La ingeniería biomédica es un campo de ingeniería bastante nuevo

La ingeniería biomédica es un campo de ingeniería bastante nuevo. Es transdisciplinar, pasando por Matemáticas, Física, Químico y Bioquímico, Fisiología, Anatomía, Informática, Procesamiento de Señales, y también por Sistemas y Control, los estudiantes de Ingeniería Biomédica tienen características distintas con respecto a otros estudiantes de ingeniería: están entre medicina e ingeniería, o, en otras palabras, son los ingenieros de la vida humana y su preservación. Por lo general, tienen capacidades intelectuales de alto nivel, pero necesitan desarrollar habilidades de pensamiento sistémico. Este es el principal objetivo de los sistemas y conceptos de control y ejercicio.

En la Universidad de Coimbra, los grados de Ingeniería Biomédica (en los niveles de B.Sc. y M.Sc.) incluyen sistemas y conceptos de control distribuidos en varios cursos. En este artículo se describen a continuación los contenidos, métodos y experiencias. En el apartado 2 se describe el temario apoyado en la metodología de aprendizaje del apartado 3, plastificado en los ejemplos del apartado 4. La bibliografía del apartado 5 y las conclusiones completan la presentación.

2.1 Los conceptos básicos

El primer curso donde se introducen los conceptos del sistema es “Modelos Computacionales de Procesos Fisiológicos”, en el 5to semestre de 6 semestres B.Sc. la licenciatura. Este es un obligatorio curso para todos los estudiantes de ingeniería biomédica y es destinado a desarrollar habilidades para el modelado matemático y

simulación de la multiplicidad de sistemas fisiológicos en cuerpo humano. La primera parte del curso (15 horas de teoría y 16 horas de ejercicios) se llena con:

- Los conceptos generales de sistemas introducidos por la teoría de sistemas de Bertalanfy (1969) y bien desarrollada en Flood y Carson (1993).

- La descripción de sistemas lineales mediante ecuaciones diferenciales y Transformada de Laplace.

- Función de transferencia como herramienta para el análisis de sistemas y comprensión, utilizando la conexión entre la dinámica y las características de la función de transferencia.

- Representación del espacio de estados, ecuaciones de estados, auto estructura y sus conexiones con la estabilidad y las propiedades dinámicas.

- Modelado de sistemas no lineales mediante ecuaciones diferenciales, puntos de singularidad, linealización y estabilidad local. Fase de curvas en el espacio de estados y su importancia como retrato de propiedades fundamentales del sistema no lineal.

- Comportamiento caótico de sistemas biológicos y fisiológicos y la constante de Feigenbaum (1979).

Luego, el entorno Matlab © / SIMULINK © (Mathworks Inc.) se utiliza ampliamente para trabajos prácticos. Las aplicaciones fisiológicas y biológicas se utilizan siempre que sea posible.

2.2 Computación neural y difusa

El modelado de sistemas no lineales complejos mediante paradigmas basados ​​en datos, como las redes neuronales artificiales y los sistemas basados ​​en reglas difusas, se estudia en el curso "Computación neural y difusa", en M.Sc. nivel, curso de especialización solo obligatorio para una parte de los alumnos (especialidad de Bioinformática e Informática Clínica). Incluye:

- Redes neuronales artificiales (15h): funciones multicapa, base radial y arquitecturas recurrentes con y sin retardos de tiempo, y su uso como clasificadores de grandes conjuntos de datos.

- Control difuso, el primer contacto con el control que tienen los alumnos. La experiencia demuestra que esto es muy positivo, ya que el control difuso se puede enseñar casi como un juego. Esto crea en la mente de los estudiantes una imagen de control mucho más atractiva que si hubieran comenzado con el control clásico basado en la transformada de Laplace. Se introducen los conceptos fundamentales de los sistemas de control (lazo abierto, lazo cerrado, referencia, perturbaciones, error, etc.) Se les da a los estudiantes una caja negra (donde hay una función de transferencia dentro), se aplican entradas y se leen salidas, se intenta construir una imagen mental del sistema y luego escribir las reglas difusas, definiendo previamente las funciones de pertenencia de los antecedentes y consecuentes. Se estudian y experimentan los tipos Mamdani y Takagi-Sugeno. Por lo general, los estudiantes logran obtener un buen controlador. La caja de herramientas Matlab Fuzzy Logic tiene instalaciones que permiten este ejercicio.

2.3 Control digital y óptimo

El tercer curso donde los alumnos entran en contacto con el control es el de “Algoritmos de Diagnóstico y Autorregulación”. El "hombre biónico" con órganos artificiales controlados por el sistema nervioso central, una fusión de biología y electrónica, es la motivación para las teorías de control avanzadas. Se estudian los siguientes temas:

- Técnicas de discretización, Z-Transform (revisión), función de transferencia discreta y su identificación recursiva (5h).

- La síntesis de controladores digitales en un enfoque "de afuera hacia adentro": dada la función de transferencia de bucle cerrado deseada, dada la función de transferencia discreta de proceso (bucle abierto), derivar el controlador digital de ellos para dar forma al bucle cerrado, obedeciendo a las limitaciones de estabilidad y replicabilidad. Se introducen las ecuaciones diofánticas y el control PID discreto se ve como un caso particular (5h).

Controladores de cancelación polo-cero: ventajas e inconvenientes (la cancelación imperfecta de polos y ceros inestables) (5 horas).

- Realimentación de estado, en un espacio de estado discreto, y cómo da forma a la ecuación característica de lazo cerrado mediante un cálculo adecuado de las ganancias de realimentación. El problema del regulador se trata y se enfrenta como una forma de superar los controladores de cancelación polo cero (5 horas).

- Se introduce el control óptimo para el problema del regulador, incluyendo la ecuación de Ricatti en versiones recursiva y de estado estacionario. Se presenta como un caso especial de retroalimentación estatal (5 horas).

3. METODOLOGÍA DE APRENDIZAJE

El programa de sistemas y control es extenso e incluye la mayoría de las técnicas de control con relevancia práctica. Si fueran estudiados con todos los detalles y todos los desarrollos matemáticos, no encajaría en el espacio disponible y la mayoría de los estudiantes no serían capaces de absorberlos. En cambio, se sigue un enfoque más de “aprender haciendo”: aprender los aspectos teóricos más importantes para comprender el método, implementarlo y practicar con él y, si es necesario, volver a la teoría. El enfoque de "aprender haciendo" no es empírico, necesita un sólido apoyo matemático, pero en lugar de poner el acento en demostraciones teóricas abstractas, funciona para estimular la curiosidad intelectual del estudiante mediante un trabajo práctico que involucra varias percepciones. La flexibilidad de los entornos Matlab / SIMULINK permite la rápida puesta en obra y la experimentación de los controladores siguiendo el ciclo: experimentar-analizar los resultados-verificar con la teoría. Esto permite el desarrollo de una imagen mental del campo que apoya el desarrollo de las habilidades del estudiante, finalmente el objetivo más importante de su educación.

...