基于模糊-PID算法护理呼吸机压力控制的设计与实现

王宏民，陈 毅，陈军伟，莫敦成，叶浩槐

(1.五邑大学 智能制造学部，广东 江门 529020； 2.深圳灵幻科技有限公司，广东 深圳 518055)

1 引 言

呼吸机自面世以来就用作辅助医疗器械，其在智能家居使用场合中的作用也备受关注。在COVID-19大流行后，人们对家用呼吸机的需求增加，家用呼吸机越来越多地进入日常使用场景[1-5]。新型冠状病毒疫情是对国内家用呼吸机行业的一次严峻考验。

近年来，国内外许多专家在家用呼吸机医疗护理方面进行了大量研究。Michael A.Borrello建立呼吸系统RCC模型，基于该模型设计了自适应逆模控制器。在呼吸检测技术方面，贾守强结合3种呼吸触发方法，验证该方法的可行性[7]。李洁提出了一种根据患者呼吸事件进行通气模式转换的策略和基于PI控制的压力缓变技术，提高了患者的舒适度[8]。刘华东提出了呼吸指数和阻塞因子的计算方法，用于判断呼吸暂停和低通气事件[9]。黄皓轩提出了基于流量图形的呼吸触发方法。

本文依据某医疗企业的要求、市场上现有的一些研究成果，实时地根据控制器调节风机转速，维持气道内压力不变并对呼吸数据进行分析研究。研究表明：在压力恒定不变时，压力控制器需要具有较好的稳态精度和稳态性能；在压力切换过程中，压力控制器需要具有较好的动态性能，快速完成压力切换。

2 护理呼吸机的设计

2.1 护理呼吸机结构设计

呼吸机放置于机器人内部，呼吸机内置通信模块并与呼吸机器人头部的通信模块通过4G相连接，通过对呼吸机器人输入语音指令或者在触摸屏上进行操作，即以呼吸机器人为媒介对呼吸机进行控制。呼吸机的出气口可以通过软管直接与图1中呼吸机器人侧边的呼吸管相连接，使用者只需带好呼吸面罩就可以通过呼吸机来协助呼吸。将呼吸机的出气口与呼吸机器人二层腔室中放置的制氧机、三层腔室的消毒仓相连接，然后再回到呼吸机放置的一层腔室中与呼吸管相连接，这样呼吸机输出的气体就可以得到加湿、加热，更有利于使用者的治疗。当开启呼吸机器人的跟随模式后，摄像头会持续获得使用者的图像信息并传输到头部的图像识别模块，总控制电路板会对这些信息进行处理，处理完成后通过无线传输的方式对呼吸机器人底部安装的AGV智能跟随底盘发送指令，跟随底盘根据这些指令进行移动，从而实现呼吸机器人对使用者的跟随。

图1 护理呼吸机和机器人模型

2.2 护理呼吸机气路设计

呼吸机得到指令后按比例对肺部输送氧气，通过比例阀精确地控制氧气流速，供给病人需要的流速和压力[10,11]。气体过滤器位于呼吸器末端，其主要功能是将外界进入呼吸气路可能含有的粉尘或烟雾及微生物等杂质过滤掉，因此安装气源过滤器是必要的。气体温湿器的主要作用是对患者吸入的空气加温加湿，避免因空气干燥或者温度太低而刺激患者的呼吸气道。呼吸机气路图见图2。

图2 呼吸机气路图

2.3 呼吸模型的建立

呼吸系统通气模型如图3所示，外回路气阻RT在试验中相对于气道插管气阻RL可忽略不计[15]。RL=KT·VL(KT是气道插管气阻常数)。图3中，Vi为输送气流，Ve为排出气流，V为输出气体流速，VL为流经肺的气体流速，PV为输出气压，PC为人体气道压，PL为肺泡气压，Pm为触发压力，CT和CL是通气管路顺应性和肺部顺应性。

图3 呼吸系统通气模型

图3中各量的关系为：

(1)

(2)

PV-PC=RT·VL

(3)

(4)

Vi-Ve=VL

(5)

将呼吸力学一阶线性函数集中为参数模型，自适应压力反馈控制系统如图4所示，图中，X(s)=PC/s,PC代表目标气道压力，C(s)代表控制函数，e(s)代表实际压力值与理论压力值的偏差，ET=1/CT,EL=1/CL，可推导出：

(6)

(7)

(8)

图4 自适应压力反馈控制系统

控制压力上升时间由一阶系统的参数决定。整个系统将C(s)调节成一阶系统,系统函数为：

(9)

利用T(s)和式(6)-式(8)的关系，得到：

(10)

由RL和CL决定T固定时控制函数的参数。向量形式Y=AX由式(1)改写而来并由最小二乘拟合可知：

X=(A′A)-1A′Y

(11)

