基于高斯过程的神经肌肉阻滞系统建模与控制
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 课题的研究背景与意义 | 第14页 |
| 1.2 神经肌肉阻滞过程 | 第14-20页 |
| 1.2.1 神经肌肉阻滞剂 | 第15-17页 |
| 1.2.2 神经肌肉阻滞水平的监测方法 | 第17页 |
| 1.2.3 神经肌肉阻滞剂连续过量注射问题 | 第17-18页 |
| 1.2.4 NMB控制的研究历史及难点分析 | 第18-20页 |
| 1.3 高斯过程建模方法 | 第20-21页 |
| 1.4 模型预测控制 | 第21-22页 |
| 1.5 课题来源 | 第22页 |
| 1.6 论文的结构与内容 | 第22-24页 |
| 第二章 NMB模型及GPs理论 | 第24-36页 |
| 2.1 房室模型 | 第24页 |
| 2.2 神经肌肉阻滞系统 | 第24-27页 |
| 2.2.1 机理分析 | 第25-26页 |
| 2.2.2 个体差异 | 第26-27页 |
| 2.3 高斯过程建模原理 | 第27-34页 |
| 2.3.1 权重空间 | 第28-30页 |
| 2.3.2 函数空间 | 第30-32页 |
| 2.3.3 无噪声条件下的预测 | 第32页 |
| 2.3.4 噪声条件下的预测 | 第32-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第三章 基于GPs的NMB系统模型分析 | 第36-60页 |
| 3.1 GPs模型结构 | 第36-44页 |
| 3.1.1 常用协方差函数 | 第38-39页 |
| 3.1.2 超参数估计 | 第39页 |
| 3.1.3 协方差函数的选择 | 第39-42页 |
| 3.1.4 超参数优化求解 | 第42-44页 |
| 3.2 在线动态建模 | 第44-47页 |
| 3.2.1 训练数据容量的选择 | 第45-46页 |
| 3.2.2 矩阵逆的优化求解 | 第46页 |
| 3.2.3 基于自然梯度法的超参数求解 | 第46-47页 |
| 3.3 NMB系统的建模仿真 | 第47-58页 |
| 3.3.1 基于GPs的离线NMB建模仿真 | 第47-55页 |
| 3.3.2 基于GPs的在线动态NMB建模仿真 | 第55-57页 |
| 3.3.3 系统动态变化对离线与在线模型的影响 | 第57-58页 |
| 3.4 本章小结 | 第58-60页 |
| 第四章 基于GPs的NMB控制 | 第60-72页 |
| 4.1 基于GPs的模型预测控制策略 | 第60-65页 |
| 4.1.1 GPs的线性化 | 第61-63页 |
| 4.1.2 改进的预测控制策略 | 第63-65页 |
| 4.2 基于离线GPs的NMB控制仿真 | 第65-68页 |
| 4.3 基于在线动态GPs的NMB控制仿真 | 第68-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第五章 结论与展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-82页 |
| 研究成果及发表的学术论文 | 第82-84页 |
| 作者及导师简介 | 第84-85页 |
| 附件 | 第85-86页 |
