本發(fā)明涉及一種胰島素泵注射量的控制方法，具體來說，涉及一種基于模糊自適應(yīng)比例微積分控制胰島素泵閉環(huán)輸注的方法。

背景技術(shù)：

糖尿病是一種嚴(yán)重危害現(xiàn)代社會人類健康的慢性疾病，但目前在醫(yī)學(xué)界還沒有根治糖尿病的有效手段，醫(yī)院里針對糖尿病患者治療的下一步目標(biāo)是將能夠連續(xù)監(jiān)測糖尿病患者葡萄糖變化的監(jiān)測器與胰島素泵連接進(jìn)行人工胰島，完全實現(xiàn)對糖尿病患者進(jìn)行葡萄糖注射的自動閉環(huán)控制。人工胰島主要由三個部分組成：一是可以準(zhǔn)確實時測量糖尿病患者血糖值并能將數(shù)據(jù)傳輸給控制端的血糖儀，二是可以被自動調(diào)節(jié)的胰島素泵，三是根據(jù)糖尿病患者血糖值不斷反饋調(diào)節(jié)胰島素注射速度的閉環(huán)控制算法。當(dāng)前血糖儀和胰島素泵的研究都逐漸趨于成熟，而進(jìn)行人工胰島的關(guān)鍵在于采取有效的閉環(huán)控制算法或方法的對糖尿病患者血糖進(jìn)行精確控制。

為了實現(xiàn)對糖尿病患者血糖的有效控制，先后出現(xiàn)了多種基于不同控制理論的控制算法。近二十年出現(xiàn)了采用更先進(jìn)控制理論的算法，如Steil提出的比例微積分控制算法、Parker提出的模型預(yù)測控制算法、Richard提出的模糊控制算法等等。

比例微積分控制算法(Proportional Integral Derivative,PID)控制作為最早實用化的控制器，已經(jīng)有70多年的歷史，現(xiàn)在仍然是應(yīng)用最廣泛的工業(yè)控制器。PID設(shè)計的胰島素輸注速度可以看作三部分的加權(quán)和：比例項、積分項和微分項。PID算法的比例、微分、積分三個分量盡可能地模擬人體β細(xì)胞分泌胰島素的生理傳輸過程。線性比例分量對應(yīng)于實測血糖值偏離目標(biāo)血糖值時的胰島素分泌量，當(dāng)實測血糖值等于目標(biāo)血糖值時則為0，因而該分量對于保持日常的基礎(chǔ)胰島素輸注沒有任何貢獻(xiàn)；積分分量用于調(diào)整血糖圍繞目標(biāo)值上下微幅波動時的胰島素分泌量，也是使血糖穩(wěn)定在目標(biāo)值時保持基礎(chǔ)胰島素輸注量的唯一成分，由于積分分量僅在血糖圍繞目標(biāo)值微幅波動時微量調(diào)節(jié)胰島素分泌，因而可以確保血糖能穩(wěn)定在目標(biāo)值；微分分量對應(yīng)于血糖快速變化時迅速調(diào)節(jié)胰島素分泌。PID算法簡單直觀，利用比例項反映血糖控制偏差，積分項反映血糖控制偏差的積分，微分項反映血糖濃度的變化率，其因參數(shù)較少，便于計算，且比例、積分和微分三個分量能較好地跟蹤了血糖的快速、慢速變化，從而在工業(yè)中得到迅速而廣泛的應(yīng)用。在醫(yī)學(xué)領(lǐng)域，雖然Steil通過大量的臨床實驗證明了該算法的有效性和可行性，并對該算法做了改進(jìn)，加入了負(fù)反饋分量以補償血液中胰島素濃度上升引起的抑制β細(xì)胞分泌胰島素的生理效應(yīng)，但這種方法仍然不能很好地應(yīng)對復(fù)雜的血糖控制體系(包括食物消化、胰島素吸收、胰島素半衰期及生理運動等因素)，隨著時間的延長，會出現(xiàn)積分飽和現(xiàn)象，需要進(jìn)行校正，而且由于人體存在胰島素殘留效應(yīng)的影響，必須加入胰島素反饋模塊進(jìn)行校正。

