fa کنترل تطبیقی شبکه عصبی مقاوم قند خون بیماران دیابتی نوع یک در حضور وعده‌های غذایی تخصصي Special پژوهشي Research paper <div style="text-align: justify;">در این مقاله کنترل قند خون بیماران دیابتی نوع یک در حضور نامعینی و وعده‌های غذایی مورد توجه قرار گرفته است. به منظور ارائه‌ رویکرد کنترلی کارآمد، فرض شده است که تمام دینامیک‌های توصیف‌کننده مکانیزم تنظیم قند خون بیماران دیابتی نوع یک کاملاً نامعین می‌باشند. براساس توابع تقریب‌زن عمومی شبکه‌ عصبی شعاعی مجهز شده به الگوریتم تطبیق و همچنین استفاده از رویکرد کاهش تعداد پارامترهای آموزشی شبکه‌ عصبی، دینامیک‌های نامعین مدل برگمن تقریب زده شده است. در ادامه براساس رویکرد کنترلی خطی‌ساز فیدبک و جبران‌ساز تطبیقی مقاوم، طراحی کنترل‌کننده خطی‌ساز فیدبک شبکه عصبی به منظور تنظیم قند خون بیماران دیابتی نوع اول در حضور وعده‌ غذایی برای اولین بار مورد بررسی قرار گرفته است. با تحلیل مبتنی بر تئوری لیاپانوف نشان داده شده است که تمام سیگنال‌های سیستم حلقه بسته کنترل قند خون به صورت کران‌دار نهایی یکنواخت ، پایدار می‌باشند و همچنین قند خون بیماران دیابتی به کرانی از مقدار مطلوب همگرا شده است. در انتها، نتایج شبیه‌سازی به منظور نشان دادن کارآمدی کنترل‌کننده‌ طراحی شده به تصویر کشیده شده است.<div></div></div> <div style="text-align: justify;">In this paper, the blood glucose control for type 1 diabetic patients in the presence of model uncertainties and uncertain meals is considered. In order to present an efficient control approach, it is assumed that the dynamics describe the mechanism of the blood glucose regulation in type 1 diabetic patients are completely unknown. Hence, based on the universal approximation property of the radial basis neural network equipped with an adaptive algorithm, as well as using the minimal learning parameter approach, unknown model dynamics are approximated. Then, based on the feedback-linearization approach and robust adaptive compensation scheme, an appropriate control method is designed to regulate blood glucose in type 1 diabetic patients in the presence of a meal. By a Lyapunov based analysis, it is shown that the closed-loop system of blood glucose control is uniformly ultimately bounded and that the blood glucose of diabetic patients converges to a desired level. Finally, simulation results are shown to demonstrate the efficiency of the designed controller<span dir="RTL">.</span></div> دیابت, کنترل خطی ساز فیدبک, شبکه‌های عصبی, جبران ساز مقاوم, دیدگاه حداقل پارامترهای آموزش شبکه عصبی. Diabetes, Feedback-linearization control, Neural networks, Robust compensator, Minimal learning parameter approach. 25 39 http://joc.kntu.ac.ir/browse.php?a_code=A-10-945-2&slc_lang=fa&sid=1 Zahra Kouchaki زهرا کوچکی نافچی zahrakouchaki532@yahoo.com 10031947532846008840 10031947532846008840 No Najafabad Branch, Islamic Azad University دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران Mohammad Reza Yousefi محمد رضا یوسفی mr-yousefi@iaun.ac.ir 10031947532846008841 10031947532846008841 Yes Najafabad Branch, Islamic Azad University دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران Khoshnam Shojaei خوشنام شجاعی shojaei@pel.iaun.ac.ir 10031947532846008842 10031947532846008842 No Najafabad Branch, Islamic Azad University دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران