Beruflich Dokumente
Kultur Dokumente
biomédica, una tarea desafiante para los instructores. Se describen el programa y su organización en
la Universidad de Coimbra. Desde PID y control difuso hasta el control óptimo, el espacio se ha
creado dentro de varios cursos combinados con otras asignaturas de ingeniería biomédica. El enfoque
se basa en una perspectiva de "aprendizaje por el hecho". El programa y los ejercicios prácticos son
presentados y comentados. Los ejercicios prácticos cubren la mayoría de los temas. © IFAC 2012
Palabras clave: desarrollo curricular, ingeniería biomédica, sistemas y control, estrategias de
aprendizaje, educación de control
Introducción
En la Universidad de Coimbra, los títulos de Ingeniería Biomédica (a nivel de licenciatura y maestría)
incluyen sistemas y conceptos de control distribuidos en varios cursos. En este documento los
contenidos, métodos y experiencias se describen a continuación. La sección 2 describe el programa
apoyado en la metodología de aprendizaje de la sección 3, plastificado en los ejemplos de la sección
4. La bibliografía en la sección 5 y las conclusiones completan la presentación
- Los conceptos generales de sistemas introducidos por la teoría general de sistemas de Bertalanfy
(1969) y bien desarrollados en Flood y Carson (1993).
- Representación del espacio de estados, ecuaciones de estados, eigenstructura y sus conexiones con
estabilidad y propiedades dinámicas.
- Modelado de sistemas no lineales mediante ecuaciones diferenciales, puntos de singularidad,
linealización y estabilidad local. Las curvas de fase en el espacio de estado y su importancia como
retrato de las propiedades fundamentales del sistema no lineal.
- Redes neuronales artificiales (15h): multicapa, funciones de base radial y arquitecturas recurrentes
con y sin demoras, y su uso como clasificadores de grandes conjuntos de datos.
- Lógica difusa y sistemas basados en reglas difusas (15h). Creación de modelos difusos a partir de
datos mediante agrupamiento (k-means y sustractivo).
- Control difuso, el primer contacto con control que tienen los estudiantes. La experiencia demuestra
que esto es muy positivo, ya que el control difuso se puede enseñar casi como un juego. Esto crea en
la mente de los estudiantes una imagen de control mucho más atractiva que si hubieran comenzado
con el control clásico basado en
Transformada de Laplace. Se introducen los conceptos fundamentales de los sistemas de control
(bucle abierto, bucle cerrado, referencia, perturbaciones, errores, etc.). Los estudiantes reciben una
caja negra (donde hay una función de transferencia dentro), aplican entradas y leen salidas, intentan
construye una imagen mental del sistema y luego escribe las reglas difusas, definiendo previamente
las funciones de membresía de los antecedentes y consecuentes. Los tipos Mamdani y Takagi-Sugeno
son estudiados y experimentados. Por lo general, los estudiantes tienen éxito para obtener un buen
controlador. La caja de herramientas Matlab Fuzzy Logic tiene facilidades que permiten este
ejercicio.
2.3 Control digital y óptimo.
El tercer curso en el que los estudiantes contactan con el control es el de “Algoritmos para el
diagnóstico y la autorregulación”. El "hombre biónico" con órganos artificiales controlados por el
sistema nervioso central, una fusión de biología y electrónica, es la motivación para las teorías
avanzadas de control. Se estudian los siguientes temas:
- Técnicas de discretización, Z-Transform (revisión), función de transferencia discreta y su
identificación recursiva (5h).
- Se introduce un control óptimo para el problema del regulador, incluida la ecuación de Ricatti en
versiones recursivas y de estado estacionario. Se presenta como un caso especial de retroalimentación
del estado (5 horas). La organización del programa de estudios se ilustra en la figura 1.
