低功耗血糖水平模糊控制系统

低功耗血糖水平模糊控制系统 Sawsan M.Gharghory,Dalia A.El-Dib,和 Mervat Mahmoud 开罗电子研究所，埃及， （也）达尔豪西大学，哈利法克斯，NS，加拿大 电子邮箱： sawsancri.sci.cg, dafcldibalumni.uwatcrloo.ca, 和 mcrvatmcri.sci.cg 摘要 -建议用于调节血糖水平的 低功率模糊控制系统的硬件实现。 控制器设计在 VHDL 中，为专用 集成电路（ASIC）合成，然后与 现有的 FPGA 实现进行比较。 尽 管基于 FPGA 上的实现可以快速 交付到市场上，具有很高的设计 变更灵活性，但与 ASIC 的实现 相比，它的功耗更高。仿真结果 表明，与 FPGA 实现相比，建议 的 ASIC 可以减少 2 个数量级以 上的泄漏功耗。 而且，两者都 可以包含在一个健壮可靠的闭环 健康监测系统中。 .简介 糖尿病患者最重要的关注之一是调节 其血糖水平，以避免由于胰岛素不足（ 型糖尿病）或对胰岛素的反应不足（型 糖尿病）引起的高血糖引起的严重并发症 1 。晚期糖尿病患者需要胰岛素注射治 疗。管理胰岛素可以以几种方式进行控制， 可分为开环控制，半闭环和闭环控制。在 开环控制中，医生根据患者进行的三到四 次的手指刺痛葡萄糖测量的侵入性方法， 对皮下预先确定的胰岛素剂量进行处方。 由于胰岛素剂量的类型和量的粗略估计， 这种方法是痛苦，不方便和不可靠的。半 闭环控制是次优的，不能适当调整血糖水 平。由于取决于间歇性血糖读数，因此样 本间干扰的采样时间也很长。其中最有效 的技术是作为人造胰腺的闭环控制方法。 事实上，它可以提高患者的生活质量和预 期寿命2。人造胰腺（闭环控制系统）可 使糖尿病患者通过在正确的时间提供适量 的胰岛素来维持正常的葡萄糖水平，而在 决策过程中不需要人为的相互作用。这与 半闭合和开环控制方案不同，其中胰岛素 注射的决定由医师进行。 通常，在封闭的控制回路系统中，控 制算法实时处理来自血糖仪的信息，然后 相应地更新注射剂量。测试控制算法的性 能，一个虚拟患者使用描述葡萄糖 - 胰岛 素调节系统的动力学的适当的数学模型来 实现3，4。这些模型的范围从线性到 非线性，增加了复杂度5。这些模型的参 数因患者而异，不一定。因此，设计的控 制器应该对模型参数和膳食干扰的不确定 性是稳健的。已经开发了基于建立在这些 数学模型上的控制理论的各种算法来控制 血糖水平。然而，所提出的控制器被设计 为一个清晰的数学模型来解决清晰的模型， 并且不考虑模型参数的不确定性。因此， 这些方法在模拟中提供了良好的响应，但 在实践中不会成功，如果应用于实际患者， 则会失败。因此，模糊逻辑已经成为实现 适当控制流程的有力工具6。模糊逻辑控 制器（FLC）对于名义患者是有希望的7。 这项工作的目的是实现一种低功耗通用模 糊控制器，可用于使用廉价的专用硬件实 现的工业和商业应用。 本文的其余部分安排如下。建议的模 糊控制闭环系统及其使用 Matlab 的仿真概 述在第二部分。然后，决策模糊控制单元 的硬件设计详见第三节。第四节介绍了在 ASIC 上实现控制单元的仿真结果，并将其 功耗与 FPGA 实现进行了比较。最后，第五 节总结了工作，并提出了未来的工作。 .全闭环系统 在我们提出的系统中，糖尿病患者使 用连续葡萄糖监测（CGM）系统连续监测其 血糖水平。然后，将血糖水平自动发送到 实施模糊控制系统的硬件处理系统，以计 算所需的胰岛素水平。因此，所需的胰岛 素水平无线发送回胰岛素分配器，其将自 动调节由患者施用的胰岛素水平。因此， 如图 1 所示，建议用于监测和控制糖尿病 患者的血糖水平的完全闭环系统。 图 1：建议闭环系统。 连接的血糖计与个人移动处理单元通 信以调节糖尿病患者的血糖水平。处理单 元包含接收血糖仪读数的控制器，并将决 定的胰岛素注射剂量无条状地发回胰岛素 泵。模糊控制器逻辑在下一小节中有详细 说明。 A.模糊控制单元 各种复杂和简单的模型可以捕获葡萄 糖 - 胰岛素调节系统的基本动力学行为。 一方面，复杂的模型是准确的，但不适合 实时控制。另一方面，简单的模型捕获了 基本的动态行为，为实时控制设计提供了 更为合适的基础。