Modellprediktiv regulering av oksygenkonsentrasjon hos KOLS-pasienter

Abstract

Noen KOLS-pasienter får ekstra oksygenrik pustegass for å avhjelpe respirasjonen, hvor mengden oksygen i dag styres manuelt. For mye oksygen kan gi pasienten et redusert behov for å trekke pusten og dermed føre til opphopning av CO2 – en farlig og potensielt dødelig situasjon. Mange velger derfor naturlignok et for lavt nivå av oksygen i pustegassen, som ivaretar sikkerheten men gir dårligere komfort. Ved å regulere oksygenkonsentrasjonen automatisk kan livskvalitet hos pasienten forbedres, ved å bedre ivareta både komfort og sikkerhet.

Arbeidet som presenteres i denne avhandlingen er modellprediktiv regulering av oksygenkonsentrasjonen ved hjelp av programvare fra Cybernetica. En eksisterende kompartmentmodell er tilpasset til målinger fra forsøk på gris, ved offline parameterestimering i programmet ModelFit fra Cybernetica. Modellen ble ytterligere tilpasset i ModelFit ved online parameterestimering i form av et Kalmanfilter.

En reguleringsstruktur er foreslått og implementert i Cybernetica sine programmer for ulineær modellprediktiv regulering, CENIT. Programmet CENIT og RealSim fra Cybernetica ble brukt for å simulere regulering av systemet i lukket sløyfe. Systemet er representert av en prosessmodell med gaussisk varierte parameterverdier i forhold til optimale parametre, som valgt for estimatormodellen i ModelFit. Ingen av modellene inneholder tidsforsinkelser.

Fordi pustefrekvensen i modellen og forsøkene er styrt manuelt, er reguleringsstrukturen testet ved å påtrykke ulike pustefrekvenser og observere oksygenmengden bestemt av regulatoren. Simuleringstesten viser at både komfort og sikkerhet i prosessmodellen er ivaretatt med valgt MPC, for alle påsatte pustefrekvenser.

Ved sammenligning av resultatet med erfaringer fra PID-regulering fra tidligere arbeid, er det klart at MPC er best egnet for regulering av oksygenkonsentrasjon hos KOLSpasienter. Det er også konkludert med at ulineær MPC er best egnet for regulering av oksygenkonsentrasjon i forhold til lineær MPC. Programmene til Cybernetica er evaluert og vurdert som velegnet for modelltilpasning og regulering av oksygenkonsentrasjon hos både forsøksgris og KOLS-pasienter.

Sikkerhet og komfort i prosessmodellen er ivaretatt med valgt reguleringsstruktur og fungerer tilfredstillende. Det gjenstår å se om tidsforsinkelser, naturlig variasjon av pustefrekvensen og test av reguleringsstrukturen på et virkelig system vil gi tilfredstillende resultater.

Det er foreslått å legge til tidsforsinkelser i prosessmodellen for å bedre simulere regulering av et virkelig system, før reguleringssystemet testes på en ny gris. For fremtidig regulering er det foreslått å gjøre pustefrekvensen i modellen om til en måling eller målbar forstyrrelse ved hjelp av en enkel ligning.

Some COPD patients receive extra oxygen-rich breathing gas to help with respiration, where the amount of oxygen today is controlled manually. Too much oxygen can give the patient a reduced need to breathe and thus lead to accumulation of CO2 – a dangerous and potentially fatal situation. Many therefore choose a too low level of oxygen in the breathing gas, which guarantees safety but gives poorer comfort. By regulating the oxygen concentration automatically, the quality of life of the patient can be improved by guaranteing both comfort and safety.

The work presented in this thesis is model-predictive control of oxygen concentration using software from Cybernetica. An existing compartment model is adapted to measurements from a pig experiment, with offline parameter estimation in the program ModelFit from Cybernetica, using SQP. The model was further adapted in ModelFit with online parameter estimation using a Kalman filter.

A regulatory structure has been proposed and implemented in Cybernetica’s program for nonlinear model predictive control, CENIT. The program CENIT and RealSim from Cybernetica were used to simulate control of the system in closed loop. The system is represented by a model with gaussian varied parameter values relative to optimal parameters chosen for the estimator model in ModelFit. The models does not contain time delays. Because the breathing rate in the model and experiments is controlled manually, the control structure is tested by applying different breathing frequencies and observing the amount of oxygen determined by the controller. The simulation test shows that both comfort and safety in the model are taken care of with the chosen MPC, for all applied breathing frequencies.

When comparing the result with experiences from PID control from previous work, it is clear that MPC is best suited for controlling oxygen concentration in COPD patients. It has also been concluded that nonlinear MPC is best suited for control of oxygen concentration over linear MPC. The software from Cybernetica have been evaluated as suitable for model adaptation and control of oxygen concentration in both pigs and COPD patients.

Safety and comfort are met with the chosen regulatory structure and works satisfactorily. It remains to be seen whether time delays, natural variation of the breathing rate and testing of the regulatory structure of a real system will yield good results.

It is suggested to add time delays in the process model to better simulate the regulation of a real system before the control system is tested on a new pig. For future regulation, it is proposed to convert the breathing rate in the model into a measurement or measured disturbance using a simple equation.