模型預(yù)測控制算法(Model Predictive Control，MPC)是一種基于模型的控制算法，其主要思想是通過預(yù)測未來的輸出，尋找未來一段時間內(nèi)最佳的控制策略，并且根據(jù)實時測量信息及時調(diào)整輸入信號。因模型預(yù)測對建模的不確定性有很好的魯棒性，以及模型預(yù)測的框架可以很方便地處理滯后、飲食攝取后和餐前胰島素大劑量，因此模型預(yù)測控制被認(rèn)為是當(dāng)前人工胰島的最佳選擇。其首先對人體糖代謝生理過程進(jìn)行初步的數(shù)學(xué)建模，作為初始的預(yù)測模型；然后根據(jù)在時間tk之前已知的測量血糖y和胰島素輸注速率u，對該模型參數(shù)進(jìn)行優(yōu)化，再計算此時的胰島素輸注速率及未來的預(yù)測血糖，以縮小預(yù)測血糖與目標(biāo)血糖間的差距；在時間tk+1又會獲得新的測量血糖yk+1，如果yk+1與前一步預(yù)測的時間tk+1處的血糖值不同，該模型就會再次優(yōu)化，如此循環(huán)往復(fù)，直至測量血糖值穩(wěn)定在目標(biāo)血糖，計算模型也隨之穩(wěn)定下來。MPC算法基于病人糖代謝生理模型，每一步均基于當(dāng)前測量血糖值進(jìn)行重新計算，具有滾動優(yōu)化、滾動實施的優(yōu)點，計算結(jié)果能更好跟蹤血糖變化，但缺點是病人代謝模型非常復(fù)雜，計算量很大，需要在實時性和準(zhǔn)確性之間取得較好的平衡。

模糊邏輯(Fuzzy Logic，F(xiàn)L)控制算法是智能控制的主要研究領(lǐng)域之一。人的決策過程往往基于很多模糊的概念，從而提高了決策的效率。為了模仿人類的模糊決策過程，20世紀(jì)70年代，有學(xué)者提出了模糊控制的概念。因模糊控制可以方便地把專家知識融入到控制器設(shè)計中，故模糊邏輯控制算法也在醫(yī)學(xué)領(lǐng)域得到了有效應(yīng)用。其在血糖控制中應(yīng)用的原理是首先對臨床糖尿病治療長期實踐積累的經(jīng)驗進(jìn)行較為全面的總結(jié)，建立專家知識庫，然后運用模糊數(shù)學(xué)的基本理論和方法，把臨床治療經(jīng)驗規(guī)則的條件、操作用模糊集表示，并把這些模糊控制規(guī)則及有關(guān)信息(如臨床評價指標(biāo)等)作為知識存入專家知識庫中，然后根據(jù)實時監(jiān)測的血糖數(shù)據(jù)，運用模糊推理，得出相適應(yīng)的胰島素輸注劑量參數(shù)。該FL算法依托臨床專家將臨床糖尿病治療長期實踐積累的經(jīng)驗知識建立為專家知識庫，轉(zhuǎn)化為模糊邏輯控制規(guī)則，符合臨床治療的常規(guī)經(jīng)驗，易于為臨床醫(yī)生所理解。但是因模糊控制屬于基于規(guī)則的方法難以實現(xiàn)個體化，由于不同個體血糖動態(tài)的差異性很大，加上采用模糊邏輯控制算法，在歸納模糊規(guī)則和選取模糊隸屬度函數(shù)主要依靠經(jīng)驗，具有較大的主觀性，存在模糊區(qū)間的不易劃分、響應(yīng)不夠及時的缺點，這些缺陷給模糊控制的發(fā)展及進(jìn)一步推廣帶來很大阻礙，甚至限制了模糊控制在人工胰島的應(yīng)用。

據(jù)中國專利文獻(xiàn)號CN102836481A公開(公告)日2012年12月26日，公開了一種新型胰島素泵，包括有血糖檢測系統(tǒng)、控制系統(tǒng)以及胰島素注射系統(tǒng)，其中：血糖檢測系統(tǒng)包括有血糖傳感器以及連接血糖傳感器的無線發(fā)射模塊，血糖檢測系統(tǒng)能夠連續(xù)檢測糖尿病患者的血糖含量，并可以通過無線方式傳輸給控制系統(tǒng)；控制系統(tǒng)包括有接收血糖檢測系統(tǒng)發(fā)來的血糖數(shù)據(jù)的無線接收模塊以及微控制器系統(tǒng)，無線接收模塊將接收到的血糖數(shù)據(jù)傳送給微控制器模塊，由微控制器計算及模型修正之后得出所需注射的胰島素劑量。本發(fā)明創(chuàng)作采用閉環(huán)胰島素注射方式，模擬正常人體胰腺分泌胰島素的工作原理，由血糖檢測系統(tǒng)測量獲得患者血糖數(shù)據(jù)，本發(fā)明能根據(jù)患者血糖含量實時調(diào)整胰島素的注射劑量，達(dá)到注射胰島素的目的。該技術(shù)只是描述了血糖檢測系統(tǒng)的各個模塊組成，并沒有對控制模塊的關(guān)鍵算法給出說明，在實時控制方面對高血糖或低血糖的控制也不得而知。同時無法針對不同患者對胰島素敏感程度不同的問題，未能體現(xiàn)出這種差異性。該技術(shù)中的控制算法僅僅針對單個患者進(jìn)行胰島素控制，并沒有進(jìn)行相關(guān)算法在不同環(huán)境下適用情況的測試。

