Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Villamizar Mejía, RodolfoCarreño Zagarra, José JorgePadilla Toloza, David Alberto2024-03-0420212024-03-0420212021https://noesis.uis.edu.co/handle/20.500.14071/42217En 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.application/pdfspahttp://creativecommons.org/licenses/by/4.0/Control predictivoEstimación de carbohidratosIn SilicoUva Padova.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestriaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coPredictive controlCarbohidrate estimationIn SilicoUva Padova.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)