基于模型移植的人工胰脏闭环控制研究

摘要

糖尿病已经逐渐发展成为一个危害人类健康和社会的全球性疾病，人工胰脏系统被认为是治疗糖尿病最有前景的方法之一。随着连续血糖监测系统和胰岛素泵的发展，人工胰脏系统的硬件部分已经满足临床要求，但是由于人体血糖调节过程是一个非线性、强扰动和非稳态的动态过程，再加上高低血糖风险的不对称性，给人工胰脏系统中的闭环控制算法设计带来了巨大的挑战。在传统的血糖控制算法领域中，在建模方法上，传统的建模方法需要利用对象的充足数据进行模型辨识，这样在采集数据时，会给患者和医生带来较大的负担，整体建模代价较高;在闭环控制算法上，传统的控制算法更多的是考虑算法上的创新，而没有过多的考虑高低血糖的风险不对称性。因此，如何利用先验知识，降低个性化建模的开销以及如何减少患者低血糖事件，是本文工作的重点和出发点。
　　基于上述出发点，本文主要进行了以下研究:
　　(1)在本课题前人工作的基础上，考虑血糖控制模型相关约束等因素，提出了一种面向血糖控制的PSO模型移植建模方法。该方法通过利用先验基模型知识，只需少量激励数据即可完成对象的个性化建模，克服了传统建模方法中需要等待充足激励数据才能建立个性化模型的问题。
　　(2)提出了基于PSO模型移植建模方法的zone-MPC血糖闭环控制算法，实验结果证明，该方法仅仅使用少量激励数据（两小时）进行建模，就可实现与使用大量激励数据（五天）的ARX建模方法相同的控制性能。这种基于基模型的建模算法具有较高的建模效率和经济性，特别是在缺少患者血糖数据时，本文提出的PSO模型移植算法可以有效的替代传统的个性化建模方法，再结合zone-MPC控制算法，可以实现基本的全自动血糖闭环控制。
　　(3)考虑到高低血糖的风险不对称性，提出了一种基于不对称风险函数和PSO模型移植算法的zone-MPC血糖闭环控制算法，通过设计不对称风险函数来调节MPC目标函数中的高低血糖和控制量的权重系数，最后通过实验证实了该算法的有效性，特别是在大饮食场景下，降低了患者出现低血糖的频率。