Você está na página 1de 130

Dados Internacionais de Catalogao-na-Publicao (CIP)

Diviso Biblioteca Central do ITA/CTA


Silva, Cleiton Diniz Pereira da Silva e
Controle preditivo de uma bomba de infuso de insulina para regulao da glicemia em
pacientes diabticos tipo I / Cleiton Diniz Pereira da Silva e Silva.
So Jos dos Campos, 2004
128f.
Tese de mestrado - Curso de Engenharia Eletrnica e Computao - rea de Sistemas e
Controle - Instituto Tecnolgico de Aeronutica, 2004. Orientador: Prof. Dr. Takashi Yoneyama.
1. Controle preditivo. 2. GPC 3. Bomba de infuso. 4. Diabetes 5. Glicemia I. Centro
Tcnico Aeroespacial. Instituto Tecnolgico de Aeronutica. Diviso de Engenharia Eletrnica.
II. Ttulo
REFERNCIA BIBLIOGRFICA
SILVA, Cleiton Diniz Pereira da Silva e. Controle preditivo de uma bomba de infuso de
insulina para regulao da glicemia em pacientes diabticos tipo I. 2004. 128f. Tese de
mestrado - Instituto Tecnolgico de Aeronutica, So Jos dos Campos.
CESSO DE DIREITOS
NOME DO AUTOR: Cleiton Diniz Pereira da Silva e Silva
TTULO DO TRABALHO: Controle preditivo de uma bomba de infuso de insulina para regula-
o da glicemia em pacientes diabticos tipo I.
TIPO DE TRABALHO: Tese / 2004
concedida ao Instituto Tecnolgico de Aeronutica permisso para reproduzir cpias desta
tese e para emprestar ou vender cpias somente para propsitos acadmicos e cientcos. O
autor reserva outros direitos de publicao e nenhuma parte desta tese pode ser reproduzida
sem a autorizao do autor.
Cleiton Diniz Pereira da Silva e Silva
R. Artur Monteiro Viana, 55
CEP: 58.109-140 Campina Grande, PB
CONTROLE PREDITIVO DE UMA BOMBA DE INFUSO
DE INSULINA PARA REGULAO DA GLICEMIA EM
PACIENTES DIABTICOS TIPO I
Cleiton Diniz Pereira da Silva e Silva
Composio da Banca Examinadora:
Prof. Dr. Elder Moreira Hemerly Presidente - (ITA)
Prof. Dr. Takashi Yoneyama Orientador - (ITA)
Prof. Dr. Agenor de Toledo Fleury (IPT)
Prof. Dr. Karl Heinz Kienitz (ITA)
Prof. Dr. Roberto Kawakami Harrop Gavo (ITA)
ITA
Dedicatria
Aos meus pais, Wilton e Cleide, e aos meus
irmos, Diogo e Uilma, pela amizade, incen-
tivo e apoio em todos os momentos importan-
tes de minha vida.
Agradecimentos
Ao meu orientador Takashi Yoneyama pelo seu apoio e incentivo.
FAPESP pela bolsa cujo suporte tornou possvel a realizao deste trabalho.
A todo o pessoal da Biblioteca Central do ITA, em especial ao Aurlio, pela solicitude
e pela inestimvel ajuda no levantamento de referncias para este trabalho.
A todos os meus colegas que me incentivaram e apoiaram ao longo deste trabalho.
Resumo
O presente trabalho visa a investigar, via simulao numrica, o desempenho de um
controlador preditivo generalizado aplicado regulao da glicemia em pacientes diabticos
tipo I, mediante o emprego de bombas de infuso de insulina.
A simulao da dinmica do sistema endcrino-metablico em um paciente diab-
tico tipo I, metabolicamente normalizado, foi realizada atravs de um modelo no-linear de
19
a
ordem bastante difundido na literatura. Em pacientes diabticos tipo I, metabolicamente
no-normalizados, tal dinmica foi simulada considerando-se variaes, em relao aos valores
nominais, nos valores dos parmetros do modelo anterior.
O controlador projetado, quando atuando em um paciente diabtico metabolicamente
normalizado, teve o seu desempenho avaliado pelos valores mximos e mnimos da concentra-
o de glicose no sangue perifrico venoso e pelo intervalo de tempo para a concentrao de
glicose anterior retornar faixa de 2% em torno da concentrao de referncia, aps uma refei-
o contendo uma quantidade pr-xada de glicose. Quando o controlador proposto atuava em
um paciente diabtico metabolicamente no-normalizado, inicialmente descompensado, o seu
desempenho foi avaliado pelo intervalo de tempo necessrio para a glicemia retornar faixa de
2% em torno da concentrao de referncia.
O desempenho apresentado pelo controlador proposto neste trabalho comparvel aos
j disponveis na literatura sendo, entretanto, o controlador proposto aqui mais simples de ser
implementado e menos custoso computacionalmente.
Abstract
The present work investigates a predictive controllers performance to maintain nor-
moglycemia in type I diabetic patient using a insulin infusion pump.
The dynamics of the glucoregulatory system in a metabolic normalized type I diabetic
patient was simulated by a nonlinear 19th order model, commonly found in the literature. In
the metabolic unnormalized type I diabetic patient this dynamic was simulated regarding the
parameters in the previous model not equal to their nominal values.
When acting to maintain normoglycemia in a normalized type I diabetic patient, the
controllers performance was assessed by the minimum and maximum peripheral blood glucose
concentration and the elapsed time for the glucose concentration values return to the interval of
2% around the reference concentration. In an unnormalized diabetic patient the performance
was assessed by the elapsed time for the glucose concentration return to the interval of 2%
around the reference concentration.
The controllers synthesized in this work showed a performance similar to those avai-
lable in the literature, being, however, more easily implemented and less computationally de-
manding.
