基于高斯过程的神经肌肉阻滞系统建模与控制

发布时间：2017-07-06 04:06

  本文关键词：基于高斯过程的神经肌肉阻滞系统建模与控制

  更多相关文章： 神经肌肉阻滞 高斯过程建模 动态模型在线更新 模型预测控制 微分控制

【摘要】：神经肌肉阻滞的具体作用是为了阻止病人在手术过程中由于伤口刺激产生的无意识的移动,避免不必要的伤害。在临床的肌肉松弛程度控制中,存在以下问题：传统的肌松药物注射方法依赖麻醉师个人的经验,没有统一的量化标准,很难维持阻滞水平的稳定；在手术室这种工作繁忙、节奏紧张的环境下,长时间的神经肌肉阻滞控制易造成麻醉师的疲劳与失误,进而给病人的手术过程带来更大的风险；虽然各种生物传感器和肌松程度监测方法的出现,促进对神经肌肉阻滞自动给药控制的研究,但由于新陈代谢及各种生理过程都是复杂的非线性系统,且存在严重的个体差异性,这给神经肌肉阻滞控制器的设计增加了难度。为此,本文针对神经肌肉阻滞自动给药问题进行研究,采用基于高斯过程模型的预测控制技术实现个体差异下的自动给药控制。首先,针对神经肌肉阻滞系统的个体差异性问题,本文提出采用在线动态数据驱动建模的方法来保证个体模型的精度。由于建模数据的在线更新,每次需要对协方差矩阵求逆,本文给出一种求逆公式来解决求逆运算计算量大的问题,减少运算时间,达到实时控制计算要求。另外,由于协方差函数是高斯过程模型结构的核心,而在协方差函数的选择上却没有统一的标准,本文利用实验测试对比分析的方法获得了适合神经肌肉阻滞系统的协方差函数。传统的一次高斯建模方法难于应对生物系统的动态变化,本研究在此基础上采用在线动态更新模型的方法,选择适当的建模数据容量,实时更新建模数据,保证模型的局部动态特性,为基于模型的控制器设计提供保障。仿真验证了所提方法具有较高的建模精度及局部动态预测能力。考虑到高斯过程是一种统计的概率建模方法,对实际系统的结构没有定性的分析,只是对系统输入输出关系的一种映射。而模型预测控制对于模型的结构没有要求,且能够处理对输入有限制约束的问题。因此本文采用基于高斯过程模型的预测控制算法进行自动给药控制。同时,针对神经肌肉阻滞过程存在比较大的滞后问题,提出了融合预测与微分控制的方案来实现神经肌肉阻滞过程的自动给药控制系统。本文利用泰勒展开推导了高斯过程预测算法优化过程的数学表达,并得到了完整的控制策略。仿真表明,本控制方案针对不同的病人都表现出良好的控制效果,同时在线控制的均方跟踪误差比离线控制提高了近一倍,进一步说明了该方法的优势。
【关键词】：神经肌肉阻滞 高斯过程建模 动态模型在线更新 模型预测控制 微分控制
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R614;TP273.5
【目录】：