3. METODOLOGÍA DE APRENDIZAJE.
El sistema de sistemas y control es extenso, e incluye la mayoría de las técnicas de control con
relevancia práctica. Si fueran estudiados con todos los detalles y todos los desarrollos matemáticos,
no cabrían en el espacio disponible y la mayoría de los estudiantes no podrían absorberlos. En su
lugar, se sigue un enfoque más de "aprender haciendo": aprenda los aspectos teóricos más importantes
para entender el método, implementarlo y practicar con él, y si es necesario volver a la teoría. El
enfoque de "aprender haciendo" no es empírico, necesita un sólido soporte matemático, pero en lugar
de poner el acento en demostraciones teóricas abstractas, funciona para estimular la curiosidad
intelectual del estudiante mediante el trabajo práctico que involucra varias percepciones. La
flexibilidad de los entornos Matlab / SIMULINK permite la rápida "puesta en marcha" y la
experimentación de los controladores después del ciclo: experimente, analice los resultados, verifique
con la teoría. Esto permite el desarrollo de una imagen mental del campo que apoya el desarrollo de
las habilidades de los estudiantes, y finalmente el objetivo más importante de su educación.
Definiendo una especie biológica (insectos, por ejemplo) como un sistema cuyos individuos viven un
número entero de años, y considerando que la población crece con una limitación dada, la evolución
temporal de la población se simula utilizando un modelo simplificado en la forma de ecuación en
diferencias lineales (1) (Flood (1993)),
donde xk es una fracción del valor máximo de la población en el año k. y A es una constante positiva
que depende de las condiciones ambientales (la disponibilidad de alimentos, agua, clima, etc.). Los
estudiantes, después de crear el modelo, lo simulan y analizan la influencia de los valores de la
población inicial y de la constante A en la evolución temporal de la población.
Los principales objetivos de este trabajo son utilizar métodos de integración numérica de funciones y
considerar métodos numéricos para simular sistemas continuos modelados por ecuaciones
diferenciales. Como ejemplo, el sistema considera la ingestión y excreción de un medicamento que
se muestra en la Fig. 2 (Bruce (2001)).
El medicamento se toma por vía oral, a una tasa u (t), va a los intestinos, donde alcanza una cantidad
x1 (t), y luego es absorbido por el torrente sanguíneo. El torrente sanguíneo, donde el medicamento
alcanza una cantidad x2 (t), pasa a través del riñón (donde se supone que no hay absorción) que
expulsa el medicamento a una tasa y (t) y lo pasa a la orina. En este enfoque, por razones de
simplicidad, se ignoran otras acciones fisiológicas y se ignora la eliminación del fármaco por el
metabolismo celular. En terminología médica el proceso es multicompartimental. Suponiendo que el
riñón es solo un elemento de transición, el proceso tiene solo dos compartimentos. Al ser necesario
encontrar un modelo compartimental del proceso, se puede desarrollar un sistema fluídico
equivalente, como se muestra en la Fig. 3
Figura 3: Sistema fluídico equivalente a la ingestión y excreción de un fármaco.
Aplicando los principios de los sistemas fluídicos, el balance de masa de cada compartimiento
proporciona las ecuaciones diferenciales para el modelo matemático del sistema general. Suponiendo
que x1 (t) y x2 (t) son los niveles (cantidades) correspondientes y las resistencias fluídicas son las
siguientes:
(2)
donde k1 y k2 son parámetros relacionados con las resistencias fluidas R1 y R2, respectivamente, y
u (t) representa el flujo de ingestión de fármaco.
El modelo se simula utilizando diferentes métodos numéricos (Euler, Runge-Kutta, etc.) para varias
condiciones operativas.
El trabajo práctico incluye el análisis de la sensibilidad de la solución al valor del intervalo de
discretización considerado por el método numérico.
4.3 Estudio de la dinámica de la ventilación artificial de un paciente.
Este trabajo tiene como objetivo introducir algunos conceptos básicos sobre los sistemas lineales e
invariantes en el tiempo como la función de transferencia y las representaciones del espacio de estado,
la respuesta de estado estacionario y transitorio, los polos y ceros, la estabilidad del sistema y las
características de los sistemas de primer y segundo orden. .