Bergman 的最小模型是最 常用的模型，其捕获了葡萄糖 - 胰岛素调 节系统的基本动力学，并具有最小数量的 参数5 8如下： 其中 G（t）表示血浆葡萄糖浓度（mg / dl），X（t）是远端隔室的广义胰岛素 变量（1 / min），I（t）是血浆胰岛素浓 度（U/ ml） 。血浆葡萄糖和血浆胰岛 素的基础值分别为 Gb = 70（mg / dl）和 Ib = 7（U/ ml）。 p1， p2，p3，n，h 和 是 Bergman 最小模型的参数，其中 p1 是肌肉，肝脏和脂肪组织中葡萄糖摄取的 胰岛素独立速率常数（min-1）; p2 是组织 中葡萄糖摄取能力的降低速率（min-1）; p3 是高于胰岛素基础值（min-2（U/ ml）的单位胰岛素浓度的组织中葡萄糖 摄取能力的胰岛素依赖性增加; n 是血浆中 胰岛素的一级衰减率（1 / min）; h 是胰 岛素释放胰岛素的葡萄糖阈值（mg / dl） 是葡萄糖注射后葡萄糖浓度高于 h （U/ ml）min-2（mg / dl）-1胰岛素 释放胰岛素的速率。已经用于实施两个不 同患者的控制器的模型参数的值8在表 1 中给出。 表 I：模型参数 G(t) = p1G(t) Gb X(t)G(t) + D(t), X(t) = p2X(t) + p3I(t) Ib, and (2) I(t) = nI(t) Ib + G(t) h+t + u(t). (3) p2 p3 n G(0) I(0) patient1 0.02 5.1x106 0.0005 0.38 250 10 patient2 0.015 2.3x106 0.0004 0.5 250 10 实现模型的模糊控制器由两个语言输 入变量和一个输出变量构成。输入变量是 血浆葡萄糖浓度 G（t）及其变化率 dG / dt，输出变量是外源胰岛素输注速率 u（t）。两个输入的隶属函数如图 2 和图 3 所示。此外，输出参数函数如图 4 所示。 另外，输入和输出变量的特性见表二。 图 2：葡萄糖的成员功能 图 3：葡萄糖变化率的成员函数 图 4：胰岛素输注速度的成员功能 表二：输入和输出变量的特征 B.使用 Matlab Simulink 模拟全封闭系统 使用 Matlab Simulink，构建了全封闭 系统。绘制两个糖尿病患者无 FLC 反应的 模拟结果，以及在 50 分钟时间验证 FLC 与 膳食干扰的误差性。 应注意，两名患者具 有不同的模型参数。对于两个患者，没有 和伴有 FLC 的 G0 = 250（mg / dl）的初始 状态值的血浆葡萄糖浓度显示在图 5 和图 6 中。两个患者的 FLC 产生的胰岛素 u（t）的外源输注速率 如图 6 所示。 图 5：糖尿病患者血糖浓度无时间控制在餐后干扰 时间= 50 分钟 图 6：外源性输注胰岛素速率 u（ t）通过 FLC 在 In/Out Variables Interval Membership functions Glucose (40 400) NBig, NSmall, Normal, PSmall, M g/dl PMedium, PBig & PLarge Deviation in glucose (-20 20) Neg, Zero & Pos M g/dl Insulin infusion (-1 12) nbig, nsmall, zero, psmall, U/mg/min2 pmedium, pbig & plarge 时间= 50 分钟的膳食干扰下，以及两个不同患者 的血糖水平。 如图所示，模拟证明 FLC 能够调节糖 尿病患者的血糖，并在短时间内稳定在基 础水平。 事实上，两种患者的图 6 所示的 FLC 的胰岛素输注速率随着血糖升高而增加， 直到血糖水平再次下降到其正常值附近。 . FLC 的硬件设计 FPGA 上实现的模糊控制系统可以由图 7 所示的框图表示。 图 7：VHDL 设计并在 FPGA 上实现的模糊控制 系统框图 输入和输出变量的所有隶属函数都用 三个点和两个斜率表示。为了在数字系统 中易于实现，每个模糊集的点和斜率的所 有值以二进制形式表示。表示从 0 到 255 的十进制值的 8 位二进制数适用于覆盖图 2,3 和 4 中 x 轴上的输入和输出的数值范围。 