下一呼吸周期的控制函数可由此计算结果得出。当RT、RL和CL的估计值和实际值有差异时，传递函数为：

系统依然稳定，由劳斯判据得出，系统阶跃响应的稳态误差为：

可知压力依然能调节，即便实际参数值与估算参数值有差异。

3 模糊-PID算法压力控制方案设计

结合双水平压力控制的特点和要求，本文选择将模糊控制和PID控制结合起来，使用模糊-PID双模控制器进行双水平压力控制。在压力切换过程中使用模糊控制，当压力切换完成时使用PID控制[11,12]。气道内的压力从平稳的低压力变化到平稳的高压力需要一定的时间，从高压力变化到低压力也需要一定的时间。当获取压力波动幅值时，对比波动幅值与设定上升阈值的大小，波动幅值大于上升阈值判断为吸气状态，反之判断为呼气状态。呼吸切换的过渡时间越短，说明呼吸机的压力控制动态性能越好，但压力调整速度过快会引起用户的不适。因而，呼吸机输入压力值需要自适应控制进行调整。气道压力调节流程如图5所示。

图5 气道压力调节流程

3.1 模糊-PID控制器设计

自适应模糊PID控制原理如图6所示，控制执行器为获得准确值，需要对模糊量进行去模糊化，对Kp和Ki使用模糊规则进行调节。参数模糊自适应是找出PID的3个控制参数和偏差e及偏差变化率ec的模糊关系，计算出e及ec的传感器反馈值与设定值，根据模糊控制规则对参数进行在线调整[13]。

3.2 隶属度函数选取

呼吸压力精确量转化为模糊量依据的是e和ec转换，而转化是根据模糊论域和隶属度函数，输入变量e、ec与输出变量ΔKp、ΔKi的模糊论域解释为NB代表负大，NM代表负中，NS代表负小，ZO代表零，PS代表正小，PM代表正中，PB代表正大。

图6 自适应模糊PID控制原理

将e和ec线性变换到区间[-1，1]之间，属于确定性集合。图7所示为变量的单点模糊化隶属度函数。e和ec隶属于各个模糊变量的隶属度由隶属度函数确定。压力设定值为P1=0.5kPa的待测物体，由压力传感器检测到的实际压力为P(t),则气体压力的误差e及误差变化率ec分别为：

e(t)=P(t)-P1

(12)

ec(t)=e(t)-e(t-1)

(13)

(a)

(b)图7 隶属度函数

3.3 模糊控制规则库设计

压力的变化率出现在设定值附近时，相对小的正值或负值由模糊控制器输出，误差变化率ec不变即代表压力变化率不变。当e较大，ec较小时，提高系统的响应速度需要增大Kp、减小Kd值，与此同时，也应该尽量减小Ki值来减少超调量；当e与ec相对合适时，提高系统的稳定性需要Kp、Ki值保持不变，同时Kd值应该减小；当e与ec均较小时，应减小Kp、Kd、Ki来提高系统的稳定性；当e较小，ec较大时，应减小Kd，直到e减小为0，ec增加为0。根据e和ec两个参数调节的依据，得出模糊控制规则表，见表1。

表1 模糊推理规则库表

4 试验结果与分析

利用试验平台(见图8)采集到的自适应实时流量波形图和自适应压力波形图如图9所示。压力4cmH2O时，压力控制器需具有较好的稳态精度和稳态性能。将压力误差信号通过PID控制的3个环节，运算输出风机转速百分比值，实现控制压力快速达到稳态值且无稳态误差。控制风机转速恒定为70时，波形图如图10(a)所示，其达到稳态值所需时间较长。加入PID控制环节后，调节KP比例放大系数，波形图如图10(b)所示。在引入Ki积分项过程中，经过大量试验修改不同的Ki参数，发现系统存在振荡现象，其结果如图10(c)所示。引入容许误差后，即当误差信号低于设定值时，误差信号置零。随后，调节积分项系数Ki，能够消除被控量静态误差，但控制滞后现象严重。通过引入微分控制器，能有效减少系统达到稳态时所需的时间，系统产生的超调现象依然存在，其结果如图10(d)所示。

图8 试验平台

图9 压力-流量数据图

(a)转速恒定时波形图

(b)比例压力控制波形图

(c)比例-积分压力控制波形图

(d)比例-积分-微分压力控制波形图图10 压力控制波形图

根据呼吸压力的切换方式，参数测量气路用来采集气路中的压力，传感器将压力数据传送给呼吸机的控制器从而进行压力控制。呼吸机的压力在2～20cmH2O范围，用SD卡记录呼吸过程中压力传感器测得的实际气道压力值，并在输出范围内设置呼吸机的治疗压力，得到不同治疗压力时的实际输出压力变化情况，模糊-PID双模控制压力效果测试数据如表2所示。

表2 模糊-PID双模控制压力效果测试数据

5 结 论

模糊-PID控制器因其压力值变化平缓，超调量小且能够满足呼吸机压力上升时间可变的要求。采用传递函数和模糊-PID双模控制算法设计了呼吸机压力控制系统，对风机转速进行实时调节。结果表明，采用模糊-PID双模控制算法可以使输出压力更加平稳，减少压力过冲和振荡现象，提高了通气的稳定性和患者使用的舒适度。