《Automation》:Improving Pressure Control in Artificial Ventilation Systems Using a Neural Network-Based Adaptive PID Controller
Alaq F. Hasan,
Firas Abdulrazzaq Raheem and
Amjad J. Humaidi
编辑推荐:
人工通气系统在呼吸护理领域,尤其是重症监护室和手术环境中发挥着关键作用,患者常因急性呼吸窘迫综合征(ARDS)或麻醉效果等需要辅助呼吸。本研究聚焦于开发一种由反向传播神经网络(BPNN)算法增强的自适应比例-积分-微分(PID)控制器,以精确跟踪机械通气过程中
人工通气系统在呼吸护理领域,尤其是重症监护室和手术环境中发挥着关键作用,患者常因急性呼吸窘迫综合征(ARDS)或麻醉效果等需要辅助呼吸。本研究聚焦于开发一种由反向传播神经网络(BPNN)算法增强的自适应比例-积分-微分(PID)控制器,以精确跟踪机械通气过程中的气道压力。为实现此目标,研究人员在MATLAB/Simulink环境中构建了鼓风机驱动患者软管(BDPH)呼吸机系统模型。随后,基于所提出的控制方案,在不同操作场景下评估并分析了人工通气系统的性能效率。此外,研究人员还基于鲁棒性特性和系统瞬态行为,对基于BPNN方法的自适应PID控制器与经典PID控制器的性能进行了分析与对比研究。仿真结果表明,与经典PID控制器相比,自适应PID控制器更快地收敛至目标气道压力。这一性能优势源于控制器能够根据操作条件的变化持续调整其增益。
**论文解读:基于反向传播神经网络的自适应PID控制器在人工通气系统压力控制中的应用**
**研究背景与问题**
过去二十年,严重急性呼吸综合征病毒(SARS)、甲型H1N1流感病毒(H1N1)以及新型冠状病毒肺炎(COVID-19)等呼吸道病毒相继暴发,导致大量患者需要人工通气支持。人工通气系统(尤其是压力控制型呼吸机)在重症监护和麻醉环境中至关重要,但其压力控制性能直接影响到患者的安全与舒适度。经典比例-积分-微分(PID)控制器因结构简单、易于实现而被广泛采用,但面对非线性和时变参数(如肺顺应性变化)时,其固定增益难以维持理想跟踪精度。现有研究尝试了模糊逻辑、粒子群优化(PSO)等调参方法,但仍存在超调大、响应慢等问题。为此,研究人员提出一种基于反向传播神经网络(BPNN)的自适应PID控制器,旨在通过在线调整PID增益,提升人工通气系统在变工况下的气道压力跟踪能力。该研究发表在《Automation》。
**主要技术方法**
研究人员采用以下关键技术方法:
- 构建鼓风机驱动患者软管(BDPH)呼吸机系统的数学模型,基于状态空间表示描述气道压力、肺压力与气流关系。
- 设计三层前馈神经网络(输入层:误差、目标压力、实际气道压力;隐藏层:4个节点,采用Sigmoid激活函数;输出层:PID增益k
p、k
i、k
d)。
- 利用反向传播(BP)算法和梯度下降法在线更新网络权重,以最小化误差平方的代价函数(J=?e2)。
- 在MATLAB/Simulink(2013a)环境中进行数值仿真,使用Ode45求解器,经典PID增益由粒子群优化算法(PSO)预标定。
**研究结果**
**4.1 恒定肺顺应性场景**
在肺顺应性设为20 mL/mbar的恒定条件下,所提出的自适应PID控制器使系统输出(气道压力、肺压力、患者流量)快速跟踪目标方波压力模式,误差信号迅速收敛至零。控制器增益(k
p、k
i、k
d)随时间动态调整,其中积分增益(k
i)成为主要自适应分量,有助于消除稳态误差并增强抗干扰能力。
**4.2 变肺顺应性场景**
为模拟实际临床中肺顺应性随肺体积的非线性变化,研究人员引入随时间变化的肺顺应性曲线。在该变参数条件下,自适应PID控制器仍保持更快的收敛速度和更小的超调。对比经典PID控制器,自适应PID的积分时间绝对误差(ITAE)和均方根误差(RMSE)分别降低98.3%和97%。具体数值显示,变顺应性下自适应PID的ITAE为1.129,而经典PID为68.401;RMSE分别为0.066和2.023。此外,与文献[8]中基于模糊逻辑的PID控制器(ITAE=7.467)相比,基于BPNN的自适应PID进一步降低了跟踪误差,凸显了神经网络调参策略的优势。
**结论与讨论**
研究结论指出,基于反向传播神经网络的自适应PID控制器能够显著提升人工通气系统压力调节的跟踪性能,在变工况下实现快速、低误差的响应。未来工作将聚焦于在实际呼吸机平台上验证该策略,并研究分布式优化算法对经典PID参数调谐的影响,同时与自适应神经输出反馈控制、事件触发控制等先进算法进行对比,以评估其适用性。讨论部分强调,神经网络在线调参使得控制器能够根据实时系统状态自主调整增益,从而克服了固定PID参数对非线性与时变性的限制,为呼吸机压力控制提供了更鲁棒的解决方案。