Sumrio
Dedicatria iii
Agradecimentos iv
Resumo v
Abstract vi
Lista de Figuras xi
Lista de Tabelas xiv
Lista de Acrnimos xv
Lista de Smbolos xvi
1 Introduo 18
1.1 Motivao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2 Escopo do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.3 Contribuies do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.4 Organizao do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2 Regulao do metabolismo dos carboidratos 26
2.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2 Regulao do metabolismo da glicose em pessoas hgidas . . . . . . . . . . . . 27
2.2.1 Estimulao da secreo de insulina pela glicose sangunea . . . . . . . 29
vii
2.2.2 Estimulao da secreo de glucagon pela glicose sangunea . . . . . . 29
2.2.3 Efeito da insulina sobre o metabolismo dos carboidratos . . . . . . . . 29
2.2.4 Efeito do glucagon sobre o metabolismo dos carboidratos . . . . . . . 30
2.3 Os estados de hipoglicemia, hiperglicemia e normoglicemia . . . . . . . . . . 31
2.4 Diabetes mellitus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4.1 Conceito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4.2 Classicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.4.3 Estgios de tolerncia glicose e diagnstico . . . . . . . . . . . . . . 33
2.4.4 Prevalncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.4.5 Complicaes agudas e crnicas . . . . . . . . . . . . . . . . . . . . . 34
2.4.6 Insulino terapias convencionais . . . . . . . . . . . . . . . . . . . . . 34
2.5 Modelos matemticos da dinmica da regulao do metabolismo dos carboidratos 35
2.5.1 Modelo siolgico: pessoa hgida . . . . . . . . . . . . . . . . . . . . 36
2.5.2 Modelo patolgico normalizado: paciente diabtico tipo I metabolica-
mente normalizado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.5.3 Modelo patolgico no-normalizado: paciente diabtico tipo I metabo-
licamente no-normalizado . . . . . . . . . . . . . . . . . . . . . . . . 43
2.6 Modelo matemtico da absoro de glicose no trato gastrintestinal . . . . . . . 44
3 Controle Preditivo 46
3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.2 Controle Preditivo Generalizado (GPC) . . . . . . . . . . . . . . . . . . . . . 49
3.2.1 Soluo do GPC: Caso sem Restries . . . . . . . . . . . . . . . . . . 63
3.2.2 Soluo do GPC: Caso com Restries . . . . . . . . . . . . . . . . . 64
3.3 Algoritmo da Estratgia GPC: Resumo . . . . . . . . . . . . . . . . . . . . . . 68
4 Metodologia 70
4.1 Simulao dos modelos patolgicos . . . . . . . . . . . . . . . . . . . . . . . 70
4.2 Determinao do modelo interno . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.3 Resoluo do problema de programao quadrtica . . . . . . . . . . . . . . . 74
viii
4.4 ndices de desempenho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.5 Sintonia dos controladores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.5.1 Escolha de N
1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.5.2 Escolha de . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.5.3 Escolha de N
u
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.5.4 Escolha de N
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.6 Vericao de desempenho do controlador projetado . . . . . . . . . . . . . . 79
5 Anlise dos resultados 80
5.1 Simulaes dos modelos patolgicos . . . . . . . . . . . . . . . . . . . . . . . 81
5.2 Determinao do modelo interno . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.3 Sintonia do controlador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.4 Vericao de desempenho do controlador escolhido . . . . . . . . . . . . . . 91
5.5 Comparao com resultados da literatura . . . . . . . . . . . . . . . . . . . . . 93
6 Comentrios nais 102
6.1 Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.2 Sugestes para trabalhos futuros . . . . . . . . . . . . . . . . . . . . . . . . . 103
A Equaes e Parmetros do Modelo do Sorensen 104
A.1 Equaes do balano de massa do submodelo da glicose . . . . . . . . . . . . 104
A.2 Taxas metablicas do submodelo da glicose . . . . . . . . . . . . . . . . . . . 105
A.2.1 Taxa de consumo de glicose no crebro: . . . . . . . . . . . . . . . . . 105
A.2.2 Taxa de consumo de glicose pelas clulas vermelhas: . . . . . . . . . . 105
A.2.3 Taxa de utilizao de glicose no intestino: . . . . . . . . . . . . . . . . 105
A.2.4 Taxa de produo heptica de glicose: . . . . . . . . . . . . . . . . . . 106
A.2.5 Taxa de consumo de glicose no fgado . . . . . . . . . . . . . . . . . . 106
A.2.6 Taxa de excreo de glicose pelos rins . . . . . . . . . . . . . . . . . . 107
A.2.7 Taxa de consumo de glicose na periferia . . . . . . . . . . . . . . . . . 107
A.3 Equaes do balano de massa do submodelo da insulina . . . . . . . . . . . . 108
A.3.1 Taxa da degradao de insulina no fgado: . . . . . . . . . . . . . . . 108
ix
A.3.2 Taxa de degradao da insulina nos rins: . . . . . . . . . . . . . . . . . 109
A.3.3 Taxa de degradao da insulina na periferia: . . . . . . . . . . . . . . . 109
A.3.4 Taxa de liberao de insulina pelo pncreas: . . . . . . . . . . . . . . . 109
A.4 Equaes do submodelo do glucagon: . . . . . . . . . . . . . . . . . . . . . . 110
A.5 Taxas metablicas no modelo do Glucagon: . . . . . . . . . . . . . . . . . . . 111
A.5.1 Taxa de liberao de glucagon pelo pncreas: . . . . . . . . . . . . . . 111
A.5.2 Taxa de degradao do glucagon no plasma: . . . . . . . . . . . . . . . 111
A.6 Parmetros do modelo da glicose . . . . . . . . . . . . . . . . . . . . . . . . . 112
A.7 Parmetros do modelo da insulina . . . . . . . . . . . . . . . . . . . . . . . . 113
A.8 Parmetros do modelo do glucagon . . . . . . . . . . . . . . . . . . . . . . . . 114
B Equaes Diofantinas 115
B.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
B.2 Equaes diofantinas polinomiais lineares: existncia de solues . . . . . . . 116
B.3 A equao:

A(z
1
)E(z
1
) +z
j
F(z
1
) = 1 . . . . . . . . . . . . . . . . . . 116
B.3.1 Soluo E
1
(z
1
), F
1
(z
1
) com deg(E
1
(z
1
)) = 0 . . . . . . . . . . . 118
B.3.2 Recurso das solues E
j
(z
1
), F
j
(z
1
) com deg(E
j
(z
1
)) = j 1 . . 119
B.4 Algoritmo para o clculo recursivo das solues E
j
,F
j
: resumo . . . . . . . . . 122
Referncias Bibliogrcas 123
Glossrio 127
x
Lista de Figuras
1.1 Representao esquemtica do sistema de controle para regulao da glicemia
em malha fechada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.2 Denio das variveis de interesse . . . . . . . . . . . . . . . . . . . . . . . 23
2.1 Diagrama esquemtico da regulao do metabolismo da glicose pela insulina e
glucagon em pessoas hgidas . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2 Representao esquemtica dos compartimentos do submodelo da glicose . . . 37
2.3 Representao esquemtica dos compartimentos do submodelo da insulina . . . 38
2.4 Representao esquemtica dos compartimentos do submodelo do glucagon . . 39
2.5 Denio dos compartimentos empregados nos modelos de Sorensen (1985) . . 39
2.6 Denio das entradas do modelo da absoro de glicose no trato gastrintestinal
de Lehmann e Deutsch (1992) . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.1 Representao esquemtica do princpio geral seguido pelas diversas estratgias
de controle preditivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.1 Concentrao basal de glicose no sangue venoso da periferia, G
basal
(mg/dl),
em funo da taxa de infuso intravenosa de insulina, r
IV I
(mU/min), para o
modelo patolgico normalizado. . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.2 Concentrao basal de glicose no sangue venoso da periferia, G
