基于子空間技術的麻醉過程系統辨識與預測控制算法研究.pdf

1、隨著當前醫(yī)療技術水平的飛速發(fā)展，各種各樣復雜的治療手段層出不窮，因此對手術精度以及術中病人安全的要求也變得越來越高，在這種情況下，良好的術中麻醉顯得尤為重要。臨床實踐中，對病人的麻醉操作多由麻醉師來完成，而麻醉師同時還需對病人的生理指標進行實時的監(jiān)測，工作任務繁重。為減輕麻醉師的工作壓力，研究人員提出了麻醉過程閉環(huán)控制的想法，并且已在麻醉控制領域內實現了多種有效的閉環(huán)算法，其中最有前景的應該是基于模型的控制算法。但由于房室模型本身的非線

2、性特性，這些基于模型的閉環(huán)控制研究多數先對病人模型參數進行經驗性的預估，從而再加以控制，以消除非線性的影響。但是，這樣反而會導致病人模型的特異性不突出，進而影響辨識與控制效果。
　　本文針對該問題，提出了一種新型的基于子空間辨識的病人房室Wiener模型辨識方法。首先對異丙酚三房室Wiener模型進行線性化處理，再對處理后的線性模型進行子空間正交投影辨識，最后通過辨識出的狀態(tài)空間系統矩陣以及線性化關系對原來的房室模型進行還原。接下

3、來，對所辨識出的線性模型進行簡單的處理，建立輔助被控變量，利用基于模型的擴展預測自適應控制算法，實現對病人鎮(zhèn)靜深度的間接管理。仿真結果證明，針對非線性系統所設計出的辨識算法能夠很好地還原系統本身的特性，同時仍具有一定的可擴展性。該算法所需的先驗知識極少，所辨識出模型的準確性較高。同時，根據該模型所構建的輔助被控變量也能夠在一定程度上間接描述Wiener系統中間變量的變化趨勢。該閉環(huán)控制算法首次用于麻醉過程鎮(zhèn)靜深度的控制，在該方向上有著較