优化呼吸机性能，特别是在重症监护室（ICU）中，已变得日益关键。传统算法表现出有限的抗干扰能力，导致在突发系统故障下压力调节性能下降。该领域的一个关键挑战是管理由技术故障（如软管破裂或其他系统组件失效）引起的干扰。所提出的解决方案采用基于电鳗觅食优化算法（EEFOA）的二型模糊PID控制器整定方法，以增强压力调节并提高对干扰的鲁棒性。通过维持适当的探索-利用平衡，该算法提高了控制器效率。所提出的控制器对技术故障引起的干扰表现出降低的敏感性。研究人员在三种情况下评估了系统性能。在情况1中，通过比较有/无前馈的正常条件下系统响应，评估了前馈作用的影响。在情况2中，比较了用于整定一型模糊PID控制器的不同优化算法，结果表明所提出的方法优于已建立的优化技术，如粒子群优化（PSO）、遗传算法（GA）和正弦余弦算法（SCA），在时间加权平方误差积分（ITSE）准则上分别提高了18.96%、79.31%和35.34%，从而增强了控制器的精度、稳定性和抗干扰性能。在情况3中，进行了一型与二型模糊PID控制器之间的比较分析。此外，针对所提出的基于EEFOA的二型控制器，分别进行了其在干扰下和系统参数变化敏感性下的性能评估，证实其能将气道压力维持在适当范围内，并表现出增强的精度、瞬态性能和鲁棒性。
人工通气是用于无法自主呼吸患者的重要生命支持技术，尤其在重症监护室（ICU）中。COVID-19疫情凸显了呼吸机设备的短缺和提升其性能的迫切性。现有控制策略，如传统PID、模糊逻辑、神经网络及元启发式优化方法，虽然取得了一定进展，但仍存在抗干扰能力不足、对精确系统模型依赖性强、计算复杂度高等局限，尤其在面对软管破裂等突发技术故障时，压力调节性能显著下降。为克服这些挑战，研究人员设计并优化了一种基于电鳗觅食优化算法（Electric Eel Foraging Optimization Algorithm, EEFOA）的二型模糊PID控制器，旨在增强呼吸机系统的鲁棒性和抗干扰能力。该研究在呼吸机系统模型上进行仿真，通过三种案例验证所提方法的有效性，结果表明该控制器在精度、稳定性和抗干扰方面显著优于其他算法。论文发表在《Biomedical Signal Processing and Control》。
主要关键技术方法包括：(1) 呼吸机系统建模：建立包含鼓风机和患者-软管子系统的动态模型，以状态空间方程表示，模拟压力与流量关系；(2) 二型模糊PID控制器设计：采用两输入（误差和误差变化率）单输出的模糊逻辑规则，设计控制器增益结构，利用二型模糊集处理不确定性；(3) EEFOA优化算法：通过模拟电鳗群体觅食行为，平衡探索与利用，整定模糊PID控制器参数，以优化压力调节性能和鲁棒性。所有仿真均在无具体样本队列的条件下进行。
研究结果按以下案例呈现：
**Case 1: 前馈补偿效果评估**
通过比较正常条件下有/无前馈的系统响应，评估前馈作用。结果显示前馈补偿能加速响应并减小稳态误差，但主要作为性能基准，为后续优化提供对比。
**Case 2: 优化算法比较**
将EEFOA整定的一型模糊PID控制器与PSO、遗传算法（GA）和正弦余弦算法（SCA）整定的控制器进行比较。在时间加权平方误差积分（ITSE）准则上，EEFOA分别实现了18.96%、79.31%和35.34%的改进，证实其更高的控制精度、稳定性和抗干扰能力。
**Case 3: 一型与二型模糊PID控制器比较**
对比分析表明，二型模糊PID控制器在处理系统不确定性和干扰方面优于一型控制器，尤其在高噪声和参数变化场景下表现更佳。
**附加分析：干扰与参数敏感性评估**
针对所提出的基于EEFOA的二型控制器，分别进行干扰（如软管破裂）条件下和系统参数变化下的性能测试。结果确认该控制器能在严重干扰下将气道压力维持在安全范围内，并展现出增强的瞬态响应、抗干扰鲁棒性和对参数变化的低敏感性。
总结讨论部分：论文未设独立讨论章节，结论部分总结了核心贡献。翻译结论如下：本文介绍了采用电鳗觅食优化算法（EEFOA）的呼吸机系统二型模糊PID控制器的设计与优化。建立了包含鼓风机和患者-软管子系统的呼吸机动态模型，并以状态空间框架表示。采用两输入单输出的模糊逻辑规则设计了模糊PID控制器，并通过EEFOA整定增益以增强系统性能。研究证明了所提方法在抗干扰和鲁棒性方面的优越性，为ICU呼吸机压力控制提供了一种高可靠性解决方案。
打赏
