Models and nonlinear control strategies for blood glucose regulation in artificial pancreas [Modelli e strategie di controllo non lineare per la regolazione della glicemia nel pancreas artificiale]

Il diabete di tipo 1 è una malattia autoimmune in cui il sistema immunitario attacca e distrugge accidentalmente le cellule beta nel pancreas, limitando la capacità dell'organo di produrre insulina. Un pancreas artificiale è una tecnica che utilizza una pompa per somministrare la giusta quantità di insulina per via sottocutanea dopo aver analizzato i dati raccolti dai sensori, incluso il monitoraggio continuo del glucosio. Negli ultimi tre decenni, numerose tecniche per la regolazione di un pancreas artificiale sono state esplorate sia in ambienti clinici che simulati. Questo lavoro utilizza il modello Hovorka modificato, un modello non lineare esteso che illustra l'impatto dell'insulina sul trasporto, la rimozione e la sintesi endogena in compartimenti accessibili e inaccessibili allo scopo di controllare i livelli di glucosio nel sangue mediante somministrazione di insulina. La gestione dei livelli di glucosio nel sangue nelle persone a cui è stato diagnosticato il diabete di tipo 1 continua a essere un'impresa difficile, che richiede la creazione di sofisticate tecniche di controllo per i sistemi di pancreas artificiale. Sono stati presentati metodi di controllo lineari e non lineari considerando il modello Hovorka modificato per migliorare la gestione del glucosio, sottolineandone i vantaggi, i vincoli e l'idoneità. I controllori non lineari, tra cui il controllo della modalità scorrevole, il controllo integrale della modalità scorrevole e il controllo integrale doppio, e il controllo della modalità di raccordo terminale veloce integrale doppio hanno un'efficacia eccezionale nella regolazione delle dinamiche del glucosio, in particolare quando si tiene conto di perturbazioni come il consumo di pasti. Utilizzando l'ottimizzazione basata su algoritmi genetici, questi controllori riducono in modo efficiente gli errori di tracciamento e diminuiscono i tempi di assestamento, superando il metodo convenzionale come il controllo integrale proporzionale. Questo studio esplora anche il controllo predittivo del modello lineare, che prevede gli stati futuri del sistema per controllare in modo accurato ed efficiente i livelli di glucosio. Utilizza la programmazione quadratica che coinvolge il blocco qpOASES integrato MATLAB/Simulink per disegnare gli stati verso i punti target. I risultati di un'analisi comparativa dimostrano che il controllo predittivo del modello lineare è superiore ai controllori non lineari in termini di capacità di ridurre in modo efficiente gli errori di overshoot, undershoot e stato stazionario; tuttavia, possono sorgere difficoltà quando vengono applicati vincoli rigidi. Inoltre, la tesi esamina la funzione dei controllori di ordine frazionario tra cui integrale proporzionale, integrale proporzionale di ordine frazionario, controllo della modalità scorrevole e controllo della modalità scorrevole di ordine frazionario utilizzando il modello minimo di Bergman. Dimostra che i controllori di ordine non intero non superano costantemente le loro controparti di ordine intero, indicando la necessità di ulteriori indagini nella progettazione di approcci di controllo di ordine frazionario.

Grantor dc:publisher

Università degli studi di Catania

Year dc:date

2025

Author dc:creator

• MUGHAL, IQRA SHAFEEQ

Contributors dc:contributor

• CAPONETTO, Riccardo

• Type 1 diabete
• blood glucose level
• control theory
• nonlinear and linear controller
• optimisation
• genetic algorithm
• model predictive control
• qpOASES
• fractional order controller
• Diabete di tipo 1
• livello di glucosio nel sangue
• teoria del controllo
• controllori lineari e non lineari
• ottimizzazione
• algoritmo genetico
• controllo predittivo del modello
• controllore di ordine frazionario

Statement dc:rights

• info:eu-repo/semantics/openAccess
• license:PUBBLICO - Pubblico con Copyright
• license uri:iris.PUB02

Language dc:language

eng

Handle dc:identifier

https://hdl.handle.net/20.500.11769/691034

OAI identifier oai:identifier

oai:www.iris.unict.it:20.500.11769/691034