模糊神经网络理论下的麻醉靶控输注控制算法研究(2)
发布时间：2014-09-10 15:38
第三章 麻醉靶控输注控制系统的设计 .....23-32
3.1 引言 ............23
3.2 麻醉靶控输注控制系统方案设计 ..........23-24
3.3 系统设计流程图 ..........24
3.4 系统硬件平台的设计 .....24-28
3.4.1 BIS 监护仪 ............25
3.4.2 80C52 单片机 ............25-26
3.4.3 Graseby3500 输注泵 ...........26
3.4.4 复位电路及时钟电路 ...........26-27
3.4.5 串口通信电平转换电路 ...........27
3.4.6 单片机供电系统 ........27-28
3.5 软件技术设计 .............28-31
3.5.1 下位机程序 ...............28-29
3.5.2 上位机程序 ............29-31
3.6 本章小结 ..............31-32
第四章 模糊神经网络麻醉靶控输注控制算法 .......32-46
4.1 引言 ..............32
4.2 控制器设计原理 ........32
4.3 PID 控制 ............32-34
4.4 模糊 PID 控制 .............34-37
4.4.1 模糊控制规则的制定 ...........35-37
4.5 RBF 神经网络 ...............37-39
4.6 模糊 RBF 神经网络 PID 控制器 .............39-42
4.7 基于 matlab 的控制器设计及系统仿真 ...........42-45
4.8 本章小结 .................45-46
第五章 算法程序和实验结果
5.1 引言
本章主要介绍了模糊神经网络控制器的算法程序，并在 matlab 环境下对控制器和系统结构图做了相应的仿真，得到了其算法仿真曲线图和系统仿真曲线图；同时介绍了其硬件平台部分上位机和下位机的软件程序设计，实验仿真得到了其控制界面和运行过程的部分界面，系统较为平稳，但仍需完善和改进。
.............................
总结
麻醉靶控输注控制系统能辅助麻醉医师对麻醉剂量和麻醉策略进行调控，避免发生由于麻醉过深或麻醉过浅带来的各种并发症和后遗症，保证病人手术过程中麻醉安全和手术后的麻醉苏醒。本文提出的基于 BIS 指数模糊神经网络的麻醉靶控输注算法是麻醉靶控输注控制系统的关键所在，其在异丙酚的生理对象模型的基础上，引入工业控制中常用的 PID 控制，加入模糊控制和神经网络的部分，综合模糊控制的经验规则库和神经网络具有的容错自学习、自适应能力，智能整定 PID 各个参数，从而达到控制 BIS 监测指数的目的，在一定程度上为麻醉靶控输注算法的研究带来新的角度和视野。生理对象模型的准确与否，其是关乎麻醉靶控输注算法的关键之处；但是，众所周知，临床上病人的个体差异性较大，其生理对象模型的各个部分的参数各不相同甚至相差甚远，如何在这样的情况下对不同患者的不同情况作出较为准确的麻醉剂量和策略的控制，不仅仅只是基于麻醉医师个人的经验作出判断，还需实时根据病人所反映出的麻醉监测指数进行科学的分析和计算，在这样的基础和背景下，需要不断完善麻醉靶控输注算法，进行更多的研究和探索。
................................
参考文献：
- [1] 董亮,张兴安,熊冬生,吴效明,窦建洪,陈峻,邹庭松. 基于TCI麻醉深度智能控制系统的设计[J]. 中国医学物理学杂志. 2013(02)
- [2] 李永刚,秦付军. 模糊RBF神经网络在麻醉深度控制系统中的应用[J]. 西华大学学报(自然科学版). 2012(02)
- [3] 莫品军. 麻醉深度指数监测下丙泊酚恒速输注全身麻醉的临床观察[J]. 中国现代药物应用. 2012(03)
- [4] 周庆利,何剑虎,陈新忠. 基于BIS指数的麻醉给药系统研究设计[J]. 中国医疗设备. 2010(05)
- [5] 傅钢善,李婷. 3G时代基于专家系统的移动学习模式[J]. 中国电化教育. 2010(04)
- [6] 高宁,张建中. MATLAB在RBF神经网络模型中的应用[J]. 农业网络信息. 2009(02)
- [7] 欧阳磊,黄友锐,黄宜庆. 基于模糊RBF神经网络的PID及其应用[J]. 计算机工程. 2008(22)
- [8] 王筱芳. 专家系统的研究与探讨[J]. 科技信息(科学教研). 2008(09)
- [9] 孙丽英,葛超,朱艺. RBF神经网络在函数逼近领域内的研究[J]. 计算机与数字工程. 2007(08)
- [10] 周勇,胡中功. RBF神经网络理论及其在控制中的应用[J]. 武汉科技学院学报. 2007(05)
本文编号：8781
本文链接：https://www.wllwen.com/shoufeilunwen/shuoshibiyelunwen/8781_2.html
