随着生活水平的日益提高,人们患心血管疾病的数量也越来越多,在心血管疾病中属心脏衰竭最为严重,但是心脏衰竭相当严重的时候,治疗心脏病比较常见的方法是进行心脏移植或安装心脏泵。由于需要等待移植的人很多,而相应的可移植的活体心脏又太少,满足不了患者数量的要求,因此各类心脏泵得到了快速发展。本文所用的人工心脏泵为最新研发的分体式人工心脏泵,这种类型的心脏泵的血泵被安装在人的主动脉上,如果按照传统的控制方式对心脏泵进行控制,则达不到预期的效果,传统的方法中,没有充分考虑到患者在日常生活中,随着状态的改变,生理参数也存在着不同,心脏泵的转速不能够很好的适应人的生理要求。在未来时间,研发结合人的生理参数,满足人的不同状态,适应人的生理要求,是研究人工心脏泵的主要难题,为了保证心脏泵的正常运行,满足心脏泵的控制要求,使心脏泵达到辅助人的最佳水准,本文针对上述的问题得出下面三种控制策略:1)循环系统及心脏泵参数模型建立。首先主要是对血液循环系统进行了数学建模。本文利用了循环系统中流动特性与电路存在着相同的特性,通过电路中的一些器件对人的循环系统结构,如左右心室、动脉,静脉、主动脉、外周阻力进行了建模,用电容代表血管顺应性,电感代表血流惯性,电阻代表阻力,可以更好地帮助了解和掌握循环系统中每个部分的规律,方便后续设计控制系统,为其提供了可靠地理论依据。2)循环系统复杂环境中,影响血泵控制器转速期望值的过程参数较多,如果对得到的数据不加处理,将这些数据直接作为优化模型的输入变量,就会导致模型的输入变量过多,进而会影响优化模型的输出结果,为此利用主成分对其中参数进行降维处理,简化优化模型,提高优化精度。在此基础上,第一种网络优化模型是采用改进PSO对常规灰色神经网络(GNN)的白化参数进行优化,保证了优化网络的精度,针对心脏泵转速的优化网络,选取了3个影响因素作为输入样本,实际转速作为输出样本,建立了改进PSO-GNN与GNN模型,得出了各因素的影响程度。经过实验,分析结果表明,采用改进PSO-GNN模型不仅提高了优化精度,提高性能,而且具备良好的稳定性,说明了本文中提出的改进的PSO-GNN算法是有效可行的。第二种网络优化模型是改进粒子群算法(IPSO)优化支持向量机(SVM)的方法将循环系统中复杂因素考虑到模型中。利用主成分分析(PCA)对循环系统影响因素进行降维分析,利用改进粒子群算法优化支持向量机得到模型参数,对血泵转速期望值优化。结果表明,利用主成分分析的改进粒子群算法优化支持向量机在血泵转速优化网络中具有更好的逼近能力和优化精度,说明此算法能有效可行。3)为了更好地对心脏泵性能进行评估,本文选取了未安装心脏泵和安装心脏泵各个参数的变化情况历史参考文献数据进行主成分分析建立评价标准,将七个参数进行降维处理变为三个主成分,分析得出其综合指标数值越大表明心脏泵性能越好,心脏泵辅助水平越好,再跟本文优化后的转速期望值,以及各个因素变化量进行对比。