• 摘要5-7
• ABSTRACT7-14
• 第一章 绪论14-24
• 1.1 课题的研究背景与意义14
• 1.2 神经肌肉阻滞过程14-20
• 1.2.1 神经肌肉阻滞剂15-17
• 1.2.2 神经肌肉阻滞水平的监测方法17
• 1.2.3 神经肌肉阻滞剂连续过量注射问题17-18
• 1.2.4 NMB控制的研究历史及难点分析18-20
• 1.3 高斯过程建模方法20-21
• 1.4 模型预测控制21-22
• 1.5 课题来源22
• 1.6 论文的结构与内容22-24
• 第二章 NMB模型及GPs理论24-36
• 2.1 房室模型24
• 2.2 神经肌肉阻滞系统24-27
• 2.2.1 机理分析25-26
• 2.2.2 个体差异26-27
• 2.3 高斯过程建模原理27-34
• 2.3.1 权重空间28-30
• 2.3.2 函数空间30-32
• 2.3.3 无噪声条件下的预测32
• 2.3.4 噪声条件下的预测32-34
• 2.4 本章小结34-36
• 第三章 基于GPs的NMB系统模型分析36-60
• 3.1 GPs模型结构36-44
• 3.1.1 常用协方差函数38-39
• 3.1.2 超参数估计39
• 3.1.3 协方差函数的选择39-42
• 3.1.4 超参数优化求解42-44
• 3.2 在线动态建模44-47
• 3.2.1 训练数据容量的选择45-46
• 3.2.2 矩阵逆的优化求解46
• 3.2.3 基于自然梯度法的超参数求解46-47
• 3.3 NMB系统的建模仿真47-58
• 3.3.1 基于GPs的离线NMB建模仿真47-55
• 3.3.2 基于GPs的在线动态NMB建模仿真55-57
• 3.3.3 系统动态变化对离线与在线模型的影响57-58
• 3.4 本章小结58-60
• 第四章 基于GPs的NMB控制60-72
• 4.1 基于GPs的模型预测控制策略60-65
• 4.1.1 GPs的线性化61-63
• 4.1.2 改进的预测控制策略63-65
• 4.2 基于离线GPs的NMB控制仿真65-68
• 4.3 基于在线动态GPs的NMB控制仿真68-71
• 4.4 本章小结71-72
• 第五章 结论与展望72-74
• 参考文献74-80
• 致谢80-82
• 研究成果及发表的学术论文82-84
• 作者及导师简介84-85
• 附件85-86

【相似文献】

中国期刊全文数据库 前10条

1 冯绍津,索小英;药物致神经肌肉阻滞3例[J];中国实用内科杂志;2005年02期

2 陈学韶;链霉素的神经肌肉阻滞作用机理研究进展[J];药学学报;1982年08期

3 陈学韶;抗生素神经肌肉阻滞作用比较研究的新进展[J];抗生素;1983年05期

4 胡国昌,曾因明;介绍一种神经肌肉阻滞的监测方法[J];徐州医学院学报;1987年04期

5 徐世元;肖广钧;叶小平;;双重爆发刺激检测残余神经肌肉阻滞的应用研究[J];中华麻醉学杂志;1996年03期

6 Noel Cass;;神经肌肉阻滞的监测[J];国外医学情报;1983年17期

7 王巧恒,左明章,谢红雯,刘树山;神经肌肉阻滞程度对运动诱发电位的影响[J];临床麻醉学杂志;2003年01期

8 王炎强;张明;王晓东;孙希志;;庆大霉素导致神经肌肉阻滞1例[J];潍坊医学院学报;2008年02期

9 孙术红;郝晓佳;谭罗珂;;硫酸依替米星注射液致神经肌肉阻滞不良反应1例[J];中国执业药师;2013年07期

10 郭丽;张桐;师淑兰;;阿米卡星导致神经肌肉阻滞[J];临床误诊误治;2006年11期

中国重要会议论文全文数据库 前2条

1 刘丹;安友仲;;重症医学科中的神经肌肉阻滞药物:老药物新应用[A];重症医学——2011[C];2011年

2 漆又毛;揭清;张冯敏;余葆春;丁丁;漆莹贝;;新型γ-环糊精衍生物Aom0498-1和Aom0498-3对神经肌肉阻滞的逆转作用[A];全国第三次麻醉药理学术会议论文集[C];2012年

中国重要报纸全文数据库 前1条

1 陆基宗;好药也应谨慎用[N];健康报;2006年

中国博士学位论文全文数据库 前1条

1 李世宽;腹腔镜腹壁结构分离和神经肌肉阻滞对腹腔内高压影响的动物实验研究[D];山东大学;2009年

中国硕士学位论文全文数据库 前2条

1 闻攀;基于高斯过程的神经肌肉阻滞系统建模与控制[D];北京化工大学;2016年

2 李彩霞;三种吸入麻醉药及神经肌肉阻滞程度对经颅电刺激运动诱发电位的影响[D];复旦大学;2010年

，

本文编号：524645