basal
, em funo
dos parmetros representativos de um distrbio metablico assumindo r
IV I
=
22,4 mU/min. Enquanto um parmetro foi variado, os outros foram mantidos
em seus valores nominais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
xi
5.3 Concentrao de glicose no sangue venoso da periferia observada em um paci-
ente diabtico normalizado sem bomba de infuso (modelo patolgico norma-
lizado inicializado com r
IV I
= 22,4 mU/min) aps uma refeio com 50 g de
carboidrato no instante 50 min (taxa de absoro de glicose no trato gastrintes-
tinal obtida com o modelo de Lehmann e Deutsch (1992)). . . . . . . . . . . . 83
5.4 Inuncia da quantidade de carboidratos na alimentao (Q
c
) em G
max
e em t
a
para o modelo metabolicamente normalizado sem bomba de infuso. . . . . . . 84
5.5 Comparao entre as respostas ao degrau unitrio dos modelos lineares com a
resposta ao degrau unitrio do modelo patolgico normalizado sem o valor de
regime. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.6 Concentrao de glicose no sangue perifrico venoso (G) em funo de N
2
com
N
u
= 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.7 Controle (u) e variao do sinal de controle (u) quando N
u
= 1 e N
2
= 5 ou
N
2
= 20. Observe que o aumento de N
2
diminui a variao do sinal de controle. 88
5.8 Vericao do desempenho em funo do N
2
para N
u
= 1. . . . . . . . . . . . 96
5.9 Concentrao de glicose no sangue perifrico venoso (G) em funo de N
2
com
N
u
= 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.10 Controle (u) e variao do sinal de controle (u) quando N
u
= 2 e N
2
= 20. . 97
5.11 Vericao do desempenho em funo do N
2
para N
u
= 2. . . . . . . . . . . . 98
5.12 Concentrao de glicose no sangue perifrico venoso aps uma refeio com
50 g de carboidratos no instante 50 min e controlador com N
2
= 20 e N
u
= 3
ou N
u
= 4 atuando. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.13 Concentrao de glicose no sangue perifrico venoso observada emumpaciente
diabtico metabolicamente normalizado usando a bomba de infuso . . . . . . 99
5.14 Taxa de infuso (u) e variao da taxa de infuso (u) calculadas pelo contro-
lador escolhido (parmetros N
1
= 1, N
2
= 15, N
u
= 1 e = 0). . . . . . . . . 99
5.15 Comparao da concentrao de glicose observada em um paciente diabtico
metabolicamente normalizado com e sem controlador (parmetros N
1
= 1,
N
2
= 15, N
u
= 1 e = 0) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
xii
5.16 Impacto da variao de Q
c
(entre 15 g e 120 g) nos ndices de desempenho
observados em um paciente diabtico metabolicamente normalizado com con-
trolador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.17 Concentrao de glicose no sangue perifrico venoso observada emumpaciente
diabtico metabolicamente nomalizado submetido refeies com Q
c
= 50 g e
Q
c
= 100 g. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.18 Tempo para o controlador reestabelecer a normogligemia (t
a
) em pacientes me-
tabolicamente no-normalizados . . . . . . . . . . . . . . . . . . . . . . . . . 101
xiii
Lista de Tabelas
2.1 Valores de glicose plasmtica (mg/dl) para diagnstico de diabetes mellitus e
seus estgios pr-clnicos (SBD, 2000) . . . . . . . . . . . . . . . . . . . . . . 34
2.2 Resumo dos processos siolgicos que denem as fontes e sorvedouros meta-
blicos no modelo da glicose . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3 Resumo dos processos siolgicos que denem as fontes e sorvedouros meta-
blicos no modelo da insulina . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.4 Resumo dos processos siolgicos que denem as fontes e sorvedouros meta-
blicos no modelo do glucagon . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.5 Denio das fontes e sorvedouros metablicos do submodelo da glicose . . . 41
2.6 Denio das fontes e sorvedouros metablicos do submodelo da insulina . . . 41
2.7 Denio das fontes e sorvedouros metablicos do submodelo do glucagon . . 41
2.8 Denio da faixa de variao dos parmetros representativos de distrbios me-
tablicos associados ao diabetes mellitus . . . . . . . . . . . . . . . . . . . . . 44
5.1 Concentraes mnima (G
min
) e mxima (G
max
) de glicose no sangue perif-
rico venoso e tempo de acomodao de 2% (t
a
) observadas em paciente dia-
btico tipo I metabolicamente normalizado (modelo patolgico normalizado)
aps a ingesto de uma refeio com 50 g de carboidratos. . . . . . . . . . . . 83
5.2 Valores dos ndices de desempenho alcanados pelo controlador escolhido atu-
ando em paciente diabtico metabolicamente normalizado aps uma refeio
com 50 g de carboidratos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.3 Comparao com outros controladores apresentados na literatura. . . . . . . . . 94
xiv
Lista de Acrnimos
ADA American Diabetes Association
ARIMAX Auto-Regressive Integrated Moving-Average eXogenous
ARIX Auto-Regressive Integrated eXogenous
CARIMA Controlled Auto-Regressive Integrated Moving-Average
DMC Dynamic Matrix Control
GPC Generalized Predictive Control
IMC Internal Model Control
MPCSE Model Predictive Control with State Estimation
NLQDMCSE Nonlinear Quadratic Dynamic Matrix Control with State Estimation
SBD Sociedade Brasileira de Diabetes
SISO Single-Input Single-Output
TDI Tecidos Dependentes da Insulina
TGI Trato Gastrintestinal
TII Tecidos Independentes da Insulina
TTGO Teste de Tolerncia a Glicose Oral
ZOH Zero Order Hold
xv
Lista de Smbolos
x
2
Norma euclidiana de x
deg(P) Grau do polinmio P
E[A[B] Esperana de A dado B
mdc (a, b) Maior divisor comum entre a e b
Peso na funo custo
d Atraso do sistema
G Concentrao de glicose no sangue venoso da periferia (mg/dl)
G Matriz Gusada no clculo do vetor de predies Y(k)
G
basal
Concentrao basal (em regime) de glicose no sangue venoso da periferia
(mg/dl)
G
max
Concentrao mxima de glicose no sangue venoso da periferia (mg/dl)
G
min
Concentrao mnima de glicose no sangue venoso da periferia (mg/dl)
N
1
Horizonte inicial de predio da sada
N
2
Horizonte nal de predio da sada
N
u
Horizonte de predio do sinal de controle
Q
u
Quantidade de insulina acima da basal injetada pelo controlador (U)
r
IV I
Taxa de infuso intravenosa de insulina (mUmin)
xvi
r
OGA
Taxa de absoro de glicose no trato gastrintestinal (mg/min)
t
a
Tempo de acomodao de 2% (min)
u Varivel manipulada
U Unidade de insulina
u Variao da varivel manipulada
u
infundida
Taxa de infuso intravenosa de insulina (mU/min)
u
infundida
Variao na taxa de infuso intravenosa de insulina(mU/min por perodo de
amostragem)
U(k) Seqncia futura de variaes do sinal de controle
y(k +j[k) Valor predito da sada no instante k + j calculada com as informaes dis-
ponveis at o instante k
Y(k) Vetor de predies
z
1
Operador atrasador. z
1
x(k) = x(k 1)
xvii
Captulo 1
Introduo
Neste captulo sero apresentadas as motivaes que levaram realizao deste traba-
lho. Ser discutida a importncia do projeto de um controlador para uma bomba de infuso de
insulina bem como da escolha da estratgia de controle preditivo. Em seguida ser delineado o
escopo do trabalho e, por m, ser apresentada a sua organizao, com uma pequena introduo
sobre o que ser discutido em cada um dos captulos subseqentes.
1.1 Motivao
O diabetes mellitus uma sndrome crnica que atinge milhes de pessoas em todo o
mundo, constituindo um importante problema de sade pblica uma vez que, freqentemente,
quando no controlado, est associado a complicaes que comprometem a produtividade, a
qualidade de vida e a sobrevida dos indivduos, alm de envolver altos custos no seu tratamento
(SBD, 2000).
