عنوان مقاله :
كنترل تطبيقي شبكه عصبي مقاوم قند خون بيماران ديابتي نوع يك در حضور وعده‌هاي غذايي
عنوان به زبان ديگر :
Robust Adaptive Neural Control of the Blood Glucose for Type 1 Diabetic Patients in Presence of Meals
پديد آورندگان :
كوچكي نافچي، زهرا دانشگاه آزاد اسلامي واحد نجف آباد - دانشكده مهندسي برق، نجف آباد، ايران , يوسفي نجف آبادي، محمدرضا دانشگاه آزاد اسلامي واحد نجف آباد - دانشكده مهندسي برق - مركز تحقيقات پردازش ديجيتال و بينايي ماشين، نجف آباد، ايران , شجاعي، خوشنام دانشگاه آزاد اسلامي واحد نجف آباد - دانشكده مهندسي برق - مركز تحقيقات پردازش ديجيتال و بينايي ماشين، نجف آباد، ايران
كليدواژه :
ديابت , كنترل خطي ساز فيدبك , شبكه هاي عصبي , جبران ساز مقاوم , ديدگاه حداقل پارامترهاي آموزش شبكه عصبي
چكيده فارسي :
در اين مقاله كنترل قند خون بيماران ديابتي نوع يك در حضور نامعيني و وعده‌هاي غذايي مورد توجه قرار گرفته است. به منظور ارائه رويكرد كنترلي كارآمد، فرض شده است كه تمام ديناميك‌هاي توصيف‌كننده مكانيزم تنظيم قند خون بيماران ديابتي نوع يك كاملاً نامعين مي‌باشند. براساس توابع تقريب‌زن عمومي شبكه عصبي شعاعي مجهز شده به الگوريتم تطبيق و همچنين استفاده از رويكرد كاهش تعداد پارامترهاي آموزشي شبكه عصبي، ديناميك‌هاي نامعين مدل برگمن تقريب زده شده است. در ادامه براساس رويكرد كنترلي خطي‌ساز فيدبك و جبران‌ساز تطبيقي مقاوم، طراحي كنترل‌كننده خطي‌ساز فيدبك شبكه عصبي به منظور تنظيم قند خون بيماران ديابتي نوع اول در حضور وعده غذايي براي اولين بار مورد بررسي قرار گرفته است. با تحليل مبتني بر تئوري لياپانوف نشان داده شده است كه تمام سيگنال‌هاي سيستم حلقه بسته كنترل قند خون به صورت كران‌دار نهايي يكنواخت ، پايدار مي‌باشند و همچنين قند خون بيماران ديابتي به كراني از مقدار مطلوب همگرا شده است. در انتها، نتايج شبيه‌سازي به منظور نشان دادن كارآمدي كنترل‌كننده طراحي شده به تصوير كشيده شده است.
چكيده لاتين :
In this paper, the blood glucose control for type 1 diabetic patients in the presence of model uncertainties and uncertain meals is considered. In order to present an efficient control approach, it is assumed that the dynamics describe the mechanism of the blood glucose regulation in type 1 diabetic patients are completely unknown. Hence, based on the universal approximation property of the radial basis neural network equipped with an adaptive algorithm, as well as using the minimal learning parameter approach, unknown model dynamics are approximated. Then, based on the feedback-linearization approach and robust adaptive compensation scheme, an appropriate control method is designed to regulate blood glucose in type 1 diabetic patients in the presence of a meal. By a Lyapunov based analysis, it is shown that the closed-loop system of blood glucose control is uniformly ultimately bounded and that the blood glucose of diabetic patients converges to a desired level. Finally, simulation results are shown to demonstrate the efficiency of the designed controller.
