰岛素输注剂量最适合的调整参数,以符合临床治疗的常规经验。
6.根据权利要求3或4所述的基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法,其特征在于,所述步骤24中的模糊推理是将隶属函数将量化值e、ec模糊化为模糊判决的输入量,依据模糊子集E、EC和KP、KI、KD服从三角形函数分布,从而得出模糊子集E、EC的隶属度,根据各模糊子集E、EC的隶属度赋值表和各参数模糊调整规则模型建立模糊逻辑规则表,并运用模糊逻辑规则表设计PID模型中的参数模糊调整矩阵表,得到修正参数ΔKP、ΔKI、ΔKD。
7.根据权利要求5所述的基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法,其特征在于,所述模糊逻辑规则表的调节规则,可以写成以下判断语句进行逻辑规则控制处理,得到修正参数ΔKP、ΔKI、ΔKD;
1)if e=NB and ec=NB thenΔKP=PB
2)if e=NM and ec=NM thenΔKP=PB
3)if e=NS and ec=NS thenΔKP=PM
……
1)if e=NB and ec=NB thenΔKI=NB
2)if e=NM and ec=NM thenΔKI=NB
3)if e=NS and ec=NS thenΔKI=NS
……
1)if e=NB and ec=NB thenΔKD=PS
2)if e=NM and ec=NM thenΔKD=NS
3)if e=NS and ec=NS thenΔKD=NM
……。
8.根据权利要求1所述的一种基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法,其特征在于,所述步骤30中的模糊自适应PID控制方法,是以模糊控制算法对PID模型进行参数控制,通过控制器输入端输入血糖偏差的误差e和误差变化率ec,找出基于PID控制算法所建立的基本模型各个参数与血糖偏差的误差e和误差变化率ec之间的模糊关系,在运行中通过不断检测e和ec,根据模糊控制理论对各个参数进行及时、动态地在线修改,以满足不同e和ec时对控制参数的不同要求,输出为PID模型的调节量;在模糊自适应PID控制方法进行运算时,由模糊控制算法不断地修正PID模型的各个输入参数可自动实现对PID模型参数的最佳调整,进行模糊自适应PID控制器的控制。
9.根据权利要求1所述的一种基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法,其特征在于:所述步骤30中的模糊自适应PID控制方法是先找出比例微积分算法预测模中的三个参数与偏差e以及偏差变化率ec之间的模糊关系,在运行中通过不断检测偏差e和偏差变化率ec,再根据模糊控制规则对PID模型中的三个参数进行滚动优化,则优化后的参数定义为:
KP=K'P+ΔKP
KI=K′I+ΔKI
KD=K'D+ΔKD
其中,式中KP、KI和KD分别是比例分量、积分分量和微分分量的增益,K'P,K′I,K'D是KP、KI、KD的初始参数,它们通过常规方法得到;在优化的过程中,不断检测实时血糖的输出值,并实时地计算出血糖偏差和偏差变化量,然后将它们模糊化的e和ec,通过查询模糊控制调整矩阵可得到KP、KI和KD三个参数的调整量,从而实现对KP、KI、KD三个参数的不断优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710051754.3A CN106860955A (zh) | 2017-01-21 | 2017-01-21 | 基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710051754.3A CN106860955A (zh) | 2017-01-21 | 2017-01-21 | 基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106860955A true CN106860955A (zh) | 2017-06-20 |
Family
ID=59158235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710051754.3A Pending CN106860955A (zh) | 2017-01-21 | 2017-01-21 | 基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106860955A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107576703A (zh) * | 2017-10-12 | 2018-01-12 | 天津科技大学 | 一种基于模糊系统的家用血糖仪 |
CN108211098A (zh) * | 2017-12-28 | 2018-06-29 | 曹亮明 | 一种智能给药的植入式药泵控制系统 |
CN110111898A (zh) * | 2019-04-26 | 2019-08-09 | 北京理工大学 | 基于移动终端的多功能人工胰腺控制模块及方法 |
CN110376888A (zh) * | 2019-07-12 | 2019-10-25 | 中国农业大学 | 纵列式无人直升机模糊自整定pid控制方法及装置 |
CN111110949A (zh) * | 2018-11-01 | 2020-05-08 | 上海市第六人民医院 | 胰岛素注射量确定方法及装置、计算机存储介质及设备 |
CN111643771A (zh) * | 2019-04-30 | 2020-09-11 | 广东食品药品职业学院 | 一种基于自适应广义预测控制的闭环胰岛素输注系统 |
CN112535777A (zh) * | 2020-11-27 | 2021-03-23 | 江苏省苏北人民医院 | 一种基于cgm的危重患者智能化血糖管理系统 |
WO2021232707A1 (zh) * | 2020-05-19 | 2021-11-25 | 中国科学院深圳先进技术研究院 | 一种基于可穿戴监测方法的闭环人工胰腺系统 |
WO2023070714A1 (en) * | 2021-10-25 | 2023-05-04 | Medtrum Technologies Inc. | Closed-loop artificial pancreas drug infusion control system |
WO2023070253A1 (en) * | 2021-10-25 | 2023-05-04 | Medtrum Technologies Inc. | Closed-loop artificial pancreas insulin infusion control system |
