Taylor-Series-Based Hybrid Adaptive Sliding Mode Control with Online Meal Disturbance Estimation for Artificial Pancreas Systems

Technische Samenvatting: Taylor-reeks-gebaseerde Hybride Adaptieve Sliding Mode Controle voor Kunstmatige Pancreas Systemen

Probleemstelling
De regulatie van de bloedglucose bij Type 1 Diabetes Mellitus (T1DM) via kunstmatige pancreas (AP) systemen staat voor aanzienlijke uitdagingen door fysiologische onzekerheden en onvoorspelbare externe verstoringen, specifiek de maaltijdinname. Hoewel Sliding Mode Control (SMC) inherente robuustheid en eindige-tijd convergentie biedt, lijden conventionele SMC-formuleringen in klinische settings onder twee kritieke beperkingen:

1. Vaste Gains: De meeste SMC-gebaseerde controllers maken gebruik van vaste gains die niet kunnen adapteren aan patiëntspecifieke dynamiek of tijdvariërende insulinegevoeligheid.
2. Verstoringsgrenzen: Standaard Higher-Order Sliding Mode Control (HOSMC) en adaptieve benaderingen vereisen vaak vooraf bekende verstoringsgrenzen (bijv. maximale maaltijdgrootte) om stabiliteit te garanderen. In de praktoop is de koolhydraatinhoud van een maaltijd onbekend en onvoorspelbaar, wat een conservatieve tuning op basis van het slechtste scenario noodzakelijk maakt, wat vaak leidt tot excessieve insulinedosering of "chattering" (hoogfrequente oscillaties).

Bestaande strategieën zoals Model Predictive Control (MPC) leunen zwaar op modelnauwkeurigheid en computationele middelen, terwijl PID-controllers een gebrek aan adaptiviteit vertonen bij tijdvariërende condities. Intelligente controlemethoden (fuzzy/neuraal) missen vaak formele stabiliteitsgaranties. Bijgevolg is er behoefte aan een controleframework dat robuustheid, snelle postprandiale herstel en een vloeiende insulinedosering waarborgt zonder dat vooraf kennis nodig is van de magnitude van de maaltijdverstoring.

Methodologie
Het artikel stelt een verenigd Adaptive Sliding Mode Control (ASMC) framework voor, gebaseerd op een uitgebreid Bergman Minimal Model (BMM). De methodologie integreert drie kerncomponenten:

1. Systeemmodellering: De glucose-insuline dynamica wordt gemodelleerd met behulp van het BMM, uitgebreid met een expliciete maaltijdverstoringsterm $D(t)$. De verstoring wordt gemodelleerd als een exponentieel vervallende functie met een onbekende amplitude $A$ (die de koolhydraatinhoud van de maaltijd vertegenwoordigt) en een bekende vervalconstante $\beta$.
2. Taylor-reeks Parameterisatie: Om de onbekende amplitude $A$ te behandelen, passen de auteurs de Taylor-stelling toe op de verstoringsfunctie. Dit maakt het mogelijk om de nietlineaire verstoringsdynamica te deconstrueren naar een lineaire regressorvorm. Specifiek wordt de geclusterde nietlineaire term in de systeemdynamica gescheiden in nominale systeemdynamica en een verstoringsgerelateerde component geparametriseerd door $A$. Dit levert een bekende regressorvector $\Psi$ op die afhankelijk is van meetbare toestanden ($G, X, I$) en tijd, wat online de schatting van $A$ mogelijk maakt.
3. Adaptieve Controlowet:
   • Een tweede-orde sliding surface $S$ wordt gedefinieerd op basis van de glucose-fout en de afgeleiden daarvan.
   • De controle-input $u$ wordt opgesplitst in een equivalente controle (gebaseerd op de geschatte dynamica) en een discontinue schakelterm.
   • Cruciaal is dat de onbekende amplitude $A$ wordt vervangen door een online schatting $\hat{A}$.
   • Een Lyapunov-gebaseerde adaptieve wet wordt afgeleid om $\hat{A}$ in real-time bij te werken. De update-wet is ontworpen zodanig dat de tijd afgeleide van de Lyapunov-functie niet-positief is, wat de begrensdheid van alle closed-loop signalen waarborgt.
   • Theoretische analyse bewijst eindige-tijd convergentie van de sliding surface naar nul zonder dat vooraf kennis nodig is van de bovengrens van de verstoring.

