基于高斯過程的神經(jīng)肌肉阻滯系統(tǒng)的建模與控制.pdf

1、神經(jīng)肌肉阻滯的具體作用是為了阻止病人在手術(shù)過程中由于傷口刺激產(chǎn)生的無意識(shí)的移動(dòng)，避免不必要的傷害。在臨床的肌肉松弛程度控制中，存在以下問題:傳統(tǒng)的肌松藥物注射方法依賴麻醉師個(gè)人的經(jīng)驗(yàn)，沒有統(tǒng)一的量化標(biāo)準(zhǔn)，很難維持阻滯水平的穩(wěn)定;在手術(shù)室這種工作繁忙、節(jié)奏緊張的環(huán)境下，長(zhǎng)時(shí)間的神經(jīng)肌肉阻滯控制易造成麻醉師的疲勞與失誤，進(jìn)而給病人的手術(shù)過程帶來更大的風(fēng)險(xiǎn);雖然各種生物傳感器和肌松程度監(jiān)測(cè)方法的出現(xiàn)，促進(jìn)對(duì)神經(jīng)肌肉阻滯自動(dòng)給藥控制的研究，但由

2、于新陳代謝及各種生理過程都是復(fù)雜的非線性系統(tǒng)，且存在嚴(yán)重的個(gè)體差異性，這給神經(jīng)肌肉阻滯控制器的設(shè)計(jì)增加了難度。為此，本文針對(duì)神經(jīng)肌肉阻滯自動(dòng)給藥問題進(jìn)行研究，采用基于高斯過程模型的預(yù)測(cè)控制技術(shù)實(shí)現(xiàn)個(gè)體差異下的自動(dòng)給藥控制。
　　首先，針對(duì)神經(jīng)肌肉阻滯系統(tǒng)的個(gè)體差異性問題，本文提出采用在線動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)建模的方法來保證個(gè)體模型的精度。由于建模數(shù)據(jù)的在線更新，每次需要對(duì)協(xié)方差矩陣求逆，本文給出一種求逆公式來解決求逆運(yùn)算計(jì)算量大的問題，減

3、少運(yùn)算時(shí)間，達(dá)到實(shí)時(shí)控制計(jì)算要求。另外，由于協(xié)方差函數(shù)是高斯過程模型結(jié)構(gòu)的核心，而在協(xié)方差函數(shù)的選擇上卻沒有統(tǒng)一的標(biāo)準(zhǔn)，本文利用實(shí)驗(yàn)測(cè)試對(duì)比分析的方法獲得了適合神經(jīng)肌肉阻滯系統(tǒng)的協(xié)方差函數(shù)。傳統(tǒng)的一次高斯建模方法難于應(yīng)對(duì)生物系統(tǒng)的動(dòng)態(tài)變化，本研究在此基礎(chǔ)上采用在線動(dòng)態(tài)更新模型的方法，選擇適當(dāng)?shù)慕?shù)據(jù)容量，實(shí)時(shí)更新建模數(shù)據(jù)，保證模型的局部動(dòng)態(tài)特性，為基于模型的控制器設(shè)計(jì)提供保障。仿真驗(yàn)證了所提方法具有較高的建模精度及局部動(dòng)態(tài)預(yù)測(cè)能力。<

4、br>　　考慮到高斯過程是一種統(tǒng)計(jì)的概率建模方法，對(duì)實(shí)際系統(tǒng)的結(jié)構(gòu)沒有定性的分析，只是對(duì)系統(tǒng)輸入輸出關(guān)系的一種映射。而模型預(yù)測(cè)控制對(duì)于模型的結(jié)構(gòu)沒有要求，且能夠處理對(duì)輸入有限制約束的問題。因此本文采用基于高斯過程模型的預(yù)測(cè)控制算法進(jìn)行自動(dòng)給藥控制。同時(shí)，針對(duì)神經(jīng)肌肉阻滯過程存在比較大的滯后問題，提出了融合預(yù)測(cè)與微分控制的方案來實(shí)現(xiàn)神經(jīng)肌肉阻滯過程的自動(dòng)給藥控制系統(tǒng)。本文利用泰勒展開推導(dǎo)了高斯過程預(yù)測(cè)算法優(yōu)化過程的數(shù)學(xué)表達(dá)，并得到了完整的