基于子空間技術(shù)的麻醉過程系統(tǒng)辨識與預測控制算法研究.pdf

1、隨著當前醫(yī)療技術(shù)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(shù)精度以及術(shù)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(shù)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(wù)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(lǐng)域內(nèi)實現(xiàn)了多種有效的閉環(huán)算法，其中最有前景的應(yīng)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(shù)先對病人模型參數(shù)進行經(jīng)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(tǒng)矩陣以及線性化關(guān)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(yīng)控制算法，實現(xiàn)對病人鎮(zhèn)靜深度的間接管理。仿真結(jié)果證明，針對非線性系統(tǒng)所設(shè)計出的辨識算法能夠很好地還原系統(tǒng)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(jù)該模型所構(gòu)建的輔助被控變量也能夠在一定程度上間接描述Wiener系統(tǒng)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