如表 II 所示，血糖浓度的最大值，血糖变 化率和胰岛素剂量分别为 400,20,12。这些 映射到 255，这对应于 X“FF”，而所有它 们的最小数被设置为 X“00”。然后，相应 地分配输入和输出的隶属函数的其他点的 十六进制表示。例如，血糖浓度 （40,52,74.7）和（80,166,224）的两个 隶属函数 N Big 和 PM 的点的十六进制表示 可以十六进制表示（X“00”， X“08”， X“18”）和（X“1C”，X“59”， X“82”）。类似地，y 轴表示从 0 到 1（X“00”到 X“FF”）的值的隶属度 （）。这可以基于模糊隶属函数的交点 与给定的输入值的位置来计算，该输入值 可以在三角形隶属函数的中心点的左侧或 右侧。 否则，在这些集合的两个段之外， = 0 = X“00”。 类似地，dG 的隶属函 数的声明也以十六进制的范围表示。 A.模糊化 FLC 的第一步是在相应的模糊隶属函数 中将清晰输入转换为区间0,1中的隶属度 程度的模糊器。 在我们的应用中，对于两 个输入，总计有 10 个隶属函数。 由于特 定输入值最多只与两个隶属函数相交，通 常每个输入只能计算两个隶属度函数，而 其余的则为零。 B.规则推理 在确定了成员函数程度的模糊阶段之 后，下一步是计算一组给定隶属函数的语 言规则的数值结果。 根据系统输入值，使 用最小最大推理技术计算语言规则的数值 结果7，9，10。该计算的数值结果 称为模糊输出。 因为对于不同程度的隶属 函数，不同的规则可以是真实的，所以它 们导致引入复合结果。 在我们的申请中， 共有二十一个具有 AND 类型前提的 IF-THEN 规则的描述类似于以下形式： IF x is A AND y is B THEN z is C C C.去模糊化 这里，计算输出。 单个尖峰用于表示 输出隶属函数，而不是分布的模糊集。 这 种类型的输出有时被称为单例输出隶属函 数。 Sugeno 型系统支持这种类型的模型， 并且可以通常用于对输出隶属函数为线性 或常数的任何推理系统进行建模11。 用 于调节血糖水平的单一输出值计算如下： Nii iizOutp1 （4） 其中 w 是规则评估过程的模糊输出，z 是相应模糊隶属函数的单例值。 下面介绍 FLC 的硬件实现。 . 硬件实施 个人健康监测系统通常采用通用微处 理器（单核或多核）架构12。然而，与 其基于微处理器的执行相比，计算需求的 应用特定硬件实现更快，并且消耗较低的 功率/能量。因此，我们在 VHDL 中设计建 议的 FLC，模拟其在 ASIC 上的实现，并将 其功耗与 FPGA 上的实现进行比较。建议的 FLC VHDL 代码在 Synopsys 设计编译器中使 用两个技术套件合作，即 1.2V 工作的 TSMC 65nm 低功耗 CMOS 标准单元和典型为 0.8V 的 NanGate 15nm 开放式单元库。Xilinx Spartan-6chip 的 FPGA 实现消耗了大约 56的逻辑资源和 0的 Flip Flop 资源。 其功耗是使用 XPower 工具估计的8。表 III 显示了在 1MHz 操作设计时的面积和功 耗值。对于非常慢的生物信号，此切换频 率太高，但仅被选择用于电力演示。在实 际频率下，动态功率可以忽略不计。然后， 最理想的是具有最低漏电功率的设计。因 此，可以得出结论，在低功率生物系统中， 较老的技术（较大的）可以有效地防止泄 漏功率随着技术的减少而急剧增加。否则， 建议使用有效的低功耗睡眠模式。 表 III：工作在 1 MHz 的模糊逻辑控制器的面积 和功耗 Spartan-6 Xilinx TSMC 65nm LP CMOS cells NanGate 15nm CMOS cells Leakage Power 14mW 0.00007mW 0.041mW Dynamic Power 23mW 0.016mW 0.0212mW Total Power 37mW O.O16mW 0.062mW Area 6.28m 1.18m 在以前的文献中，Harikumar 等人完成 了用于控制糖尿病血糖水平的模糊 PD 控制 器的唯一实现。13在 FPGA 上。 