论文部分内容阅读
大脑是人体最重要的器官之一,外伤性脑损伤往往会造成死亡或者严重的后遗症。大量动物实验和临床试验都表明亚低温对颅脑损伤具有保护神经和减少二次损坏的治疗作用。如何通过颅脑表面制冷,精确控制颅脑内部的降温、维持和升温过程,最大程度地保护神经,同时减少副作用,是目前亟待研究解决的关键问题。本文通过理论分析、仿真建模和动物实验,提出了一种针对颅脑亚低温治疗,能够满足临床治疗要求,适应不同情况的控制方法,具有重要的临床意义和社会意义。本文首先基于Pennes生物传热方程建立了描述颅脑产热和传热特性的颅脑简化模型,利用该模型分析了颅脑亚低温过程非线性、时变、大时滞的特性。对颅脑亚低温治疗中常见的PID控制和模糊控制进行了理论分析和仿真实验,指出常规控制方法在亚低温控制中的不足之处。据此,针对颅脑亚低温过程特点,结合模糊神经网络和模型参考控制,提出了一种新的自适应控制方法。模糊神经网络是用神经元网络来构造模糊系统,既有模糊逻辑善于表达人的经验性知识的特点,又具备神经元网络的学习和自适应能力。采用一阶线性系统作为参考模型,具有两个模糊神经网络结构,采用变步长BP学习算法,可以实现在线学习和调整规则参数及隶属函数参数,具有高度鲁棒性,适用于非线性、大时滞、时变的颅脑亚低温过程的控制。针对颅脑表面制冷和深部温度间的复杂关系,以及对颅脑深部温度的可控性的实验研究,本文设计开发了一套颅脑亚低温实验平台,采用半导体制冷循环水对颅脑表面制冷的方式研究对颅脑深部温度的控制方法。利用该实验平台,以SD大鼠为实验对象,对常规控制算法和本文提出的基于模糊神经网络自适应控制算法进行了颅脑亚低温控制实验。实验结果表明,相比传统的PID控制和模糊控制,基于模糊神经网络的自适应控制具有更好的控制精度和稳定性,同时能更好地抑制参数变化和外部扰动对系统的影响,即具有更强的鲁棒性。该实验为自适应控制方法在临床亚低温治疗中的应用提供了实验依据。