Em particular, o diabetes mellitus tipo I uma sndrome que decorre da destruio das
clulas das ilhotas pancreticas. A principal conseqncia desta destruio uma decin-
cia, geralmente absoluta, na secreo de insulina pelo pncreas, o que promove uma srie de
distrbios no metabolismo dos carboidratos, lipdios e protenas que, quando no controlados,
podem produzir uma srie de complicaes agudas e crnicas (SBD, 2000).
A maioria das complicaes crnicas (a longo prazo) est associada s altas concen-
traes de glicose no sangue (acima de 120 mg/dl), sustentadas por longos perodos, comuns
CAPTULO 1. INTRODUO 19
em pacientes diabticos no tratados. Dentre estas complicaes destacam-se: a retinopatia di-
abtica e hemorragias intra-vtreo com possvel evoluo para a cegueira; a nefropatia diabtica
com glomeruloesclerose que pode levar necessidade de dilises ou mesmo de transplantes re-
nais; a neuropatia perifrica com desmielinizao segmentar com reduo da sensibilidade nas
vias aferentes; a acelerao da aterosclerose que pode levar a grangrenas secundrias e a isque-
mia; alm de riscos de cetoacidose diabtica ou coma hiperosmolar, entre outros (GUYTON;
HALL, 1998; PUPO, 1984; GANONG, 1977).
Dadas as diversas complicaes advindas do diabetes, o tratamento torna-se indis-
pensvel. Os procedimentos atuais de tratamento, no caso de pacientes insulino-dependentes,
incluem injees subcutneas de insulina (agente hipoglicemiante), infuso subcutnea cont-
nua de insulina (em malha aberta) ou infuso contnua intravenosa de insulina (em malha aberta
e geralmente em hospitais) (ADA, 2003; TYAGI, 2002). A aplicao subcutnea de insulina
pode exigir do diabtico mltiplas injees dirias, sendo a quantidade de insulina a ser inje-
tada calculada em funo dos seguintes parmetros: medio da concentrao de glicose no
sangue, feita com o auxlio de um glucosmetro; estimativa do contedo de carboidratos da re-
feio; quantidade de exerccios realizados (a entrada de glicose nos msculos aumenta durante
a prtica de exerccio) e tipo de insulina a ser injetada.
Aplicando-se quaisquer dos mtodos de tratamento citados acima, observa-se uma sig-
nicativa, e geralmente freqente variao da concentrao de glicose no sangue, devido, princi-
palmente, natureza em malha aberta da infuso de insulina. Alm disso, estes mtodos exigem
muita disciplina e organizao do paciente (ADA, 2003; TYAGI, 2002). Devido a estes fatores
justica-se a necessidade de uma bomba que injete insulina automaticamente, na quantidade
adequada, de modo que a quantidade de glicose no sangue se mantenha num nvel aceitvel,
mesmo com a variao dos diversos fatores aos quais o indivduo est sujeito. Essa bomba,
sendo implantada no indivduo, evitaria, por exemplo, que por algum descuido da pessoa (erro
ou esquecimento da hora ou da quantidade da dose de insulina que deveria tomar), a sua con-
centrao sangunea de glicose casse fora dos limites normais (entre 70 mg/dl e 100 mg/dl,
segundo Pupo (1984)).
O atual desenvolvimento de modelos mais acurados que descrevem a dinmica da re-
CAPTULO 1. INTRODUO 20
gulao do metabolismo da glicose; os avanos tecnolgicos no campo dos sensores de glicemia
(sensores com grande sensibilidade, baixo consumo de energia, resposta rpida, pouca necessi-
dade de calibrao e miniaturizados, que j esto sendo disponibilizados); os avanos no campo
dos dispositivos controlados de infuso de frmacos (capazes de infundir precisamente peque-
nas quantidades, dezenas de l) bem como o progresso em termos de estratgias de controle
automtico tm proporcionado o desenvolvimento de controladores cada vez mais prximos de
reproduzir o funcionamento do pncreas no controle da glicemia sangunea (STEIL et al., 2004;
RENARD et al., 2002; JARENKO; RORSTAD, 1998).
Dentre os diversos trabalhos que abordam o desenvolvimento de modelos do sistema
endcrino-metablico de regulao da glicemia destacam-se: (LOPES, 2002; PUCKETT, 1992;
LEHMANN; DEUTSCH, 1992; SORENSEN, 1985; COBELLI et al., 1984). Por outro lado, dentre
os que tratam do desenvolvimento de sensores de glicemia encontram-se: (GARG et al., 2004;
YONZON et al., 2004; HELLER, 1999; LAGER et al., 1994; UPDIKE et al., 1994).
Na literatura, encontram-se ainda disponveis diversos algoritmos de controle para
bombas de infuso de insulina nos mais variados graus de complexidade. Neste trabalho, em
particular, ser projetado e avaliado um controlador preditivo GPC
1
(CLARKE et al., 1987a).
Para uma reviso das diversas tcnicas de controle j empregadas no controle da glicemia
destacam-se os seguintes trabalhos: (LOPES, 2002), (PARKER et al., 2001) e (BELLAZZI et
al., 2001).
Dentre as razes que levarama esta escolha da estratgia de controle preditivo destacam-
se: o fato da estratgia j ter sido aplicada com sucesso na soluo de outros problemas da
engenharia biomdica, incluindo controle da presso (KWOK et al., 1995; GOPINATH et al.,
1995) e de infuso de anestesia (WADA; WARD, 1995) alm do fato desta estratgia permitir,
de forma natural, levar-se em considerao, ainda na fase de projeto, as restries do problema
(ROSSITER, 2003; CAMACHO; BORDONS, 2000).
Dentre outros trabalhos que utilizam alguma estratgia de controle preditivo para pro-
jetar controladores que visam a regulao da glicemia destacam-se: (LOPES, 2002; PARKER et
al., 1999; TRAJANOSKI et al., 1998; TRAJANOSKI, 1998).
1
Do ingls Generalized Predictive Control
CAPTULO 1. INTRODUO 21
Lopes (2002) prope controladores baseados na tcnica GPC para a normalizao da
glicemia em pacientes diabticos, inicialmente descompensados, com infuso intravenosa ou
subcutnea de insulina. Ele estuda, tambm, controladores que infudem tanto glicose quanto
insulina para reestabelecer a normoglicemia.
Parker et al. (1999) propem controladores utilizando as seguintes estratgias de con-
trole preditivo: DMC
2
, MPCSE
3
e NQDMCSE
4
alm de apresentar uma verso discretizada
do controlador IMC
5
projetado por Sorensen (1985). Os controladores so sintonizados com
o objetivo de maximizar a concentrao mnima de glicose no sangue perifrico venoso e re-
duzir o tempo que a concentrao de glicose sangunea leva para retornar faixa de 2% em
torno da concentrao de referncia, aps uma refeio com uma quantidade pr-determinada
de carboidratos.
Trajanoski et al. (1998) e Trajanoski (1998) propem uma estratgia de controle predi-
tivo neural e empregam esta estratgia em um controlador para uma bomba de infuso subcut-
nea de insulina. A proposta do controlador regular a concentrao de glicose no sangue aps
uma refeio com quantidade pr-determinada de glicose. Maiores detalhes sobre estratgias de
controle preditivo neural so discutidas, por exemplo, em (NRGAARD et al., 2003; MELEIRO,
2002).
