針對麻醉用藥的個體差異,術中麻醉維持的復雜性和不確定性,以及當前監測手段存在的缺陷,傳統麻醉深度PID控制器不能滿足其非線性控制需要,而以往麻醉深度(DOA)模糊控制器的規則完全依賴于經驗調節,因此無法達到預期的控制效果。本研究建立了以大腦狀態指數(CSI)為反饋變量的模糊麻醉閉環控制系統,并采用粒子群算法同時優化基于CSI的變化和異丙酚輸出率之間的模糊控制規則和隸屬度函數。通過系統仿真將CSI值的目標設定在40和30,并加入高斯噪聲以模擬臨床干擾。實驗表明,該系統能準確、快速、平穩地達到CSI預設值,且在噪聲干擾下,無明顯擾動。經粒子群優化(PSO)過的基于CSI模糊控制器應用在DOA閉環控制系統具有較好的穩定性及魯棒性。
本文介紹的胸外按壓閉環控制是在胸外按壓心肺復蘇中引入冠脈灌注壓(CPP)標準來調節按壓深度的自動控制技術。它采用個性化急救方案,突破了以統一的按壓深度和頻率為標準評價胸外按壓質量而忽視患者個體差異的局限性,對提高胸外按壓效率有著重要意義。本研究重建了Charles F. Babbs人體血液循環模型,添加了CPP檢測模塊,設計了閉環胸外按壓自動控制器,并進行了計算機仿真實驗。實驗表明,基于模糊控制的閉環胸外按壓控制器,不但調節時間短,超調量小,而且幾乎無振蕩現象發生;在有效調節和穩定維持CPP方面,均表現出了優異的控制性能。
機械通氣是臨床上用于改善患者呼吸的重要輔助手段, 所以機械通氣參數設定的正確與否直接影響著患者體內的氣體交換過程。本文嘗試建立一種基于人體肺部氣體交換數學模型的機械通氣模糊邏輯決策系統。人體肺部氣體交換數學模型可以根據患者的生理參數模擬出患者的肺部氣體交換情況, 便于臨床醫生更好地了解和掌握患者的病情。決策系統應用模糊控制的方法提出適合患者的機械通氣設定參數, 為臨床醫生進行機械通氣的設置提供參考。實驗選取10名在ICU接受機械通氣治療的患者, 系統根據每一位患者的生理參數建立了相應的氣體交換數學模型, 并提供了適合患者的機械通氣設定參數, 與患者當前接受的機械通氣設定參數進行對比。結果表明系統提出的機械通氣設定參數在滿足患者氣體交換要求的前提下盡可能地降低了吸入氧濃度的值, 在滿足分鐘通氣量的前提下盡可能地降低患者呼吸功, 改善了患者的氣體交換情況。