WO2023070252A1 (en) * | 2021-10-25 | 2023-05-04 | Medtrum Technologies Inc. | Closed-loop artificial pancreas insulin multi-drug control system |
CN116883995A (zh) * | 2023-07-07 | 2023-10-13 | 广东食品药品职业学院 | 一种乳腺癌分子亚型的识别系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102395310A (zh) * | 2009-02-26 | 2012-03-28 | 莫尔研究应用有限公司 | 用于自动监控糖尿病相关治疗的方法以及系统 |
CN102500013A (zh) * | 2011-11-22 | 2012-06-20 | 北京化工大学 | 基于模型预测控制的大剂量胰岛素全自动智能输注方法和装置 |
CN102836481A (zh) * | 2012-09-29 | 2012-12-26 | 哈尔滨工业大学 | 一种新型胰岛素泵 |
WO2014035570A2 (en) * | 2012-08-30 | 2014-03-06 | Medtronic Minimed, Inc. | Safeguarding measures for a closed-loop insulin infusion system |
CN104667379A (zh) * | 2015-03-06 | 2015-06-03 | 上海交通大学 | 动态闭环控制的胰岛素泵 |
CN204543276U (zh) * | 2015-02-04 | 2015-08-12 | 北京跃达康科技有限公司 | 具备自适应模糊控制功能的铜离子电化学治疗仪 |
CN104958077A (zh) * | 2015-07-24 | 2015-10-07 | 珠海福尼亚医疗设备有限公司 | 一种智能控制的闭环式人工胰腺系统 |
-
2017
- 2017-01-21 CN CN201710051754.3A patent/CN106860955A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102395310A (zh) * | 2009-02-26 | 2012-03-28 | 莫尔研究应用有限公司 | 用于自动监控糖尿病相关治疗的方法以及系统 |
CN102500013A (zh) * | 2011-11-22 | 2012-06-20 | 北京化工大学 | 基于模型预测控制的大剂量胰岛素全自动智能输注方法和装置 |
WO2014035570A2 (en) * | 2012-08-30 | 2014-03-06 | Medtronic Minimed, Inc. | Safeguarding measures for a closed-loop insulin infusion system |
CN102836481A (zh) * | 2012-09-29 | 2012-12-26 | 哈尔滨工业大学 | 一种新型胰岛素泵 |
CN204543276U (zh) * | 2015-02-04 | 2015-08-12 | 北京跃达康科技有限公司 | 具备自适应模糊控制功能的铜离子电化学治疗仪 |
CN104667379A (zh) * | 2015-03-06 | 2015-06-03 | 上海交通大学 | 动态闭环控制的胰岛素泵 |
CN104958077A (zh) * | 2015-07-24 | 2015-10-07 | 珠海福尼亚医疗设备有限公司 | 一种智能控制的闭环式人工胰腺系统 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107576703A (zh) * | 2017-10-12 | 2018-01-12 | 天津科技大学 | 一种基于模糊系统的家用血糖仪 |
CN108211098A (zh) * | 2017-12-28 | 2018-06-29 | 曹亮明 | 一种智能给药的植入式药泵控制系统 |
CN111110949B (zh) * | 2018-11-01 | 2021-07-09 | 上海市第六人民医院 | 胰岛素注射量确定方法及装置、计算机存储介质及设备 |
CN111110949A (zh) * | 2018-11-01 | 2020-05-08 | 上海市第六人民医院 | 胰岛素注射量确定方法及装置、计算机存储介质及设备 |
CN110111898A (zh) * | 2019-04-26 | 2019-08-09 | 北京理工大学 | 基于移动终端的多功能人工胰腺控制模块及方法 |
CN111643771A (zh) * | 2019-04-30 | 2020-09-11 | 广东食品药品职业学院 | 一种基于自适应广义预测控制的闭环胰岛素输注系统 |
CN111643771B (zh) * | 2019-04-30 | 2020-12-29 | 广东食品药品职业学院 | 一种基于自适应广义预测控制的闭环胰岛素输注系统 |
CN110376888A (zh) * | 2019-07-12 | 2019-10-25 | 中国农业大学 | 纵列式无人直升机模糊自整定pid控制方法及装置 |
WO2021232707A1 (zh) * | 2020-05-19 | 2021-11-25 | 中国科学院深圳先进技术研究院 | 一种基于可穿戴监测方法的闭环人工胰腺系统 |
CN112535777A (zh) * | 2020-11-27 | 2021-03-23 | 江苏省苏北人民医院 | 一种基于cgm的危重患者智能化血糖管理系统 |
CN112535777B (zh) * | 2020-11-27 | 2022-12-02 | 江苏省苏北人民医院 | 一种基于cgm的危重患者智能化血糖管理系统 |
WO2023070714A1 (en) * | 2021-10-25 | 2023-05-04 | Medtrum Technologies Inc. | Closed-loop artificial pancreas drug infusion control system |
WO2023070716A1 (en) * | 2021-10-25 | 2023-05-04 | Medtrum Technologies Inc. | Closed-loop artificial pancreas drug infusion control system |
WO2023070717A1 (en) * | 2021-10-25 | 2023-05-04 | Medtrum Technologies Inc. | Closed-loop artificial pancreas drug infusion control system |
