【摘要】：近年來,隨著轉(zhuǎn)化醫(yī)學(xué)的快速發(fā)展,以信息科學(xué)為技術(shù)手段,為疾病的預(yù)測、預(yù)防、診斷和治療提供了幫助,使得基礎(chǔ)醫(yī)學(xué)與臨床醫(yī)學(xué)得到了較好的結(jié)合。轉(zhuǎn)化醫(yī)學(xué)的一個重要內(nèi)容是計算機輔助診斷,將病人就診過程中產(chǎn)生的大量不同類型的信息通過計算機信息處理,提供個體化治療策略,從而提高對疾病的診斷效率。其中,如何選用適當(dāng)?shù)膬?yōu)化算法根據(jù)醫(yī)學(xué)模型和臨床檢測數(shù)據(jù),采用系統(tǒng)辨識方法,獲取患者個體的醫(yī)學(xué)參數(shù),是必須的環(huán)節(jié),也是核心問題之一。乙型肝炎是影響我國人民健康危害最嚴(yán)重的傳染病之一,而傳統(tǒng)的醫(yī)學(xué)數(shù)據(jù)分析對每個患者的病情很難有一個總體上的把握,更不用說預(yù)測其病情的發(fā)展。隨著醫(yī)學(xué)技術(shù)的發(fā)展,人們嘗試構(gòu)建了乙肝病毒動力學(xué)模型(HBV動力學(xué)模型),通過對該模型中的關(guān)鍵參數(shù)進(jìn)行辨識,并仿真出患者的各個重要指標(biāo),對患者的病情進(jìn)行預(yù)測,并對用藥后的效果可以做一個提前預(yù)測。這對醫(yī)生治療起到了很好的指導(dǎo)作用,且提前預(yù)測也可以使病者的病情在最短時間得到有效的治療。而對該模型進(jìn)行系統(tǒng)辨識是個非線性系統(tǒng)辨識問題,傳統(tǒng)的系統(tǒng)辨識方法對這樣的非線性系統(tǒng)辨識問題效果不是很好。目前的系統(tǒng)辨識多采用二次規(guī)劃等解析算法,可辨識的參數(shù)少,收斂慢,對參數(shù)的初值依賴大。隨著智能控制領(lǐng)域研究的不斷發(fā)展,非線性程度也就越來越高,一些經(jīng)典的方法就很難滿足需要了。 本文研究了小種群粒子群優(yōu)化算法(SPPSO)在非線性系統(tǒng)辨識中的應(yīng)用,將其應(yīng)用在實際的醫(yī)學(xué)系統(tǒng)辨識中。根據(jù)HBV動力學(xué)模型,利用臨床檢測的動態(tài)數(shù)據(jù),為乙肝患者的診斷與治療提供新的輔助手段,主要工作內(nèi)容是： 將SPPSO算法與其他算法在非線性系統(tǒng)辨識中的效果進(jìn)行了比較,發(fā)現(xiàn)SPPSO在保持同樣精度的情況下,具有更快的收斂速度,因此更能滿足臨床分析的需要。 由于乙肝病毒動力學(xué)模型是非線性微分方程組,并且受到臨床動態(tài)監(jiān)測數(shù)據(jù)少的制約,一般的優(yōu)化算法很難得到較好的結(jié)果。本文將SPPSO算法運用到求解HBV動力學(xué)模型的非線性系統(tǒng)辨識中,實現(xiàn)了HBV動力學(xué)模型的快速辨識。SPPSO作為一種全局優(yōu)化算法,易于實現(xiàn),且收斂速度快,計算效率高。在處理數(shù)據(jù)量較大的大規(guī)模的種群問題時可大大降低時間和資源的開銷,因此在系統(tǒng)辨識特別是高度非線性系統(tǒng)中具有很大的意義。而這類復(fù)雜的非線性系統(tǒng)在醫(yī)學(xué)系統(tǒng)中有具典型性,所以將該算法用于求解HBV動力學(xué)模型上,有很好的研究價值和實用價值。 并且針對藥物作用的滯后效應(yīng),將時滯參數(shù)作為待辨識的參數(shù),采用時滯微分方程的求解算法,利用SPPSO算法實現(xiàn)了乙肝病毒時滯模型的辨識。 進(jìn)一步注意到醫(yī)學(xué)參數(shù)的時變特點,利用正交多項式的線性組合近似時變參數(shù),將無窮維問題轉(zhuǎn)化為有限維問題,利用SPPSO算法實現(xiàn)了乙肝病毒時變模型的辨識。 本文的研究為HBV動力學(xué)模型的參數(shù)辨識提供了一種新的方法,該方法可以推廣到一般非線性系統(tǒng)的辨識中。并為醫(yī)學(xué)測量提供了一種“軟測量”的方法：對于醫(yī)學(xué)上不能直接檢測或者檢測費用很高的變量,可以選取易于檢測的”二次變量”建立起”二次變量”與待檢測變量之間的”數(shù)學(xué)模型”,通過系統(tǒng)辨識,估計待檢測的變量。這都是很有實際的研究價值和研究意義的。
【圖文】：