1.2 Escopo do Trabalho
Este trabalho concerne o projeto e a anlise de algoritmos de controle preditivo genera-
lizado (CLARKE et al., 1987a), via simulao numrica, para uma bomba de infuso de insulina
(ver gura 1.1) para regulao da concentrao de glicose no sangue de um paciente diabtico
tipo I. O objetivo do controle fazer com que a concentrao de glicose no sangue perifrico
venoso (denotado por G) volte, to rpido quanto possvel, para um valor em torno de 75 mg/dl
aps uma refeio rica em carboidrato (especialmente glicose). Esta concentrao de referncia
foi a concentrao mdia de glicose, no sangue perifrico venoso, medida em pessoas hgidas,
2
Do ingls Dynamic Matrix Control (CUTLER; RAMAKER, 1980, 1979)
3
Do ingls Model Predictive Control with State Estimation (RICKER, 1990)
4
Do ingls Nonlinear Quadratic Dynamic Matrix Control with State Estimation (GATTU; ZAFIRIOU, 1992)
5
Do ingls Internal Model Control (GARCIA; MORARI, 1982)
CAPTULO 1. INTRODUO 22
Algoritmo de
controle
Bomba de
infuso
Paciente
diabtico
Sensor de
glicose
Controlador
Distrbio
Referncia
Valor medido da
concentrao de glicose
Concentrao de glicose
Taxa de infuso
de insulina
Figura 1.1: Representao esquemtica do sistema de controle para regulao da glicemia em
malha fechada
quando em jejum, que serviram como voluntrios no trabalho do Sorensen (1985).
O paciente diabtico ser representado, inicialmente, pelo modelo patolgico norma-
lizado (modelo de simulao de um paciente diabtico tipo I metabolicamente normalizado
6
)
elaborado por Sorensen (1985) com o intuito de avaliar diferentes insulinoterapias. Em seguida
sero consideradas variaes nos parmetros do modelo anterior de forma a obter-se modelos
representativos de pacientes diabticos no-normalizados, referidos como modelos patolgicos
no-normalizados. Os parmetros representativos de distrbios metablicos sero extrados dos
trabalhos de Parker et al. (2001) e Parker et al. (2000).
A varivel de sada (varivel controlada) ser a concentrao de glicose no sangue ve-
noso da periferia, enquanto que a varivel manipulada (sinal de controle) ser a taxa de infuso
intravenosa de insulina. J o distrbio ser considerado como sendo a taxa de absoro de
glicose no trato gastrintestinal (alimentao modelada conforme em (LEHMANN; DEUTSCH,
1992)). A gura 1.2 resume as variveis de interesse.
Admitir-se- que a variao na taxa de infuso intravenosa de insulina, u
infundida
, deve
obedecer, assim como em (PARKER et al., 1999), a seguinte restrio:
[u
infudida
[ 16,5 mU/min por perodo de amostragem
7
(1.1)
6
Neste modelo assumida decincia total na produo endgena de insulina no sendo, entretanto, consi-
derado nenhum distrbio metablico comumente associado ao diabetes como, por exemplo, resistncia a ao da
insulina.
7
Uma unidade de insulina (1 U) humana equivale a, aproximadamente, 40 g de insulina
CAPTULO 1. INTRODUO 23
Paciente
Diabtico
Taxa de absoro
de glicose no trato
gastrintestinal
Taxa de infuso
intravenosa de insulina
Concentrao de glicose
no sangue venoso da
periferia
Figura 1.2: Denio das variveis de interesse: a varivel controlada ser a concentrao
de glicose no sangue venoso da periferia (G), a varivel manipulada ser a taxa de infuso
intravenosa de insulina (u
infudida
) e o distrbio considerado ser a taxa de absoro de glicose
no trato gastrintestinal (r
OGA
). O paciente diabtico ser o modelo patolgico de Sorensen
(1985) enquanto que a taxa de absoro de glicose no trato gastrintestinal dada pelo modelo
de Lehmann e Deutsch (1992).
e que a taxa de infuso intravenosa de insulina, u
infundida
, deve obedecer
0 mU/min u
infudida
66,25 mU/min (1.2)
A restrio (1.1) na variao da taxa de infuso intravenosa de insulina foi imposta
com o intuito de garantir que no sejam exigidas da bomba de infuso taxas de infuso u
infudida
maiores que aquela que o seu mecanismo pode tolerar. Entretanto, se considerada a infuso de
insulina com concentrao de 100 U por ml, que a concentrao das insulinas normalmente
vendidas no Brasil (LOPES, 2002), a restrio (1.1) na variao de taxa de infuso intravenosa
de insulina , na realidade, bastante conservadora para as bombas disponveis atualmente. As
bombas de infuso disponveis atualmente j so capazes de infundir, precisamente, volumes
que variam de centenas de nl at centenas de l (A La Van et al., 2003; HATCH et al., 2001;
COHEN, 1993). Justica-se, entretanto, a manuteno desta restrio como um mecanismo para
prevenir que eventuais falhas no algoritmo de controle injetem insulina rpido demais causando
hipogligemia (baixa concentrao de glicose no sangue) o que poderia causar desmaios, coma
ou mesmo morte do paciente.
A restrio (1.2), por sua vez, foi imposta para impedir que o algoritmo tente reti-
rar insulina aps a mesma ter sido injetada (u
infundida
0 mU/min) e que o paciente no
seja submetido a concentraes sanguneas de insulina maiores que as siolgicas (u
infundida

66,25 mU/mim)
8
.
8
Este limitante superior na taxa de infuso intravenosa de insulina foi extrado de Sorensen (1985).
CAPTULO 1. INTRODUO 24
O algoritmo de controle proposto ser avaliado pela sua capacidade de regular, em
um paciente diabtico metabolicamente normalizado, a concentrao de glicose no sangue pe-
rifrico venoso, aps uma refeio com uma quantidade pr-determinada de carboidratos. Tal
avaliao ser feita observando-se, aps uma refeio:
A concentrao mxima de glicose no sangue perifrico venoso (G
max
);
A concentrao mnima de glicose no sangue perifrico venoso (G
min
);
O tempo para a concentrao de glicose no sangue perifrico venoso voltar faixa dos
2% em torno da concentrao de referncia (t
a
);
A quantidade de insulina infundida at a concentrao voltar faixa dos 2% (Q
u
);
A presena de oscilaes na concentrao de glicose no sangue perifrico venoso.
Ainda, o algoritmo proposto ser avaliado pela sua capacidade de restabelecer a nor-
moglicemia em um paciente diabtico metabolicamente no-normalizado inicialmente descom-
pensado. Esta avaliao ser feita analisando-se o tempo necessrio para a concentrao de
glicose (G) voltar faixa de 2% em torno da concentrao de referncia.
Por m, o controlador preditivo desenvolvido ser comparado com os apresentados na
literatura com o mesmo m dos controladores estudados neste trabalho.