WO2023070715A1 (en) * | 2021-10-25 | 2023-05-04 | Medtrum Technologies Inc. | Closed-loop artificial pancreas insulin infusion control system |
WO2023070253A1 (en) * | 2021-10-25 | 2023-05-04 | Medtrum Technologies Inc. | Closed-loop artificial pancreas insulin infusion control system |
WO2023070252A1 (en) * | 2021-10-25 | 2023-05-04 | Medtrum Technologies Inc. | Closed-loop artificial pancreas insulin multi-drug control system |
CN116883995A (zh) * | 2023-07-07 | 2023-10-13 | 广东食品药品职业学院 | 一种乳腺癌分子亚型的识别系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106860955A (zh) | 基于模糊自适应比例微积分控制胰岛素泵闭环输注的方法 | |
CN104667379B (zh) | 动态闭环控制的胰岛素泵 | |
CN104958077A (zh) | 一种智能控制的闭环式人工胰腺系统 | |
Wang et al. | Closed-loop control of artificial pancreatic $\beta $-cell in type 1 diabetes mellitus using model predictive iterative learning control | |
Campos-Delgado et al. | Fuzzy-based controller for glucose regulation in type-1 diabetic patients by subcutaneous route | |
US6368272B1 (en) | Equipment and method for contemporaneous decision supporting metabolic control | |
Percival et al. | Development of a multi-parametric model predictive control algorithm for insulin delivery in type 1 diabetes mellitus using clinical parameters | |
Mauseth et al. | Proposed clinical application for tuning fuzzy logic controller of artificial pancreas utilizing a personalization factor | |
Fox et al. | Reinforcement learning for blood glucose control: Challenges and opportunities | |
CN110289094B (zh) | 一种基于专家规则的胰岛素精准给药决策方法 | |
Sasi et al. | A fuzzy controller for blood glucose-insulin system | |
CN108877936A (zh) | 健康评估方法、系统及计算机可读存储介质 | |
CN110124150A (zh) | 一种基于自适应柔化因子策略的广义预测控制闭环胰岛素输注系统 | |
Ahmadpour et al. | Model predictive control optimisation using the metaheuristic optimisation for blood pressure control | |
Tutubalin et al. | Status of creation of hardware-software complex of automatic control of the insulin delivery | |
Taherinasab et al. | Application of model reference adaptive control and modified Smith predictor to control blood glucose in type 1 diabetic patients | |
CN110124151A (zh) | 一种基于自适应参考曲线策略的广义预测控制闭环胰岛素输注系统 | |
Katsarou et al. | Short term glucose prediction in patients with type 1 diabetes mellitus | |
Gharghory et al. | Fuzzy control system for regulating the blood glucose level of diabetes patients implemented on FPGA | |
Campos-Delgado et al. | Self-tuning insulin adjustment algorithm for type 1 diabetic patients based on multi-doses regime | |
Li et al. | PID control based on BP neural network for the regulation of blood glucose level in diabetes | |
CN115274052A (zh) | 一种糖尿病人食糖监控系统 | |
Sun et al. | Adaptive personalized prior-knowledge-informed model predictive control for type 1 diabetes | |
Mandal et al. | Robust controller for artificial pancreas for patients with type-1 diabetes | |
Ming et al. | Recent advances in the precision control strategy of artificial pancreas |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170620 |