此外，從控制方法理論的角度出發(fā)，關(guān)于人工胰島的控制算法目前還存在大量理論上的挑戰(zhàn)：1)由于人體動態(tài)的復(fù)雜性，“胰島素‐血糖濃度”動態(tài)變化是一個典型的非穩(wěn)態(tài)過程，這給控制算法的設(shè)計帶來了極大的困難；2)“胰島素‐血糖濃度”過程是非穩(wěn)態(tài)的，因此非線性特征就會表現(xiàn)得非常強烈，非線性系統(tǒng)的控制問題是一個基礎(chǔ)性難點問題；3)人類的多樣性和人體參數(shù)的時變性使得血糖控制變得非常困難；4)影響“胰島素‐血糖濃度”動態(tài)的外部干擾包括飲食、物理活動、壓力等，這些外部干擾很難被實時測量。針對上述問題，并結(jié)合當(dāng)前關(guān)于人工胰島的胰島素輸注速度實現(xiàn)完全閉環(huán)控制的研究重點，考慮到患者飲食的不確定性以及個體化差異的存在，所設(shè)計的閉環(huán)控制算法必須既能夠很好地包容這些外部干擾，又要有很好的普適性，還要有較好的魯棒性。

因此，急需設(shè)計出一種可以包容外部干擾、具有很好的普適性和較好的魯棒性的胰島素泵的閉環(huán)控制算法，以解決現(xiàn)有現(xiàn)有胰島素泵的閉環(huán)控制算法中存在的問題。

技術(shù)實現(xiàn)要素：

針對以上的不足，本發(fā)明在可穿戴連續(xù)血糖監(jiān)測系統(tǒng)及可精確進(jìn)行胰島素輸注的胰島素泵的技術(shù)基礎(chǔ)上，針對人工胰腺技術(shù)中最為核心的閉環(huán)胰島素輸注智能控制算法展開研究，根據(jù)人體實時血糖連續(xù)監(jiān)測數(shù)據(jù)，即時、微量、動態(tài)地調(diào)整胰島素泵給藥量，進(jìn)行實時輸注，形成胰島素泵輸注給藥與連續(xù)血糖監(jiān)測的閉環(huán)控制方法及其系統(tǒng)，該閉環(huán)控制系統(tǒng)不依賴于被控對象的精確數(shù)學(xué)模型，動靜態(tài)性能好，且具有很好的自適應(yīng)性和魯棒性，能夠大大降低人體血糖的波動范圍，將血糖水平控制在設(shè)定的目標(biāo)區(qū)間，提高胰島素注射療法的精確性和有效性，使糖尿病患者的血糖水平接近甚至達(dá)到正常人的標(biāo)準(zhǔn)，大大降低各種并發(fā)癥的產(chǎn)生，提高患者的生存質(zhì)量。

本發(fā)明的控制胰島素泵閉環(huán)輸注的方法是以糖尿病患者的血糖濃度作為控制對象，實時血糖測量值作為PID控制器的輸入，胰島素泵注射量作為PID控制器的輸出，并根據(jù)實時監(jiān)測的血糖數(shù)據(jù)運用模糊邏輯推理，模擬人的決策過程對PID預(yù)測模型中的各個參數(shù)的不斷滾動優(yōu)化，使得PID控制器的控制方法能夠精確地計算出胰島素的注射時間和注射量，為患者提供接近正常范圍的血糖控制，實現(xiàn)將模糊自適應(yīng)PID控制算法對胰島素泵的輸注進(jìn)行最優(yōu)的閉環(huán)控制，本發(fā)明的控制胰島素泵閉環(huán)輸注的方法包括以下步驟：

步驟10：根據(jù)胰島素泵的結(jié)構(gòu)和運行特征建立數(shù)學(xué)模型，以糖尿病患者的血糖濃度作為控制對象，以糖尿病患者的血糖測量值作為PID控制器的輸入，根據(jù)實時人體血糖監(jiān)測數(shù)據(jù)進(jìn)行分析處理，采用PID控制算法的比例、微分、積分三個分量模擬人體β細(xì)胞分泌胰島素的生理傳輸過程，建立基于PID控制算法的預(yù)測模型，并以此PID模型作為基本模型；

步驟20：確定步驟10中PID模型的各個控制參數(shù)，并根據(jù)PID模型各個控制參數(shù)的特點，設(shè)計模糊控制算法的模糊邏輯控制規(guī)則，依據(jù)實時人體血糖監(jiān)測數(shù)據(jù)分析，依托臨床專家并將臨床糖尿病治療長期實踐積累的經(jīng)驗知識建立為專家知識庫，轉(zhuǎn)化為對PID模型的各個控制參數(shù)進(jìn)行優(yōu)化調(diào)整的模糊邏輯控制規(guī)則；