Uno de los estudios de caso es un sistema que modela la dinámica respiratoria de un paciente
ventilado, dado por la siguiente ecuación (Bruce (2001)):
donde VL (t) es el volumen de los pulmones, P (t) es la presión diferencial entre la presión de la
ventilación forzada y la presión atmosférica, y a y b son coeficientes que dependen del cumplimiento
total (pulmones + tórax) y de la resistencia al flujo del aire forzado hacia los pulmones. El otro sistema
considerado describe el funcionamiento del músculo esquelético utilizando un modelo con una
ecuación diferencial de segundo orden (4) ((Bruce (2001)),
donde y (t) es la salida, K la constante elástica, B la constante de fricción viscosa, M la masa y u (t)
la entrada (fuerza aplicada). Se hace especial hincapié en la relación entre la función de transferencia
y las representaciones del espacio de estados y en la introducción del control de retroalimentación
para fines de regulación y seguimiento.
4.4 Estudio de la representación espacial estatal de los sistemas y las curvas de fase.
Este trabajo refuerza el estudio de la representación del espacio del estado e introduce el plano de
fase para analizar sistemas no lineales. Los ejercicios se basan en tres estudios de caso: la ingestión y
excreción de un medicamento (ya descrito); la interrelación entre la glucosa en sangre y la insulina
en sangre; y el estudio epidemiológico de una población afectada por dos enfermedades
competidoras. La interrelación entre la glucosa en sangre y la insulina se describe en el modelo (5)
Marmarelis (2004)),
donde S es la fracción de la población sana y, por lo tanto, susceptible a cualquier enfermedad (un
individuo no puede tener ambas simultáneamente), I1 es la fracción de la población infectada por la
enfermedad 1 e I2 es la fracción de la población infectada
por la enfermedad 2. Este sistema de tres órdenes se puede reducir a uno de segundo orden,
considerando que la población es constante y por lo tanto las variables están vinculadas por (7),
Este ejemplo promueve el estudio de los puntos singulares de un sistema no lineal, la linealización
del sistema alrededor de los puntos singulares y el análisis de estabilidad, apoyado en las curvas de
fase mediante la aplicación gratuita de planos de Matlab.
(http://math.rice.edu/~dfield/index.html) también disponible en el applet de Java (Polking y Arnold,
1999). La figura 4 muestra un plano de fase de (8).
Figura 4. Retrato de fase para el sistema (8) para valores dados de las constantes. El sistema no lineal
tiene 3 singularidades con diferentes propiedades de estabilidad (atractor, repelente, punto de silla de
montar).
Allman Elizabeth S. y John A. Rhodes (2003). Modelos matemáticos en biología: una introducción
por Prensa de la Universidad de Cambridge.
Boyd, D.W. (2001). Análisis y modelado de sistemas, un enfoque macro a micro con
multidisciplinario Aplicaciones, Prensa Académica.
Bruce, Eugene N. (2001). Procesamiento biomédico y modelado de señales, John Wiley and Sons.
Hagan Martin T., H ,. B. Demuth y M. H. Beale (1995), NNural Network Design, PWS Publishing.
Hoppensteadt Frank C., Charles S. Peskin (2000). Modelado y simulación en medicina y ciencias de
la vida (textos en matemáticas aplicadas), Springer Verlag.
Marmarelis, Vasilis Z. (2004). Modelización dinámica no lineal de sistemas fisiológicos, serie IEEE
en ingeniería biomédica.
Michael Khoo. M. (1999). Sistemas de control fisiológico: análisis, simulación y estimación, J. Wiley
& Sons.
Polking J. y David Arnold (1999). Ecuaciones diferenciales ordinarias usando MATLAB, Prentice
Hall.
Ross T. (2004). Lógica difusa con aplicaciones de ingeniería, 2ª edición, McGraw Hill