他们在 Altera Quatrus II 上实施了系统，估计漏 电功率为 68mW。 很明显，我们的系统（在 FPGA 上仅消耗 14mW 的漏电）将以前报告的 泄漏功率降低了近 79。 然而，ASIC 实 现将将泄漏功率降低 1000。 .结论 建议用于实时连续血糖水平监测和调 整的 FLC 设计。 如果应用在闭环卫生系统 中，设计可以在糖尿病患者中有效和可靠 地稳定基础水平的血糖水平。 对 ASIC 的 硬件设计与实现进行了讨论，并与 FPGA 实 现进行了比较。 如果与 FPGA 实现相比， ASIC 实现可以将泄漏功率降低超过 2 个数 量级。 对于未来的工作，建议真正实现与 真实病人有关的闭环系统。 参考文献 1B. Topp, K. Promislow, G. Devries, R. M. Miura, and D. T FINEGOOD, “A model of -cell mass, insulin, and glucose kinetics: pathways to diabetes,” Journal of theoretical biology, vol. 206, no. 4, pp. 605619, 2000. 2A. Albisser, B. Leibel, T. Ewart, Z. Davidovac, C. Botz, and W. Zingg, “An artificial endocrine pancreas,” Diabetes, vol. 23, no. 5, pp. 389396, 1974. 3J. Li, Y. Kuang, and C. C. Mason, “Modeling the glucoseinsulin regulatory system and ultradian insulin secretory oscillations with two explicit time delays,” Journal of Theoretical Biology, vol. 242, no. 3, pp. 722735, 2006. 4A. De Gaetano and O. Arino, “Mathematical modelling of the intra-venous glucose tolerance test,” Journal of mathematical biology, vol. 40, no. 2, pp. 136168, 2000. 5J. T. Sorensen, “A physiologic model of glucose metabolism in man and its use to design and assess improved insulin therapies for diabetes,” Ph.D. dissertation, Massachusetts Institute of Technology, 1985. 6M. Ibbini and M. Masadeh, “A fuzzy logic based closed- loop control system for blood glucose level regulation in diabetics,” Journal of medical engineering & technology, vol. 29, no. 2, pp. 6469, 2005. 7Fuzzy Sets and Systems: Theory and Applications (Mathematics in Science & Engineering). Academic Press, 1980. 8S. M. Gharghory and D. A. El-Dib, “Fuzzy control system for regulating the blood glucose level of diabetes patients implemented on fpga,”Journal of Circuits, Systems and Computers, p. 1650161, 2016. 9J. M. Sibigtr