Control predictivo robusto de glucosa en pacientes con diabetes mellitus tipo I: Validación in silico

Simple item page
dc.contributor.advisorCarreño Zagarra, José Jorge
dc.contributor.advisorVillamizar Mejía, Rodolfo
dc.contributor.authorPadilla Toloza, David Alberto
dc.contributor.evaluatorSepúlveda Sepúlveda, Franklin Alexander
dc.contributor.evaluatorBorrás Pinilla, Carlos
dc.date.accessioned2022-04-01T04:03:55Z
dc.date.available2022-04-01T04:03:55Z
dc.date.created2021
dc.date.issued2021
dc.description.abstractEn este proyecto de grado se propone un esquema de control para la dosificación de insulina en pacientes T1DM, que mantenga un perfil de glucosa saludable, evitando condiciones de hiperglucemia e hipoglucemia, cuyo modelo dinámico presenta fuertes retardos, no linealidades e incertidumbre paramétrica. Para enfrentar este problema de control se planteó la combinación de un controlador predictivo para seguir una referencia con un estimador basado en clasificadores. El controlador predictivo consta dos partes. La primera, cancela los efectos de la perturbación en el momento en que es detectada, aplicando una acción feed-foward; la segunda calcula la acción de control necesaria para seguir una referencia, que busca que la glucosa regrese a su estado basal imitando un perfil saludable para el paciente. Finalmente, se propusieron tres esquemas de controlador predictivo, el primero basado en el algoritmo QDMC, el segundo basado en realimentación de estados con modificaciones en el cálculo de las predicciones y el tercero es una versión del segundo con integrador. El esquema de control propuesto busca ser apto para la implementación real, por lo que se consideran efectos del hardware tales como, cuantización, muestreo, ruido y saturación. Se validaron in silico los tres controladores usando modelos dinámicos dados por el simulador T1DMS, cuyo modelo es aceptado por la FDA, para una cohorte de 10 pacientes adultos. Dicha validación se hizo para modelo nominal e incierto, con el fin de medir el desempeño dinámico y robustez de los controladores. Se encontró que el desempeño dinámico de los dos primeros controladores fue adecuado, mientras que el desempeño del tercero no asegura estabilidad. Finalmente, el estimador demostró ser robusto ante la presencia de ruido y el error de estimación de carbohidratos fue menor al 10%, sin embargo, los 15 minutos que toma en estimar afectan el desempeño del segundo controlador.
dc.description.abstractenglishIn this degree project, a control scheme is proposed for insulin dosing in T1DM patients, which maintains a healthy glucose profile, avoiding hyperglycemic and hypoglycemic conditions, whose dynamic model presents strong delays, non-linearities and parametric uncertainty. To face this control problem, the combination of a predictive controller was proposed to follow a reference with an estimator based on classifiers. The predictive controller has two parts. The first, cancels the effects of the disturbance at the moment it is detected, applying a feedfoward action; the second calculates the control action necessary to follow a reference, which seeks to return glucose to its baseline state, mimicking a healthy glucose profile for the patient. Finally, three predictive controller schemes were proposed, the first based on the QDMC algorithm, the second based on state feedback with modifications in the calculation of predictions, and the third is a version of the second with integrator. The proposed control scheme seeks to be suitable for the real implementation, for which hardware effects such as quantization, sampling, noise and saturation are considered. The three controllers were validated in silico using dynamic models given by the type I diabetes mellitus simulator (T1DMS), whose model is accepted by the FDA, for a cohort of 10 adult patients. This validation was made for a nominal and uncertain model, in order to measure the dynamic performance and robustness of the controllers. The dynamic performance of the first two controllers was found to be adequate, while the performance of the third does not ensure stability. Finally, the estimator proved to be robust in the presence of noise and the carbohydrate estimation error was less than 10%, however, the 15 minutes it takes to estimate affect the performance of the second controller.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería Electrónica
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/9485
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programMaestría en Ingeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectControl Predictivo
dc.subjectEstimación de Carbohidratos
dc.subjectIn Silico
dc.subjectUva Padova
dc.subject.keywordPredictive Control
dc.subject.keywordCarbohidrate Estimation
dc.subject.keywordIn Silico
dc.subject.keywordUva Padova
dc.titleControl predictivo robusto de glucosa en pacientes con diabetes mellitus tipo I: Validación in silico
dc.title.englishRobust Predictive Glucose Control in T1DM Patients: Validation In Silico
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dspace.entity.type
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
Documento.pdf
Size:
3.29 MB
Format:
Adobe Portable Document Format
Description:
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
684.55 KB
Format:
Adobe Portable Document Format
Description:
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
226.7 KB
Format:
Adobe Portable Document Format
Description:
Download
Collections
Maestría en Ingeniería Electrónica