طرح کنترل تطبیقی مرجع مدل نامتمرکز برای سیستم های غیر خطی؛ کاربردهای آن در درمان سرطان

قیمت: 44,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

طرح کنترل تطبیقی مرجع مدل نامتمرکز برای سیستم های غیر خطی؛ کاربردهای آن در درمان سرطان

عنوان لاتین

Decentralized Model Reference Adaptive Control Design for Nonlinear Systems; Application to Cancer Treatment

این مقاله، روشی برای طرح کنترل تطبیقی مرجع مدل نامتمرکز (MRAC) برای سیستم های پویای غیر خطی ارائه می دهد و کاربرد روش را در حوزه درمان سرطان توصیف می نماید. مدل ریاضی غیر خطی دینامیک سرطان به وسیله مجموعه ای از معادلات دیفرانسل که هر یک تنوع تعداد متقاوت سلول را نشان می دهد، توصیف می گردد. مدل شامل تاثیرات درمانی که به وسیله ایمنی درمانی، واکسن و شیمی درمانی اعمال می گردند نیز می شود. روش شناسی طرح MRAC ارائه شده بر پایه یک حدل مرجع غیر خطی پایدار استوار است که به وسیله کنترل کننده بازخورد حالت با استفاده از تکنیک های معادله ریکاتی وابسته به حالت(SDRE) ایجاد می شود. دینامیک دستگاه ماهیت غیر خطی دارد و یک روش شناسی تطبیقی طراحی می گردد که در آن پاسخ مدل مرجع غیر خطی دنبال می شود. تطبیق به شکل وابسته به حالت با استفاده از مکانیسم تطبیقی طراحی شده برای سیستم های پایای زمان خطی (LTI) چند خروجی چند ورودی (MIMO) اجرا می گردد. تکنیک ارائه شده برای بهبود ایمنی درمانی ترکیبی، شیمی درمانی و واکسن درمانی با استفاده از دارو برای درمان سرطان با استفاده از مدل ریاضی رشد تومو، توصیف می گردد. نتایج شبیه سازی، بازدهی MRAC مبتنی بر SDRE برای سیستم های غیر خطی MIMO را نشان می دهند.

The paper gives an approach to decentralized Model Reference Adaptive Control (MRAC) design for nonlinear dynamical systems and illustrates the method with an application to cancer treatment. The nonlinear mathematical model of the cancer dynamics is described by a set of differential equations each of which defines the variation of different cell numbers. The model also includes the treatment effects which are specifically defined by immune, vaccine and chemotherapy. The proposed MRAC design methodology is based upon a stable nonlinear reference model which is produced by a state feedback controller using the so called State Dependent Riccati Equation (SDRE) techniques. The plant dynamics is nonlinear by nature and an adaptation methodology is designed such that response of the nonlinear reference model is followed. The adaptation is performed on a state dependent basis mainly using the adaptation mechanism designed for multi input multi output (MIMO) linear time invariant (LTI) systems. The proposed technique is illustrated to develop mixed immunotherapy, chemotherapy and vaccine therapy drug administration for cancer treatment using a tumor growth mathematical model. Simulation results show the effectiveness of the SDRE based MRAC for MIMO nonlinear systems.