1.3 Contribuies do Trabalho
As principais contribuies deste trabalho so:
Projeto e anlise de um algoritmo de controle preditivo generalizado para uma bomba de
infuso de insulina para a regulao da glicemia em pacientes diabticos tipo I (decin-
cia total na secreo de insulina);
Comparao do algoritmo de controle estudado neste trabalho com outros disponveis na
literatura, em especial os apresentados em Parker et al. (1999) e Lopes (2002);
CAPTULO 1. INTRODUO 25
Os resultados deste trabalho sugeremtambmque no necessariamente deve-se empregar,
no algoritmo de controle, um modelo acurado do sistema controlado para se obter uma
desempenho satisfatrio (pelo menos quando a razo entre o tempo de acomodao de
2% e o tempo de amostragem elevada. Neste trabalho esta razo da ordem de 70);
Sugesto de algumas escolhas que visam a facilitar o processo de sintonia de um contro-
lador preditivo (em especial estudado o parmetro , peso na funo custo da estratgia
estudada).
1.4 Organizao do Trabalho
O presente captulo tem o objetivo de apresentar as principais motivaes para a reali-
zao deste trabalho, bem como expor as contribuies do mesmo.
O segundo captulo tem por objetivo fazer uma breve discusso sobre a regulao do
metabolismo da glicose e apresentar algumas denies e conceitos importantes de modo a
fundamentar uma base mnima para o entendimento dos captulos subseqentes.
Atcnica de controle preditivo apresentada no captulo 3. Neste captulo, dicute-se os
detalhes da formulao de controle preditivo generalizado, (CLARKE et al., 1987a), empregada
neste trabalho.
O captulo 4 mostra os passos seguidos para o projeto dos controladores e no captulo
5 sero discutidos os resultados obtidos.
Finalmente, o captulo 6 relata as concluses deste trabalho assim como as diversas
sugestes para possveis trabalhos futuros.
Captulo 2
Regulao do metabolismo dos
carboidratos
Neste captulo ser feita uma breve discusso sobre a regulao do metabolismo dos
carboidratos, em particular da glicose, sendo apresentados algumas denies e conceitos im-
portantes, de modo a fundamentar uma base mnima para o entendimento dos captulos sub-
seqentes. Ser descrito o que ocorre nas condies patolgicas que denem os principais tipos
do diabetes mellitus, e as principais complicaes agudas e crnicas que podem advir ao pa-
ciente diabtico. Sero apresentados, ainda, dados recentes sobre prevalncia, diferenas entre
os tipos do diabetes, e as terapias usualmente adotadas em mbito clnico no Brasil. Em se-
guida sero apresentados os modelos matemticos da dinmica da regulao da glicemia em
uma pessoa hgida (modelo siolgico), em um paciente diabtico tipo I metabolicamente nor-
malizado (modelo patolgico normalizado) e em um paciente diabtico tipo I metabolicamente
no-normalizado (modelo patolgico no-normalizado) que foram usados neste trabalho. Por
m, ser apresentado o modelo matemtico empregado para simular a absoro de glicose no
trato gastrintestinal.
2.1 Introduo
Os alimentos de que depende o organismo, com exceo de pequenas quantidades de
substncias como vitaminas e minerais, podem ser classicados em carboidratos, gorduras e
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 27
protenas. Por no serem, geralmente, absorvidos em suas formas naturais (sendo, portanto,
inteis como nutrientes), os carboidratos, as gorduras e as protenas so inicialmente digeridos,
dando origem a substncias sucientemente pequenas para serem absorvidas e, ento, serem
utilizadas como nutrientes (GUYTON; HALL, 1998).
Na dieta humana normal, existem trs fontes principais de carboidratos: a sacarose, a
lactose e os amidos, cujos produtos da digesto so os monossacardios glicose (95% de todos
os monossacardios que circulam no sangue), galactose e frutose. Quase toda a gordura da
dieta consiste em triglicerdios (gorduras neutras), cujo produto da digesto so cidos graxos
e glicerol. As protenas, enm, tm como produto da digesto os aminocidos (GUYTON;
HALL, 1998).
Apesar do metabolismo dos carboidratos, gorduras e protenas no serem processos
denidos por vias metablicas isoladas, mas sim interdependentes, comum na literatura o
estudo isolado do metabolismo dos carboidratos, o que torna factvel a anlise dinmica da
glicose, pelo menos do ponto de vista macroscpico (ZIERLER, 1999).
Neste trabalho, ser discutido brevemente apenas o metabolismo da glicose, monossa-
cardeo mais abundante na circulao sangunea, admitido isolado do metabolismo das gorduras
e protenas. Dentre os sistemas de controle do organismo para a regulao da glicemia, apenas
a ao dos hormnios insulina e glucagon, ambos secretados pelas ilhotas de Langerhans do
pncreas, sero abordados. Outros hormnios, como a epinefrina, os hormnios tireoidianos,
os glicocorticides e o hormnio do crescimento, que desempenham papis importantes, porm
secundrios, na homestase da glicemia (GANONG, 1977), no sero abordados. Discusses
mais detalhadas podem ser encontradas em (ZIERLER, 1999), (GUYTON; HALL, 1998), (GA-
NONG, 1977) e suas referncias.
2.2 Regulao do metabolismo da glicose em pessoas hgidas
Em pessoas hgidas, a concentrao de glicose no sangue mantida dentro de limites
muito estreitos, em geral na faixa de 70 a 100 mg/dl quando em jejum
1
. Durante a primeira
hora aps uma refeio, essa concentrao aumenta para 120 a 140 mg/dl aproximadamente,
1
O jejum denido como a falta de ingesto calrica de, no mnimo, 8 horas (SBD, 2000).
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 28
mas os sistemas de controle, discutidos a seguir e esquematizados na gura 2.1, fazem com
que ela volte rapidamente aos valores iniciais (de 70 a 100 mg/dl), em geral duas horas aps
a ltima absoro de carboidrato. De modo inverso, na inanio, mecanismos de controle, que
tambm sero discutidos a seguir, impedem que esta concentrao caia em demasia (GUYTON;
HALL, 1998).
Os mecanismos para a consecuo desse elevado grau de regulao, pelos hormnios
insulina e glucagon, da concentrao de glicose no sangue, empessoas hgidas so esquematiza-
dos, resumidamente, no diagrama da gura 2.1, onde: TII representa os tecidos que independem
da ao da insulina para utilizarem glicose com ns energticos, como o crebro e o sistema
nervoso central; TDI, por sua vez, representa os tecidos que dependem da ao da insulina para
utilizarem adequadamente glicose para ns energticos, especialmente os msculos e tecido
adiposo; TGI representa o trato gastrintestinal.
Sangue
Pncreas
Fgado
TDI
TII
TGI
Glucagon
Insulina
Insulina
Glicose
Fluxo de glicose
Sinal de controle
Figura 2.1: Diagrama esquemtico da regulao do metabolismo da glicose em pessoas hgidas
pelos hormnios insulina e glucagon. TGI, TII e TDI signicam, respectivamente, trato gas-
trintestinal, tecidos independentes da ao da insulina, tecidos dependentes da ao da insulina.
A inuncia da concentrao de glicose na estimulao da secreo pancretica de in-
sulina ser discutida no item 2.2.1 e de glucagon no item 2.2.2
2
. Nos itens 2.2.3 e 2.2.4 discute-
se, respectivamente, o efeito da insulina e do glucagon no metabolismo dos carboidratos, em
especial da glicose.
