تنظیم داروی انسولین با استفاده از کنترل‌کننده فازی نوع 2 با برش‌های آلفا

کنترل میزان تزریق انسولین در بیماران دیابتی که مجهز به پمپ انسولین می‌باشند چالش‌های بسیاری را برای محققین ایجاد نموده است. وجود نامعینی‌های متعدد که ناشی از تفاوت‌های فیزیولوژیکی در اشخاص متفاوت می‌باشد به همراه فعالیت‌های گوناگونی که هر شخص ممکن است در طول روز انجام دهد می‌تواند چالش‌های تزریق مناسب انسولین را به بدن بیشتر نماید. علاو‌ه بر این، اثرگذاری با تاخیر ورود کربوهیدرات در میزان قند خون بدن، کنترل انسولین را پیچیده‌تر کرده و ممکن است باعث شرایط خطرناک هایپرگلیسمی و یا هیپوگلیسمی شود. در این مقاله جهت کم اثر کردن نامعینی‌های ذاتی در مدل بیمار (مبتنی بر مدل ریاضی هورکا)، کنترل‌کننده‌های فازی نوع 2 عمومی با برش‌های آلفا پیشنهاد شده و برای پیش‌بینی میزان قند خون در ساعت‌های بعدی از یک سیستم شبکه عصبی به همراه یک مدل رگرسیون خطی استفاده گردیده است. برای تنظیم بعضی از پارامترهای کنترل‌کننده نیز الگوریتم ژنتیک استفاده شده است. برای بررسی اثر بخشی کنترل‌کننده، اختلال‌های متعددی در مدل و ورود کربوهیدرات در سیستم حلقه بسته در نظر گرفته شده است. نتایج شبیه‌سازی نشان می‌دهد که کنترل‌کننده طراحی شده می‌تواند در شرایط متفاوت علاوه بر کنترل قند خون از بروز دو حالت خطرناک هایپرگلیسمی و هیپوگلیسمی جلوگیری نماید.

Insulin drug regulation by general type 2 fuzzy controller with alpha plane

Insulin therapy with an insulin pump for diabetic patients has different challenges in the real world. Physiological uncertainties in human bodies, different types of daily activities are the most important challenges in this field. Besides, delay in CHO effects in blood glucose may increase the risk of hypoglycemic and hyperglycemic. In this paper, general type 2 fuzzy controller with alphaplane has been used to handle the uncertainties and a neural network predictor to estimate the blood glucose in next hour as well. Genetic algorithm is also used to tune some free parameters in the controller. in addition, Fuzzy rules have been weighted by predefined values based on the prediction of the amount of glucose in one hour late. in such case, rule weighting has been adjusted according to the glucose of the body which in turn two high risk situations of diabetic patients (hyperglycemia and hypoglycemia) have been considered in fuzzy inference. the Simulation results on Hovorka model shows that the controller can regulate the blood glucose in the existence of uncertainty in model and CHO regimen without the risk of hypoglycemic and hyperglycemic situations.