Control predictivo robusto de glucosa en pacientes con diabetes mellitus tipo validación in silico

Simple item page
dc.contributor.advisorVillamizar Mejía, Rodolfo
dc.contributor.advisorCarreño Zagarra, José Jorge
dc.contributor.authorPadilla Toloza, David Alberto
dc.date.accessioned2024-03-04T01:30:28Z
dc.date.available2021
dc.date.available2024-03-04T01:30:28Z
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 TIDM, que mantenga un perfil de glucosa saludable, evitando condiciones de hiperglucemia e hipoglucemia, cuyomodelo dinámico presenta fuertes retardos, no linealidades e incertidumbre paramétrica. Para enfrentar este problemade control se planteó la combinación de un controlador predictivo para seguir una referencia con un estimador basadoen clasificadores. El controlador predictivo consta dos partes. La primera, cancela los efectos de la perturbación enel momento en que es detectada, aplicando una acción feed-foward; la segunda calcula la acción de control necesariapara 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 esuna 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 TIDMS, cuyo modelo es aceptado por la FDA, para una cohorte de 10 pacientes adultos. Dicha validación se hizo para modelo nominale incierto, con el fin de medir el desempeño dinámico y robustez de los controladores. Se encontró que el desempeñodinámico 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 presentsstrong delays, non-linearities and parametric uncertainty. To face this control problem, the combination of a predictivecontroller was proposed to follow a reference with an estimator based on classifiers. The predictive controller has twoparts. The first, cancels the effects of the disturbance at the moment it is detected, applying a feedfoward action; thesecond 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 firstbased 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 (TIDMS), whose model is accepted by the FDA, for a cohort of 10 adult patients. This validation was made fora nominal and uncertain model, in order to measure the dynamic performance and robustness of the controllers. Thedynamic performance of the first two controllers was found to be adequate, while the performance of the third doesnot 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/20.500.14071/42217
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Ingeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
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/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 validación in silico
dc.title.englishRobust Predictive Glucose Control in T1DM Patients: Validation in
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
684.55 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
3.3 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
226.7 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería Electrónica