2
Na gura 2.1 a inuncia da concentrao de glicose tanto na estimulao da secreo pancretica de insulina
quanto na estimulao da secreo pancretica de glucagon indicada pela seta tracejada do sangue para o pncreas
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 29
Observa-se, na gura 2.1, que o glucagon estimula a transferncia de glicose do f-
gado para o sangue. A insulina, por sua vez, estimula tanto a remoo de glicose do sangue
para o fgado (estgio ps-prandial
3
) quanto a remoo de glicose do sangue pelos tecidos que
dependem da ao da insulina (TDI).
2.2.1 Estimulao da secreo de insulina pela glicose sangunea
Quando a concentrao de glicose sangunea est na faixa de 70 a 100 mg/dl, a se-
creo de insulina pelo pncreas bastante reduzida. Entretanto, quando a concentrao de
glicose aumenta substancialmente para um nvel duas a trs vezes superior ao normal, e man-
tida nesse nvel elevado, notam-se duas fases no aumento da secreo de insulina. Na primeira
fase, a concentrao plasmtica de insulina aumenta quase 10 vezes dentro de 3 a 5 min. Essa
elevada secreo inicial no se mantm, reduzindo-se num prazo de mais 5 a 10 min, metade
do aumento inicial. Na segunda fase, iniciada aps cerca de 15 min, a secreo de insulina
se eleva uma segunda vez e atinge um novo patamar em 2 a 3 h, desta vez geralmente com
velocidade de secreo ainda maior que a da fase inicial (GUYTON; HALL, 1998).
Alm disso, a interrupo da secreo de insulina ocorre alguns minutos aps a con-
centrao sangunea de glicose voltar ao nvel de jejum.
2.2.2 Estimulao da secreo de glucagon pela glicose sangunea
Ao contrrio da insulina, cuja secreo estimulada por altas concentraes sangu-
neas de glicose, a secreo de glucagon pelo pncreas estimulada por uma reduo na con-
centrao sangunea de glicose (GUYTON; HALL, 1998).
2.2.3 Efeito da insulina sobre o metabolismo dos carboidratos
Segundo Guyton e Hall (1998), de todos os efeitos da insulina sobre o metabolismo
dos carboidratos, um dos mais importantes fazer com que a maior parte da glicose absorvida
aps uma refeio seja quase imediatamente armazenada no fgado, sob a forma de glicognio
(ver, na gura 2.1, o uxo de glicose do sangue para o fgado, promovido pela insulina).
3
Aps uma refeio
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 30
Experincias em ces hepatectomizados (fgado removido cirurgicamente) mostram
que, em jejum, a glicemia encontra-se na faixa de normal. Porm, administrando-se glicose
a esses ces as curvas de tolerncia glicose so do tipo diabtico, mesmo com o pncreas
intacto, devido impossibilidade de armazenar, no fgado, sob a forma de glicognio, a glicose
absorvida na alimentao. Por outro lado, administrando-se infuso constante de insulina a ces
pancreatectomizados (pncreas removido cirurgicamente), com fgado intacto, eles apresentam
essencialmente uma curva normal de tolerncia a glicose (GANONG, 1977).
Outra ao da insulina na regulao do metabolismo dos carboidratos a facilitao da
entrada de glicose em quase todos os tecidos, especialmente nos msculos. Segundo (GUYTON;
HALL, 1998), a insulina pode aumentar em pelo menos 15 a 20 vezes o transporte de glicose
para o interior das clulas musculares.
2.2.4 Efeito do glucagon sobre o metabolismo dos carboidratos
O glucagon exerce vrias funes opostas s da insulina, sendo a mais importante
delas aumentar a concentrao sangunea de glicose. Os dois principais efeitos deste hormnio
sobre o metabolismo da glicose so: (1) decomposio do glicognio heptico em glicose (ver,
na gura 2.1, o uxo de glicose do fgado para o sangue) e (2) o aumento da converso de
aminocidos em glicose (no mostrado na gura 2.1) (GUYTON; HALL, 1998; PUPO, 1984).
Entre as refeies, quando no h alimento disponvel e a concentrao sangunea de
glicose comea a cair, o glicognio heptico, inuenciado pelo glucagon, novamente decom-
posto em glicose, que volta a ser liberada para o sangue para impedir que a concentrao de
glicose caia demais (GUYTON; HALL, 1998).
O efeito mais intenso do glucagon, entretanto, a sua capacidade de provocar glico-
genlise no fgado (converso do glicognio armazenado no fgado em glicose) o que, por sua
vez, aumenta a concentrao sangunea de glicose em poucos minutos. Segundo Guyton e Hall
(1998) uma infuso de glucagon por cerca de 4 horas pode causar uma glicogenlise heptica
to intensa que todas as reservas hepticas de glicognio caro completamente esgotadas.
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 31
2.3 Os estados de hipoglicemia, hiperglicemia e normoglice-
mia
Quando a concentrao de glicose plasmtica cai abaixo de 60 mg/dl, seja pelo con-
sumo excessivo, seja pela produo endgena insuciente, seja pelo desvio da glicose para
outras vias metablicas (ou uma combinao destes eventos), diz-se que o indivduo apresenta
hipoglicemia. Durante um episdio de hipoglicemia, pode haver comprometimento do funci-
onamento cerebral em vrios nveis sucessivos, e at resultar em coma ou morte. Quando a
glicemia abaixa de 70 mg/dl, j ocorre um decrscimo na secreo de insulina. Para concen-
traes de glicose inferiores a cerca de 60 mg/dl, ocorre um aumento na secreo de glucagon
e adrenalina, sendo que ocorre diminuio no nvel de conscincia se o estado hipoglicmico
superar o limite de cerca de 50 mg/dl. Principalmente a partir deste ponto, pode ocorrer insu-
cincia de glicose para o funcionamento adequado do sistema nervoso central, podendo haver
comprometimento importante do funcionamento cerebral. Portanto, esta manifestao aguda
altamente indesejvel, e o estado hipoglicmico deve ser sempre evitado ou, ao menos, rapida-
mente controlado. Para isto, podem ser adotadas algumas solues: ingesto de nutrientes com
alta quantidade de carboidratos, infuso intravenosa de glicose ou mesmo infuso de glucagon
(intravenoso ou intramuscular) (LOPES, 2002; PUPO, 1984).
Por outro lado, quando existe pouca absoro celular de glicose ou alta produo end-
gena (ou os dois eventos), situao que ainda acentuada na fase ps-prandial, e a concentrao
de glicose plasmtica atinge valores superiores a 140 mg/dl, diz-se que o indivduo apresenta
hiperglicemia. Neste caso pode-se ter como resultado agudo importante a cetoacidose, que pode
levar o paciente ao coma e morte. Porm, mesmo quando a hiperglicemia no atinge valores
que desencadeiam o estado de cetoacidose provocada, com o tempo, vrias manifestaes cr-
nicas tornam-se perceptveis. Ao quadro de hiperglicemia est associado o quadro patolgico
do diabetes mellitus (LOPES, 2002; PUPO, 1984). Em pessoas hgidas, a concentrao sangu-
nea de glicose mantida dentro de limites muito estreitos, em geral na faixa de 70 a 100 mg/dl
(normoglicemia).