步驟30：運用步驟20中建立的模糊邏輯控制規(guī)則進(jìn)行模糊邏輯推理，模擬人的決策過程對步驟10中所建立的PID模型的各個參數(shù)進(jìn)行滾動優(yōu)化，建立閉環(huán)胰島素輸注模糊自適應(yīng)PID控制方法，計算出糖尿病患者實時的胰島素給藥量。

為了進(jìn)一步實現(xiàn)本發(fā)明，所述步驟10中的PID模型如下式所示：

其中，人體β細(xì)胞因血糖變化分泌的胰島素量PID(t)由比例分量、積分分量和微分分量構(gòu)成，式(1)中G_B為設(shè)定目標(biāo)血糖值，G為實時測量血糖值，K_p、K_I和K_D分別是比例分量、積分分量和微分分量的增益；所述比例分量對應(yīng)于實測血糖值偏離目標(biāo)血糖值時的胰島素分泌量，當(dāng)實測血糖值等于目標(biāo)血糖值時則為0；所述積分分量用于調(diào)整血糖圍繞目標(biāo)值上下微幅波動時的胰島素分泌量；所述微分分量對應(yīng)于血糖快速變化時迅速調(diào)節(jié)胰島素分泌。

為了進(jìn)一步實現(xiàn)本發(fā)明，所述步驟20中的模糊邏輯控制規(guī)則建立過程為：

步驟21：對臨床糖尿病治療長期實踐積累的經(jīng)驗進(jìn)行較為全面的總結(jié)，建立專家知識庫；

步驟22：運用模糊數(shù)學(xué)的基本理論和方法，把臨床治療經(jīng)驗規(guī)則的條件、操作用模糊集表示；

步驟23：將這些模糊控制規(guī)則及相關(guān)信息作為知識存入專家知識庫中；

步驟24：根據(jù)實時監(jiān)測的血糖數(shù)據(jù)，運用模糊邏輯推理，得出相適應(yīng)的胰島素輸注劑量的參數(shù)。

為了進(jìn)一步實現(xiàn)本發(fā)明，所述步驟22中用于表示臨床治療經(jīng)驗規(guī)則的條件、操作的模糊集，是將實時監(jiān)測的血糖值與設(shè)定目標(biāo)血糖之間的偏差e和偏差的變化率ec變化范圍定義為模糊集上的論域，其論域的模糊子集E＝{NB，NM，NS，ZO，PS，PM，PB}，EC＝{NB，NM，NS，ZO，PS，PM，PB}；其中，子集中語言值NB、NM、NS、ZO、PS、PM，PB分別表示負(fù)大、負(fù)中、負(fù)小、零、正小、正中、正大。

為了進(jìn)一步實現(xiàn)本發(fā)明，所述步驟24中的模糊推理是一種近似推理，其以模糊數(shù)學(xué)的基本理論和方法，以及臨床治療經(jīng)驗和專家知識庫所建立的模糊規(guī)則為基礎(chǔ)，在模糊控制中模擬人的決策過程，基于臨床專家將臨床糖尿病治療長期實踐積累的經(jīng)驗知識所建立的專家知識庫，運用模糊邏輯推理，得出相適應(yīng)的胰島素輸注劑量最適合的調(diào)整參數(shù)，以符合臨床治療的常規(guī)經(jīng)驗。

為了進(jìn)一步實現(xiàn)本發(fā)明，所述步驟24中的模糊推理是將隸屬函數(shù)將量化值e、ec模糊化為模糊判決的輸入量，依據(jù)模糊子集E、EC和K_P、K_I、K_D服從三角形函數(shù)分布，從而得出模糊子集E、EC的隸屬度，根據(jù)各模糊子集E、EC的隸屬度賦值表和各參數(shù)模糊調(diào)整規(guī)則模型建立模糊邏輯規(guī)則表，并運用模糊邏輯規(guī)則表設(shè)計PID模型中的參數(shù)模糊調(diào)整矩陣表，得到修正參數(shù)ΔK_P、ΔK_I、ΔK_D。

為了進(jìn)一步實現(xiàn)本發(fā)明，所述模糊邏輯規(guī)則表的調(diào)節(jié)規(guī)則，可以寫成以下判斷語句進(jìn)行邏輯規(guī)則控制處理，得到修正參數(shù)ΔK_P、ΔK_I、ΔK_D；