Belangrijkste Bijdragen
Het artikel identificeert drie primaire bijdragen:

1. Ontwikkeling van een ASMC met Online Schatting: De formulering van een adaptieve controller die de onbekende maaltijdverstoringsamplitude online schat met behulp van een via Taylor-reeksen geparametriseerde regressor, waardoor de noodzaak voor vooraf bekende verstoringsgrenzen of maaltijdvermeldingen wordt geëlimineerd.
2. Strikte Stabiliteitsanalyse: Een formele Lyapunov-gebaseerde stabiliteitsanalyse die eindige-tijd convergentie van het closed-loop systeem vaststelt, waarbij wordt bewezen dat de adaptieve wet de begrensdheid van alle signalen (glucose, insuline en schattingsfout) waarborgt.
3. Uitgebreide Comparatieve Evaluatie: Een simulatie-gebaseerde validatie tegenover een conventionele SMC met behulp van fysiologisch gevalideerde patiëntparameters, die superieure prestaties aantoont in termen van piekreductie, insteltijd en eliminatie van chattering.

Simulatie-resultaten
De voorgestelde ASMC werd geëvalueerd in MATLAB/Simulink over een horizon van 24 uur met drie maaltijdverstoringen (ontbijt, lunch, diner) over drie verschillende patiëntprofielen met variërende metabole parameters. Belangrijke kwantitatieve bevindingen zijn:

• Glucoseregulatie: De ASMC verminderde postprandiale glucosepieken met 70,8% vergeleken met conventionele SMC (bijv. de lunchpiek werd gereduceerd van 380,65 mg/dL naar 108,42 mg/dL). De conventionele SMC overschreed de door de ADA aanbevolen drempel van 180 mg/dL, terwijl de ASMC de niveaus binnen veilige grenzen hield.
• Convergentiesnelheid: De ASMC bereikte een 28,3% snellere insteltijd (1,70 uur vs. 2,37 uur) tijdens maaltijdgebeurtenissen.
• Tracking Nauwkeurigheid: De ASMC vertoonde aanzienlijk lagere foutmetrieken: 87,20% lagere ITAE, 14,71% lagere IAE, en 5,22% lagere ISE en MSE vergeleken met SMC.
• Controle Gladheid: De ASMC elimineerde chattering, wat blijkt uit een 85,95% reductie in Maximale Amplitude Verandering (MAC) en een 78,40% reductie in Input Signaal Variatie (ISV). Dit resulteerde in een vloeiender insuline-infusieprofiel, waardoor de hoogfrequente oscillaties die bij conventionele SMC worden gezien, werden vermeden.
• Veiligheid: In alle gesimuleerde scenario's, inclusief patiënten met een hoge insulineresistentie, hield de ASMC de glucoseniveaus strikt boven de hypoglykemie-drempel van 70 mg/dL, terwijl de conventionele SMC onveilige hyperglykemische uitschieters vertoonde.

Betekenis en Claims
De auteurs claimen dat het voorgestelde framework een robuuste, computationeel efficiënte en klinisch betrouwbare oplossing biedt voor kunstmatige pancreas systemen. De betekenis van het werk ligt in het vermogen om de kritieke uitdaging van onbekende maaltijdverstoringen aan te pakken zonder te vertrouwen op conservatieve worst-case tuning of voorafgaande kennis van verstoringsgrenzen.

Door de integratie van Taylor-reeks schatting met adaptieve sliding mode controle bereikt het systeem:

• Klinische Veiligheid: Preventie van zowel ernstige hyperglykemie als hypoglykemie.
• Patiëntcomfort: De eliminatie van chattering leidt tot een vloeiendere insulinedosering, wat het risico op pompvermoeidheid en weefselirritatie vermindert.
• Personalisatie: De controller adapteert aan individuele patiëntdynamiek (insulinegevoeligheid en glucoseklaring) via het online schattingsmechanisme.

Het artikel concludeert dat hoewel conventionele SMC theoretisch robuust is, het klinisch onpraktisch is voor AP-systemen vanwege het onvermogen om ongekende verstoringen te hanteren zonder excessieve gains. De voorgestelde ASMC overbrugt deze kloof en biedt een levensvatbaar alternatief dat eindige-tijd convergentie en vloeiende controleactie garandeert, waardoor het geschikt is voor embedded implementatie in insulinepompen. Toekomstig werk richt zich op klinische validatie en integratie met ruisgevoelige sensordata.