(2)勵磁系統(tǒng)模型自動勵磁調(diào)節(jié)器系統(tǒng)的基本結(jié)構(gòu)如圖2.3所示，它由調(diào)差環(huán)節(jié)、測量比較、綜合放大、移相觸發(fā)、可控整流等環(huán)節(jié)構(gòu)成以機端電壓為被調(diào)量的自動勵磁調(diào)節(jié)的一個反饋控制系統(tǒng)[5〗]。5? —"^ 一‘賣— mir?原I磁機 發(fā)電機 *一"~測量 調(diào)差 I手動I ： ,0元件元件 ：I控制丨： _______ i i.......——一——— — —.............. J 勵磁調(diào)節(jié)器 手控勵磁機發(fā)電機 ?:_ 自動醒灥至賽 ^圖2.3自動勵磁調(diào)節(jié)器的基本結(jié)構(gòu)自動勵磁調(diào)節(jié)器的工作原理是首先利用測量元件去測量機端的電壓，并比較其結(jié)果f/g與基準(zhǔn)電壓之間的差值，并將其作為輸入信號，最后輸出/。，/,為前面求得的差值的反方向調(diào)整量，并在放大器的末端輸出。由于/,為的反方向調(diào)整量，所以當(dāng)C/g降低時，相反的，/,就增加

勵磁調(diào)節(jié)器的簡化框圖如圖2.4所示，圖中/：,、尺,分別表示各單元的放大值，為調(diào)節(jié)器總的放大系統(tǒng)，且等于各個單元放大倍數(shù)的乘積[5]]。V測量比較丨AV綜合放大 移相觸發(fā) 可控硅AVf^ 調(diào)差 If If *1 If If —I ? 丨 1^2 丨 "3Iw " “—3r 一 —~ 一“V f "“！ i 1“ 輔助控制i 發(fā)電機?圖2.4勵磁調(diào)節(jié)器簡化框圖對勵磁系統(tǒng)參數(shù)辨識首先要建立數(shù)學(xué)模型。單數(shù)，勵磁系統(tǒng)種類繁多，模型也不統(tǒng)一。各個勵磁生產(chǎn)廠家都為各自生產(chǎn)的勵磁系統(tǒng)建立了數(shù)學(xué)模型。然而廠家自定義的模型通常與電力運行部門計算要求的模型有很大的差異，即很難再電力運行部門計算所采用的軟件中直接找到與廠家自定義的模型相匹配的計算模型，，因此勵磁參數(shù)辨識的第一步是模型的辨識，即模式識別，獲得與廠家模型比較接近的模型，再進(jìn)一步辨識具體模型的參數(shù)。目前電網(wǎng)實際仿真計算程序，如BPA軟件和PSASP軟件
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2013
【分類號】：TP18;N945.14

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李秀英,韓志剛;非線性系統(tǒng)辨識方法的新進(jìn)展[J];自動化技術(shù)與應(yīng)用;2004年10期