1)if e＝NB and ec＝NB thenΔK_P＝PB

2)if e＝NM and ec＝NM thenΔK_P＝PB

3)if e＝NS and ec＝NS thenΔK_P＝PM

……

1)if e＝NB and ec＝NB thenΔK_I＝NB

2)if e＝NM and ec＝NM thenΔK_I＝NB

3)if e＝NS and ec＝NS thenΔK_I＝NS

……

1)if e＝NB and ec＝NB thenΔK_D＝PS

2)if e＝NM and ec＝NM thenΔK_D＝NS

3)if e＝NS and ec＝NS thenΔK_D＝NM

……

為了進(jìn)一步實現(xiàn)本發(fā)明，所述步驟30中的模糊自適應(yīng)PID控制方法，是以模糊控制算法對PID模型進(jìn)行參數(shù)控制，通過控制器輸入端輸入血糖偏差的誤差e和誤差變化率ec，找出基于PID控制算法所建立的基本模型各個參數(shù)與血糖偏差的誤差e和誤差變化率ec之間的模糊關(guān)系，在運行中通過不斷檢測e和ec，根據(jù)模糊控制理論對各個參數(shù)進(jìn)行及時、動態(tài)地在線修改，以滿足不同e和ec時對控制參數(shù)的不同要求，輸出為PID模型的調(diào)節(jié)量；在模糊自適應(yīng)PID控制方法進(jìn)行運算時，由模糊控制算法不斷地修正PID模型的各個輸入?yún)?shù)可自動實現(xiàn)對PID模型參數(shù)的最佳調(diào)整，進(jìn)行模糊自適應(yīng)PID控制器的控制。

為了進(jìn)一步實現(xiàn)本發(fā)明，所述步驟30中的模糊自適應(yīng)PID控制方法是先找出比例微積分算法預(yù)測模中的三個參數(shù)與偏差e以及偏差變化率ec之間的模糊關(guān)系，在運行中通過不斷檢測偏差e和偏差變化率ec，再根據(jù)模糊控制規(guī)則對比例微積分算法預(yù)測模中的三個參數(shù)進(jìn)行滾動優(yōu)化，則優(yōu)化后的參數(shù)定義為：

K_P＝K'_P+ΔK_P

K_I＝K_I'+ΔK_I

K_D＝K'_D+ΔK_D

式中K_P、K_I和K_D分別是比例分量、積分分量和微分分量的增益，K'_P，K_I'，K'_D是K_P、K_I、K_D的初始參數(shù)，它們通過常規(guī)方法得到；在優(yōu)化的過程中，不斷檢測實時血糖的輸出值，并實時地計算出血糖偏差和偏差變化量，然后將它們模糊化的e和ec，通過查詢模糊控制調(diào)整矩陣可得到K_P、K_I和K_D三個參數(shù)的調(diào)整量，從而實現(xiàn)對K_P、K_I、K_D三個參數(shù)的不斷優(yōu)化。

本發(fā)明相對于現(xiàn)有技術(shù)具有的有益效果：

1、本發(fā)明的基于模糊自適應(yīng)比例微積分控制的胰島素泵閉環(huán)輸注的智能控制方法，可以根據(jù)人體實時血糖連續(xù)監(jiān)測數(shù)據(jù)，即時、微量、動態(tài)地調(diào)整胰島素泵給藥量，進(jìn)行實時輸注，形成胰島素泵輸注給藥與連續(xù)血糖監(jiān)測的閉環(huán)控制系統(tǒng)，該方法控制的閉環(huán)控制系統(tǒng)不依賴于被控對象的精確模型，動靜態(tài)性能好，具有很好的自適應(yīng)性和魯棒性，能夠大大降低人體血糖的波動范圍，將血糖水平控制在設(shè)定的目標(biāo)區(qū)間，從而提高胰島素注射療法的精確性和有效性，使糖尿病患者的血糖水平接近甚至達(dá)到正常人的標(biāo)準(zhǔn)，大大降低各種并發(fā)癥的產(chǎn)生，提高患者的生存質(zhì)量。

2、本發(fā)明的胰島素泵閉環(huán)輸注的控制算法有機結(jié)合現(xiàn)有技術(shù)在PID(比例微積分)算法和FL(模糊邏輯)算法上的研究成果，形成一種模糊自適應(yīng)比例微積分控制的胰島素泵閉環(huán)輸注的智能控制方法，針對人體血糖濃度具有大滯后、非線性、時變性和無法得出精確數(shù)學(xué)模型等特點，采用PID算法模擬人體β細(xì)胞分泌胰島素的生理傳輸過程，作為基本模型，并采用FL算法對PID模型中的各參進(jìn)行滾動優(yōu)化，對胰島素輸注設(shè)備進(jìn)行智能控制，以控制胰島素輸注設(shè)備，具備兩者優(yōu)點，既保留了常規(guī)模糊控制的優(yōu)點，又加強了系統(tǒng)的穩(wěn)定性，同時充分發(fā)揮了PID和FL兩大算法的優(yōu)點，可以實現(xiàn)對胰島素泵的輸注給藥量進(jìn)行最優(yōu)的閉環(huán)控制。

