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過程中由于傷口刺激產(chǎn)生的無意識的移動，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人的經(jīng)驗，沒有統(tǒng)一的量化標準，很難維持阻滯水平的穩(wěn)定;在手術室這種工作繁忙、節(jié)奏緊張的環(huán)境下，長時間的神經(jīng)肌肉阻滯控制易造成麻醉師的疲勞與失誤，進而給病人的手術過程帶來更大的風險;雖然各種生物傳感器和肌松程度監(jiān)測方法的出現(xiàn)，促進對神經(jīng)肌肉阻滯自動給藥控制的研究，但由

2、于新陳代謝及各種生理過程都是復雜的非線性系統(tǒng)，且存在嚴重的個體差異性，這給神經(jīng)肌肉阻滯控制器的設計增加了難度。為此，本文針對神經(jīng)肌肉阻滯自動給藥問題進行研究，采用基于高斯過程模型的預測控制技術實現(xiàn)個體差異下的自動給藥控制。
　　首先，針對神經(jīng)肌肉阻滯系統(tǒng)的個體差異性問題，本文提出采用在線動態(tài)數(shù)據(jù)驅動建模的方法來保證個體模型的精度。由于建模數(shù)據(jù)的在線更新，每次需要對協(xié)方差矩陣求逆，本文給出一種求逆公式來解決求逆運算計算量大的問題，減

3、少運算時間，達到實時控制計算要求。另外，由于協(xié)方差函數(shù)是高斯過程模型結構的核心，而在協(xié)方差函數(shù)的選擇上卻沒有統(tǒng)一的標準，本文利用實驗測試對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對生物系統(tǒng)的動態(tài)變化，本研究在此基礎上采用在線動態(tài)更新模型的方法，選擇適當?shù)慕?shù)據(jù)容量，實時更新建模數(shù)據(jù)，保證模型的局部動態(tài)特性，為基于模型的控制器設計提供保障。仿真驗證了所提方法具有較高的建模精度及局部動態(tài)預測能力。<

4、br>　　考慮到高斯過程是一種統(tǒng)計的概率建模方法，對實際系統(tǒng)的結構沒有定性的分析，只是對系統(tǒng)輸入輸出關系的一種映射。而模型預測控制對于模型的結構沒有要求，且能夠處理對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測控制算法進行自動給藥控制。同時，針對神經(jīng)肌肉阻滯過程存在比較大的滯后問題，提出了融合預測與微分控制的方案來實現(xiàn)神經(jīng)肌肉阻滯過程的自動給藥控制系統(tǒng)。本文利用泰勒展開推導了高斯過程預測算法優(yōu)化過程的數(shù)學表達，并得到了完整的