2 夏志敏;趙志誠;;一種基于支持向量機的非線性系統(tǒng)辨識方法[J];太原科技大學(xué)學(xué)報;2010年05期

3 朱全民;非線性系統(tǒng)辨識[J];控制理論與應(yīng)用;1994年06期

4 王秀峰;非線性系統(tǒng)辨識及其應(yīng)用[J];天津科技;1996年03期

5 王軍;彭宏;肖建;;尺度核支持向量回歸的非線性系統(tǒng)辨識[J];系統(tǒng)仿真學(xué)報;2006年09期

6 尹輝，黃正良;一類結(jié)構(gòu)已知的非線性系統(tǒng)辨識[J];西南工學(xué)院學(xué)報;1995年01期

7 李ng,韓崇昭,吳艷萍;一類非線性系統(tǒng)辨識的參數(shù)空間優(yōu)化遺傳算法[J];控制與決策;2001年06期

8 張明光;閻威武;李戰(zhàn)明;;基于支持向量機的非線性系統(tǒng)辨識研究[J];計算機應(yīng)用研究;2006年05期

9 戴運桃;趙希人;劉利強;;基于進(jìn)化粒子群優(yōu)化的非線性系統(tǒng)辨識[J];計算機仿真;2010年10期

10 李秀英;韓志剛;;一種基于粒子群優(yōu)化的非線性系統(tǒng)辨識方法[J];控制與決策;2011年11期

相關(guān)會議論文 前5條

1 陳大慶;楊軍;周鳳歧;;基于神經(jīng)元網(wǎng)絡(luò)的非線性系統(tǒng)辨識[A];1991年控制理論及其應(yīng)用年會論文集（上）[C];1991年

2 呂強;郝繼紅;段運波;許耀銘;;利用動態(tài)RBF網(wǎng)絡(luò)的非線性系統(tǒng)辨識[A];1994中國控制與決策學(xué)術(shù)年會論文集[C];1994年

3 榮海娜;張葛祥;張翠芳;;基于支持向量機的非線性系統(tǒng)辨識方法[A];中國自動化學(xué)會、中國儀器儀表學(xué)會2004年西南三省一市自動化與儀器儀表學(xué)術(shù)年會論文集[C];2004年

4 郝萬君;喬焰輝;強文義;;基于自適應(yīng)競爭聚類和OLS算法的非線性系統(tǒng)辨識[A];2009中國控制與決策會議論文集（1）[C];2009年

5 張濤;謝林柏;丁鋒;;輸出信號量化的雙率采樣Hammerstein非線性系統(tǒng)辨識[A];2009中國控制與決策會議論文集（1）[C];2009年

相關(guān)博士學(xué)位論文 前4條

1 唐曉;小種群粒子群算法在非線性系統(tǒng)辨識中的應(yīng)用[D];武漢大學(xué);2013年

2 朱耀春;基于基因表達(dá)式編程技術(shù)的非線性系統(tǒng)辨識研究[D];華北電力大學(xué)（北京）;2008年

3 施建中;基于模糊聚類的非線性系統(tǒng)辨識研究[D];華北電力大學(xué);2012年

4 高學(xué)輝;遲滯Hammerstein非線性系統(tǒng)辨識與控制[D];北京理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 薛瑞靜;非線性系統(tǒng)辨識在人體動態(tài)平衡建模中的應(yīng)用[D];河北大學(xué);2015年

2 謝倩雯;改進(jìn)的極限學(xué)習(xí)機在辨識及分類中的應(yīng)用[D];北京化工大學(xué);2016年

3 張帥;基于支持向量機的非線性系統(tǒng)辨識及控制研究[D];河南師范大學(xué);2016年

4 杜寶慶;延遲系統(tǒng)控制及非線性系統(tǒng)辨識與仿真[D];曲阜師范大學(xué);2007年

5 田宏潔;基于粒子群方法的非線性系統(tǒng)辨識問題研究[D];西安電子科技大學(xué);2011年

6 孫建良;Hammerstein模型非線性系統(tǒng)辨識算法研究[D];浙江大學(xué);2013年

7 鄧楊;基于參數(shù)化時頻分析的非線性系統(tǒng)辨識[D];上海交通大學(xué);2014年

8 范偉;一類維納非線性系統(tǒng)辨識（Ⅰ）[D];江南大學(xué);2008年

9 楊韜;基于改進(jìn)人工蜂群算法的神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)辨識研究[D];西南交通大學(xué);2013年

10 張園園;基于聚類分析和LSSVM的非線性系統(tǒng)辨識[D];河南師范大學(xué);2014年

本文編號：2666101