附圖說明

圖1為本發(fā)明的閉環(huán)式胰島素泵閉環(huán)輸注系統(tǒng)的控制原理圖；

圖2為本發(fā)明的模糊自適應(yīng)PID控制方法的流程圖；

圖3為本發(fā)明實施例1的實驗結(jié)果曲線圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明進(jìn)行進(jìn)一步闡述，其中，本發(fā)明的方向以圖1為標(biāo)準(zhǔn)。

如圖1和圖2所示，本發(fā)明的基于模糊自適應(yīng)比例微積分控制胰島素泵閉環(huán)輸注的方法，在可穿戴連續(xù)血糖監(jiān)測系統(tǒng)及可精確進(jìn)行胰島素輸注的胰島素泵的技術(shù)基礎(chǔ)上，針對人工胰腺技術(shù)中最為核心的閉環(huán)胰島素輸注智能控制算法展開研究，是以糖尿病患者的血糖濃度作為控制對象，實時血糖測量值作為PID控制器的輸入，胰島素泵注射量作為PID控制器的輸出，并根據(jù)實時監(jiān)測的血糖數(shù)據(jù)運用模糊邏輯推理，模擬人的決策過程對PID預(yù)測模型中K_P、K_I和K_D三個參數(shù)的不斷滾動優(yōu)化，使得PID控制器的控制方法能夠精確地計算出胰島素的注射時間和注射量，為患者提供接近正常范圍的血糖控制，實現(xiàn)將模糊自適應(yīng)PID控制算法對胰島素泵的輸注進(jìn)行最優(yōu)的閉環(huán)控制。本發(fā)明包括以下步驟：

步驟10：根據(jù)胰島素泵的結(jié)構(gòu)和運行特征建立數(shù)學(xué)模型，以糖尿病患者的血糖濃度作為控制對象，以糖尿病患者的血糖測量值作為PID控制器的輸入，并用MATLAB科學(xué)計算軟件中的Simulink模塊作為仿真計算平臺設(shè)計合適的PID控制算法，根據(jù)實時人體血糖監(jiān)測數(shù)據(jù)進(jìn)行分析處理，采用PID控制算法的比例、微分、積分三個分量模擬人體β細(xì)胞分泌胰島素的生理傳輸過程，建立基于PID控制算法的預(yù)測模型，并以此預(yù)測模型作為基本模型：

其中，式(1)中人體β細(xì)胞因血糖變化分泌的胰島素量PID(t)由比例分量、積分分量和微分分量構(gòu)成，G_B為設(shè)定目標(biāo)血糖值，G為實時測量血糖值，K_p、K_I和K_D分別是比例分量、積分分量和微分分量的增益；對應(yīng)地，比例分量對應(yīng)于實測血糖值偏離目標(biāo)血糖值時的胰島素分泌量，當(dāng)實測血糖值等于目標(biāo)血糖值時則為0；積分分量用于調(diào)整血糖圍繞目標(biāo)值上下微幅波動時的胰島素分泌量；所述微分分量對應(yīng)于血糖快速變化時迅速調(diào)節(jié)胰島素分泌。

步驟20：確定基于PID控制算法的預(yù)測模型的控制參數(shù)，并根據(jù)PID模型控制參數(shù)的特點，設(shè)計模糊控制算法的模糊邏輯控制規(guī)則，依據(jù)實時人體血糖監(jiān)測數(shù)據(jù)分析，依托臨床專家并將臨床糖尿病治療長期實踐積累的經(jīng)驗知識建立為專家知識庫，轉(zhuǎn)化為對PID模型控制參數(shù)進(jìn)行優(yōu)化調(diào)整的模糊邏輯控制規(guī)則。具體地，步驟20包括下列步驟

步驟21：對臨床糖尿病治療長期實踐積累的經(jīng)驗進(jìn)行較為全面的總結(jié)，建立專家知識庫；

步驟22：運用模糊數(shù)學(xué)的基本理論和方法，把臨床治療經(jīng)驗規(guī)則的條件、操作用模糊集表示；

在本實施例中，將實時監(jiān)測的血糖值與設(shè)定目標(biāo)血糖之間的偏差e和偏差的變化率ec變化范圍定義為模糊集上的論域。其論域的模糊子集E＝{NB，NM，NS，ZO，PS，PM，PB}，EC＝{NB，NM，NS，ZO，PS，PM，PB}，子集中NB、NM、NS、ZO、PS、PM，PB分別代表負(fù)大、負(fù)中、負(fù)小、零、正小、正中、正大。

