کنترل عمق بیهوشی با استفاده از روش کنترل پیش بینی مبتنی بر مدل

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران) - دانشکده مهندسی
  • نویسنده عطیه بامدادیان
  • استاد راهنما فرزاد توحیدخواه
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1387
چکیده

فرآیند بیهوشی به عنوان یکی از ارکان اساسی در انجام عمل جراحی محسوب می گردد. این فرآیند را می توان به صورت نبود پاسخ و یا عکس العمل به تحریکات ناخوشایند تعریف نمود که شامل سه رکن اساسی عدم هوشیاری (عمق بیهوشی)، عدم احساس درد و شل شدن عضلات می باشد. با وجود پیشرفت های همه جانبه علوم و فنون پزشکی ، هنوز یکی از عمده ترین مشکلات متخصصان بیهوشی، اطمینان نداشتن از انجام صحیح این فرایند است. از این رو متخصصان هم چنان به دنبال راه حلی برای اطمینان از انجام صحیح بیهوشی هستند. استفاده از روش های کنترل خودکار برای این منظور مناسب می باشد. در واقع هدف سیستم کنترل خودکار بیهوشی، تعیین نرخ داروی تزریقی به بیمار، به منظور دستیابی به عمق مناسبی از بیهوشی است. لذا در چنین سیستمی نیاز به معیاری جهت تعیین عمق بیهوشی می باشد. معیارهای مختلفی به این منظور ارائه شده اند که یکی از مناسب ترین آنها، آنالیز bis است که در این پایان نامه نیز به عنوان شاخص تعیین عمق بیهوشی مورد استفاده قرار گرفته است. بیهوشی فرآیندی غیرخطی به همراه تاخیر است، یک سری محدودیت ها در روند بیهوشی وجود دارند که در تعیین نرخ داروی تزریقی-سیگنال کنترلی باید مورد توجه قرار گیرند. به علاوه کنترل کننده مورد استفاده باید از مقاومت کافی برخوردار باشد تا در مقابل تغییر شرایط بیمار در حین عمل جراحی و یا خطای تخمین پارامترهای مدل، دچار نقص در عملکرد نشود. کنترل کننده پیش بین مبتنی بر مدل (mpc) گزینه ای مناسب برای کنترل این فرآیند است. در کارهای انجام شده تا کنون از مدل جامعی که مشتمل بر محدودیت ها تزریق و تفاوت های فردی بیمار باشد استفاده نگردیده است. در ضمن عموما از فاز القای بیهوشی صرف نظر شده و صرفا فاز نگهداری در نظر گرفته شده است. با توجه به این نکات، هدف این پایان نامه آن است که با طراحی کنترل کننده ای پیش بین و استفاده از یک مدل فارماکوکینتیک-فارماکودینامیک که پارامترهای فردی بیمار نیز تا حد امکان در آن لحاظ شده است، بیمار در سطح مطلوب بیهوشی قرار گیرد. در این تحقیق، کنترل کننده هایی با استفاده از روش های مختلف mpc مانند : gpc, edmc و gipc طراحی گردیده و نتایج آن ها با یکدیگر و نیز با کنترل کننده pid مقایسه شده است. با توجه به تفاوت های موجود میان بیماران و همچنین وجود تأخیر، کترل کننده pid عملکرد مناسبی نداشته است. اما با استفاده از روش های کنترل پیش بینی مبتنی بر مدل علاوه بر آنکه بهبود مناسبی در میزان مقاوم بودن سیستم کنترل نسبت به تغییرات پارامترهای بیمار مشاهده گردید، میزان داروی مصرفی و مدت زمان لازم برای بیهوش شدن بیمار نیز بهبود یافت. نتایج بدست آمده در این تحقیق نشان داد که کنترل کننده gpc، در فاز القای بیهوشی عملکردی مشابه با روشهای رایج که توسط فرد متخصص انجام می گردد دارد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

کنترل عمق بیهوشی با استفاده از روش کنترل پیش بین مبتنی بر مدل

فرآیند بیهوشی به عنوان یکی از ارکان اساسی در انجام عمل جراحی محسوب می گردد. این فرآیند را می توان به صورت نبود پاسخ و یا عکس العمل به تحریکات ناخوشایند تعریف نمود که شامل سه رکن اساسی عدم هوشیاری (عمق بیهوشی)، عدم احساس درد و شل شدن عضلات می باشد. با وجود پیشرفت های همه جانبه علوم و فنون پزشکی، هنوز یکی از عمده ترین مشکلات متخصصان بیهوشی، اطمینان نداشتن از انجام صحیح این فرآیند است. از این رو م...

