Desenvolvimento de um controlador preditivo multi-modelo adaptativo aplicado ao controlo de pressão arterial

Abstract

Na grande maioria dos procedimentos cirúrgicos torna-se necessário realizar o controlo da Pressão Arterial (PA) para, com isto, assegurar da melhor forma a saúde do paciente. Para reduzir os riscos de uma complicação, é imprescindível diminuir a PA o mais rápido possível. A infusão contínua de medicamentos vasodilatadores, como é o caso do nitroprussiato de sódio (NPS), reduz de forma rápida a pressão arterial na maior parte dos pacientes. Entretanto, cada paciente possui uma diferente sensibilidade à infusão do NPS. Nestes sistemas, os parâmetros e os atrasos são inicialmente desconhecidos e variantes no tempo. Desta forma, este trabalho tem como objetivo principal o desenvolvimento de uma metodologia capaz de controlar de forma automática a PA na presença de parâmetros incertos e de elevados atrasos. Para tal, foi desenvolvida uma metodologia multi-modelo onde, para cada modelo, existe um controlador especificamente sintonizado com um mecanismo adaptativo que decide qual o controlador que deve ser o dominante para uma determinada planta (paciente), denominado por Controlador Preditivo Multi-Modelo Adaptativo (MMAPC). Através da realização de uma análise de sensibilidade à variação dos parâmetros da planta e testes de robustez, é possível mostrar a robustez do sistema, respeitando todas as restrições clínicas impostas pelo problema. Os resultados obtidos mostraram que o MMAPC apresentou melhor desempenho (menor tempo de acomodação, 𝑇#, e menor undershoot) na maioria dos casos simulados, quando comparado com outro método que recorre ao uso de controladores clássicos, como é o caso do controlador PI multi-modelo. Além disso, o Preditor de Smith no algoritmo Generalized Predictive Control, baseado no Preditor Smith Modelo Múltiplo (MMSPGPC), fornece um controlo mais rápido, com um tempo de acomodação médio aproximado de 290 s (máximo de 375 s e mínimo de 150 s) e undershoot médio de 1,1 mmHg (máximo de 9,5 mmHg e mínimo 0,0 mmHg), em todos os casos simulados, comparado ao Controlador Preditivo Generalizado Multi-Modelo (MMGPC). Assim, este controlador ao combinar estas duas estratégias, MMAC com o controlo preditivo, é um sistema de controlo automático da PA robusto, mesmo para uma ampla gama de valores de parâmetros e em condições incertas.

In most surgical procedures, it is necessary to perform the control of the blood pressure (BP) in order to ensure the patient's health. To reduce the risk of complications, it is imperative to reduce high blood pressure as soon as possible. Continuous infusion of vasodilator drugs, such as sodium nitroprusside (Nipride), rapidly reduces blood pressure in most patients. However, each patient has a different sensitivity to infusion of Nipride. The parameters and the time delays of the system are initially unknown. Moreover, the parameters of the transfer function associated with a particular patient are time varying. So, the main objective of this study is to develop a methodology capable of automatically controlling blood pressure in the presence of uncertainty of parameters and high time delays. For this, a multi-model methodology was developed where, for each model, a controller specifically tuned with an adaptive mechanism that decides which controller should be the dominant for a certain plant (patient) is designed, called Multi-Model Predictive Controller Adaptive (MMAPC). At the end of the study, a sensitivity analysis and a robustness test, were performed. By performing a sensitivity analysis to the variation of plant parameters and a robustness test it is possible to show the strength of the system respecting all the clinical restrictions imposed by the problem. The results showed that the MMAPC presented better performance (lower settling time and undershoot) in most of the simulated cases, when compared to other method that uses classic controllers, such as the multimodal PI controller. Moreover, the Smith Predictor in the Multiple Model Smith Predictor based Generalized Predictive Control algorithm (MMSPGPC) provides a superior performance with mean settling time of 290 s (maximum of 375 e minimum of 150s) and mean undershoot of 1.1 mmHg (maximum 9.5 mmHg e minimum 0.0 mmHg), in all simulated cases compared to Multiple Model Generalized Predictive Controller (MMGPC). Thus, this controller, combining these two strategies, MMAC with the predictive control, is a robust blood pressure control system even for a wide range of parameter values and under uncertain conditions.