步驟23：將這些模糊控制規(guī)則及相關(guān)信息(如臨床評價指標(biāo)等)作為知識存入專家知識庫中；

步驟24：根據(jù)實時監(jiān)測的血糖數(shù)據(jù)，運用模糊邏輯推理，得出相適應(yīng)的胰島素輸注劑量參數(shù)；其中，模糊推理是一種近似推理，以模糊數(shù)學(xué)的基本理論和方法，以及臨床治療經(jīng)驗和專家知識庫所建立的模糊規(guī)則為基礎(chǔ)，在模糊控制中模擬人的決策過程，基于臨床專家將臨床糖尿病治療長期實踐積累的經(jīng)驗知識所建立的專家知識庫，運用模糊邏輯推理，得出相適應(yīng)的胰島素輸注劑量最適合的調(diào)整參數(shù)，以符合臨床治療的常規(guī)經(jīng)驗。

隸屬函數(shù)將量化值e、ec模糊化為模糊判決的輸入量，隸屬函數(shù)曲線一般有單值型、高斯型、三角形等，由于三角形函數(shù)簡單，故本模糊控制算法的各語言變量的隸屬度函數(shù)采用三角形函數(shù)。設(shè)定模糊子集E、EC和K_P、K_I、K_D服從三角形函數(shù)分布，從而得出模糊子集E、EC的隸屬度，根據(jù)各模糊子集E、EC的隸屬度賦值表和各參數(shù)模糊調(diào)整規(guī)則模型，運用模糊規(guī)則表設(shè)計PID模型參數(shù)的模糊調(diào)整矩陣表1～表3，根據(jù)模糊控制規(guī)則表(表1～表3)進(jìn)行模糊推理得到修正參數(shù)ΔK_P、ΔK_I、ΔK_D三個參數(shù)；其中，三個參數(shù)ΔK_P、ΔK_I、ΔK_D的模糊控制規(guī)則參見表1～表3所示。

表1K_P輸出量的模糊規(guī)則表

表2K_I輸出量的的模糊規(guī)則

表3K_D輸出量的的模糊規(guī)則表

對于模糊控制表(表1)輸出量ΔK_P的調(diào)節(jié)規(guī)則可以寫成以下判斷語句進(jìn)行控制處理：

1)if e＝NB and ec＝NB thenΔK_P＝PB

2)if e＝NM and ec＝NM thenΔK_P＝PB

3)if e＝NS and ec＝NS thenΔK_P＝PM

……

對于模糊控制表(表2)輸出量ΔK_I的調(diào)節(jié)規(guī)則可以寫成以下判斷語句進(jìn)行模糊控制處理：

1)if e＝NB and ec＝NB thenΔK_I＝NB

2)if e＝NM and ec＝NM thenΔK_I＝NB

3)if e＝NS and ec＝NS thenΔK_I＝NS

……

對于模糊控制表(表3)輸出量ΔK_D的調(diào)節(jié)規(guī)則分別寫成以下判斷語句進(jìn)行控制處理：

1)if e＝NB and ec＝NB thenΔK_D＝PS

2)if e＝NM and ec＝NM thenΔK_D＝NS

3)if e＝NS and ec＝NS thenΔK_D＝NM

……

經(jīng)過模糊推理得到的控制輸出量是一個模糊集合，需要進(jìn)行模糊判決，使輸出的模糊集合成為一個確切的控制量，即知道偏差e及偏差變化率ec的情況下，通過查表便可求得相適應(yīng)的的參數(shù)，再通過基于PID控制算法將模糊量轉(zhuǎn)換為人體胰島素輸注劑量的精確量。該模糊控制算法依托臨床專家將臨床糖尿病治療長期實踐積累的經(jīng)驗知識建立為專家知識庫，轉(zhuǎn)化為模糊邏輯控制規(guī)則，符合臨床治療的常規(guī)經(jīng)驗，易于為臨床醫(yī)生所理解。

步驟30：運用步驟20中建立的模糊邏輯控制規(guī)則進(jìn)行模糊邏輯推理，對步驟10中建立的基于PID預(yù)測模型中的各個參數(shù)進(jìn)行滾動優(yōu)化，建立閉環(huán)胰島素輸注模糊自適應(yīng)PID控制方法，計算出實時的胰島素給藥量。

其中，所建立的模糊自適應(yīng)PID控制方法，是以模糊控制算法對PID模型進(jìn)行參數(shù)控制，通過控制器輸入端輸入血糖偏差的誤差e和誤差變化率ec，找出PID模型模型中各個參數(shù)與血糖偏差的誤差e和誤差變化率ec之間的模糊關(guān)系，在運行中通過不斷檢測e和ec，根據(jù)模糊控制理論對各個參數(shù)進(jìn)行及時、動態(tài)地在線修改，以滿足不同e和ec時對控制參數(shù)的不同要求，輸出為PID模型的調(diào)節(jié)量；在模糊自適應(yīng)PID控制方法進(jìn)行運算時，由模糊控制算法不斷地修正PID模型的各個輸入?yún)?shù)，可自動實現(xiàn)對PID模型參數(shù)的最佳調(diào)整，進(jìn)行模糊自適應(yīng)PID控制器的控制。