15 صفحه اول

بهره برداری هاب انرژی با استفاده از روش کنترل پیش بین مبتنی بر مدل مقاوم با در نظر گرفتن خطای پیش بینی بار الکتریکی

چکیده: در سیستم چند حامله انرژی، نقاطی فیزیکی بنام هاب انرژی وجود دارند که محل تحویل انرژی به مصرف­کننده بوده و امکان تبدیل و ذخیره­سازی انرژی را نیز دارند. امروزه کنترل­ پیش‌بین مبتنی بر مدل روشی مؤثر در کنترل این سامانه محسوب می­شود اما این روش توانایی رویارویی با عدم قطعیت سامانه را ندارد. در این مقاله برای رفع این ضعف عدم­قطعیت ناشی از خطای پیش­بینی بارهای الکتریکی به‌صورت اغتشاش به مدل فضا...

متن کامل

کنترل دیگ بخار درام با محدودیت های خروجی با استفاده از روش کنترل پیش بین مبتنی بر مدل

دیگ های بخار یکی از تجهیزات مهم نیروگاه های حرارتی در بسیاری از کشورها می باشند و به طور گسترده در کاربردهای صنعتی مورد استفاده قرار می گیرند. واحد توربین و دیگ بخار به طور معمول یک سیستم کنترل صنعتی چندمتغیره در نیروگاه است. ساختار دیگ بخار به گونه ای است که سطح درام و فشار بویلر همواره باید در یک محدوده مشخص قرار داشته باشد. به منظور داشتن عملکرد کارآمد و ایمن، محدودیت های خروجی یکی از چالش ه...

متن کامل

کنترل اضطراری ولتاژ با استفاده از کنترل مبتنی بر پیش بینی مدل در سیستم های قدرت

دراین پایان نامه، روش کنترل مبتنی بر پیش بینی مدل(mpc) به منظور کنترل اضطراری ولتاژ با در نظر گرفتن مدل واقعی سیستم های قدرت، به کار گرفته شده است. برای اینکار یک تابع هدف جدید تعریف شده که در آن پاسخ متغیرها به اقدامات اضطراری، با انجام دو پخش بار پیش بینی می گردد. یکی از این دو پخش بار، جهش اولیه متغیرها و دیگری نقطه کار حالت ماندگار را محاسبه می کند. با توجه به اینکه تنها دو نقطه محاسبه می گ...

15 صفحه اول

تدوین سامانة حرکت‌ساز شبیه‌ساز پرواز با استفاده از روش کنترل پیش‌بین مبتنی بر مدل

امروزه شبیه­سازهای پرواز، به‌عنوان جزئی جدایی­ناپذیر در صنعت هوانوردی، نقش مهمی در آموزش خلبانی و توسعة تجهیزات جدید دارند. سامانة حرکت­ساز بهینه با وجود ویژگی­های مثبت از جمله حجم محاسباتی کم با قابلیت پیاده­سازی مناسب، به‌دلیل محدودیت در حفظ حرکت سامانه در محدودة فضای کاری در مانورهای پیچیده، با مشکلاتی جدی روبروست. سامانه­های حرکت­ساز کنترل پیش­بین به‌علت قابلیت ذاتی در مقیدنمودن ورودی­ها و ...

متن کامل

بهره برداری هاب انرژی با استفاده از روش کنترل پیش بین مبتنی بر مدل مقاوم با در نظر گرفتن خطای پیش بینی بار الکتریکی

چکیده: در سیستم چند حامله انرژی، نقاطی فیزیکی بنام هاب انرژی وجود دارند که محل تحویل انرژی به مصرف­کننده بوده و امکان تبدیل و ذخیره­سازی انرژی را نیز دارند. امروزه کنترل­ پیش بین مبتنی بر مدل روشی مؤثر در کنترل این سامانه محسوب می­شود اما این روش توانایی رویارویی با عدم قطعیت سامانه را ندارد. در این مقاله برای رفع این ضعف عدم­قطعیت ناشی از خطای پیش­بینی بارهای الکتریکی به صورت اغتشاش به مدل فضا...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران) - دانشکده مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023