具體地，本實施例中，模糊自適應(yīng)PID控制方法的實現(xiàn)，是先找出PID算法模型中三個參數(shù)與偏差e和偏差變化率ec之間的模糊關(guān)系，在運行中通過不斷檢測e和ec，再根據(jù)模糊控制規(guī)則對PID的K_P、K_I、K_D三個參數(shù)進(jìn)行滾動優(yōu)化，則優(yōu)化后的參數(shù)定義為：

K_P＝K'_P+ΔK_P

K_I＝K_I'+ΔK_I (2)

K_D＝K'_D+ΔK_D

式(2)中K_P、K_I和K_D分別是比例分量、積分分量和微分分量的增益，K'_P，K_I'，K'_D是K_P、K_I、K_D的初始參數(shù)，它們通過常規(guī)方法得到。在優(yōu)化的過程中，通過不斷檢測實時血糖的輸出值，并實時地計算出血糖偏差和偏差變化量，然后將糖偏差和偏差變化量通過模糊關(guān)系轉(zhuǎn)化成模糊化的e和ec，通過查詢模糊控制調(diào)整矩陣可得到K_P、K_I和K_D三個參數(shù)的調(diào)整量，實現(xiàn)對K_P、K_I和K_D三個參數(shù)的不斷滾動優(yōu)化。

本發(fā)明的成功應(yīng)用實例：將設(shè)計好的基于模糊自適應(yīng)比例微積分控制的胰島素泵閉環(huán)輸注的智能控制方法植入美國FDA批準(zhǔn)的可代替動物實驗的糖尿病模擬治療測試軟件，對算法進(jìn)行性能測試。該軟件為美國FDA批準(zhǔn)的唯一可用于代替動物實驗的模擬進(jìn)行糖尿病治療的軟件測試平臺，該平臺包括了100個虛擬的糖尿病成人患者、100個青少年患者和100個兒童患者數(shù)據(jù)，提供了虛擬的CGMS和胰島素泵，用戶只需要將自己的控制算法導(dǎo)入就可以對任何虛擬患者進(jìn)行血糖控制仿真實驗。其中一位患有糖尿病成人的實驗結(jié)果，如圖3中血糖密度函數(shù)分布曲線所示，結(jié)果顯示了該控制方法能夠使得血糖水平控制在設(shè)定的目標(biāo)區(qū)間內(nèi)。

因此，本發(fā)明可以根據(jù)實時監(jiān)測到的人體血糖數(shù)據(jù)，利用智能控制器內(nèi)置的模糊自適應(yīng)比例微積分控制算法，自動、即時、微量、智能地調(diào)整胰島素輸注設(shè)備給藥量，從而進(jìn)行實時輸注，形成胰島素輸注與連續(xù)血糖監(jiān)測的閉環(huán)控制系統(tǒng)，能夠大大降低人體血糖的波動范圍，將血糖水平控制在設(shè)定的目標(biāo)區(qū)間，提高胰島素注射療法的精確性和有效性，使糖尿病患者的血糖水平接近甚至達(dá)到正常人的標(biāo)準(zhǔn)，大大降低各種并發(fā)癥的產(chǎn)生，提高患者的生存質(zhì)量。

此外，本發(fā)明的胰島素泵閉環(huán)輸注的控制算法有機結(jié)合現(xiàn)有技術(shù)在PID(比例微積分)算法和FL(模糊邏輯)算法上的研究成果，形成一種模糊自適應(yīng)PID控制的胰島素泵閉環(huán)輸注的智能控制方法，針對人體血糖濃度具有大滯后、非線性、時變性和無法得出精確數(shù)學(xué)模型等特點，采用PID算法模擬人體β細(xì)胞分泌胰島素的生理傳輸過程，作為基本模型，并采用FL算法對PID模型中的各參進(jìn)行滾動優(yōu)化，對胰島素輸注設(shè)備進(jìn)行智能控制，以控制胰島素輸注設(shè)備，既保留了常規(guī)模糊控制的優(yōu)點，又加強了系統(tǒng)的穩(wěn)定性，同時充分發(fā)揮了PID和FL兩大算法的優(yōu)點，可以實現(xiàn)對胰島素泵的輸注進(jìn)行最優(yōu)的閉環(huán)控制。

以上所述僅為本發(fā)明的較佳實施方式，本發(fā)明并不局限于上述實施方式，在實施過程中可能存在局部微小的結(jié)構(gòu)改動，如果對本發(fā)明的各種改動或變型不脫離本發(fā)明的精神和范圍，且屬于本發(fā)明的權(quán)利要求和等同技術(shù)范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型。