A importncia da manuteno da glicemia dentro destes limites deve-se ao fato da
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 32
glicose ser o nico nutriente usado, normalmente, pelo crebro e pelas clulas vermelhas do
sangue (GANONG, 1977). Quando a glicemia efetivamente cai em demasia, para a faixa de 20 a
50 mg/dl, ocorrem sintomas de choque hipoglicmico, caracterizado por irritabilidade nervosa
e progressiva que leva a desfalecimento, convulses e mesmo coma (GUYTON; HALL, 1998).
2.4 Diabetes mellitus
Nesta seo ser discutido o conceito do diabetes mellitus, a classicao atualmente
preconizada pela Organizao Mundial de Sade, seu diagnstico, sua prevalncia, complica-
es associadas e, por m, as insulinoterapias em mbito clnico no Brasil.
2.4.1 Conceito
O diabetes mellitus uma sndrome de etiologia mltipla decorrente da decincia
total ou parcial na secreo de insulina pelo pncreas, ou da incapacidade da insulina exercer
adequadamente seus efeitos, ou de ambos os fatos. Caracteriza-se basicamente por uma hiper-
glicemia crnica com distrbios no metabolismo dos carboidratos, lipdios e protenas (SBD,
2000). As conseqncias da molstia a longo prazo incluem danos, disfuno e falncia de
vrios rgos, especialmente rins, olhos, nervos, corao e vasos sanguneos. Com freqncia
os sintomas clssicos (perda inexplicada de peso, polidipsia e poliria) esto ausentes, porm
poder existir hiperglicemia de grau suciente para causar alteraes funcionais patolgicas por
um longo perodo antes que o diagnstico seja estabelecido (PUPO, 1984; GANONG, 1977).
Segundo Guyton e Hall (1998), a maioria das caractersticas patolgicas do diabetes
mellitus pode ser atribuda aos trs principais efeitos da falta de insulina no organismo, a saber:
(1) menor utilizao de glicose pelas clulas corporais, com conseqente elevao da concen-
trao de glicose sangunea; (2) aumento acentuado da mobilizao de gordura para as reas
de armazenamento, produzindo metabolismo lipdico anormal e tambm o depsito de lipdios
nas paredes vasculares, levando aterosclerose; (3) diminuio da sntese e aumento no fraci-
onamento de protenas ocasionando, geralmente, uma diminuio da capacidade do organismo
combater infeces e de regenerar tecidos lesados (SPENCE, 1991).
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 33
2.4.2 Classicao
Aclassicao do diabetes dellitus, atualmente preconizada pela Organizao Mundial
de Sade e adotada pela Sociedade Brasileira de Diabetes, considera a etiologia e estabelece
quatro divises principais: diabetes mellitus Tipo 1, diabetes mellitus Tipo 2, diabetes mellitus
Gestacional e Outros Tipos Especcos de diabetes mellitus (SBD, 2000).
Diabetes mellitus Tipo 1: Resulta da destruio das clulas das ilhotas de Langerhans do pn-
creas, podendo ser de natureza auto-imune ou por mecanismos ainda no conhecidos,
geralmente ocasionando decincia absoluta de insulina.
Diabetes mellitus Tipo 2: Caracterizada por graus variados de resistncia ao da insulina e
decincia relativa em sua secreo.
Diabetes mellitus Gestacional: Caracterizado pela diminuio da tolerncia glicose, de mag-
nitude varivel e diagnosticada pela primeira vez durante a gestao, podendo ou no
persistir aps o parto.
Outros Tipos Especcos: Esta categoria inclui vrios tipos especcos, decorrentes de defei-
tos genticos associados com outras doenas ou com o uso de frmacos diabetognicos.
2.4.3 Estgios de tolerncia glicose e diagnstico
A evoluo para a hiperglicemia mantida ocorrer ao longo de um perodo de tempo
varivel, passando por estgios intermedirios que recebem as denominaes de glicemia de
jejumalterada e tolerncia glicose diminuda cujos critrios de diagnsticos esto sintetizados
na tabela 2.1.
Os procedimentos de diagnsticos empregados so a medida da glicose no soro ou no
plasma aps jejum de 8 a 12 horas e o teste padronizado de tolerncia glicose oral (TTGO)
aps a administrao de 75,0 g de glicose anidra (ou dose equivalente, por exemplo, de 82,5 g
de Dextrosol) por via oral, com medidas de glicose no soro ou plasma nos instantes 0 e 120 min
aps a ingesto (SBD, 2000).
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 34
Tabela 2.1: Valores de glicose plasmtica (mg/dl) para diagnstico de diabetes mellitus e seus
estgios pr-clnicos (SBD, 2000)
Categorias Jejum TTGO 75g Casual
4
Glicemia de jejum alterada > 110 e < 126 < 140 se realizada
Tolerncia glicose diminuda < 126 e 140 e < 200
Diabetes mellitus 126 ou > 200 ou 200
2.4.4 Prevalncia
No mundo, o diabetes mellitus possui uma elevada taxa de prevalncia, geralmente
variando entre 5 e 10%, dependendo da populao considerada. No Brasil, a taxa de prevalncia
mdia nacional de 7,6%, variando entre 5,22%emBraslia e 9,66%emSo Paulo (SBD, 2000).
Do total de casos, a freqncia relativa do diabetes tipo 2 ca na faixa de 80 a 90% dos
casos, enquanto que o diabetes tipo 1 corresponde a 10 20% dos casos (SBD, 2000).
2.4.5 Complicaes agudas e crnicas
As principais complicaes que podem ocorrer a um paciente diabtico podem ser
agudas, manifestando-se em um curto espao de tempo (de horas ou dias), e iniciadas por
quadros extremos de desregulao glicmica, ou crnicas, aparecendo tipicamente aps anos
de hiperglicemia moderada.
Dentre as complicaes agudas as principais so o coma hipoglicmico, a cetoacidose
diabtica e o estado hiperosmolar no-cettico. Por outro lado, as principais complicaes
crnicas so a nefropatia (comprometimento renal), a retinopatia (comprometimento da micro-
circulao da retina), a neuropatia e as doenas cardio-pulmonares e vasculares perifricas.
2.4.6 Insulino terapias convencionais
Atualmente, o paciente diabtico insulino-dependente (tipo-1) pode seguir uma terapia
insulnica convencional ou intensiva (LOPES, 2002).
Insulinoterapia convencional: O regime teraputico convencional aplicado hoje em
dia corresponde ao que seria a mnima dose diria de insulina para um razovel controle glic-
mico. A dose inicial escolhida na faixa de 0,2 a 1,2 U/(kg.dia).
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 35
Insulinoterapia intensiva: O regime teraputico intensivo conta com ao menos 3
injees dirias de insulina.
2.5 Modelos matemticos da dinmica da regulao do me-
tabolismo dos carboidratos
Na literatura especializada, encontra-se disponvel uma grande variedade de modelos
matemticos da dinmica da regulao do metabolismo dos carboidratos em diversos nveis de
complexidade e acurcia. Esto descritos desde modelos simples, construdos apenas a partir
de dados experimentais, entrada/sada, sem a preocupao de representar mecanismos bioqu-
micos, mas sim representar parmetros globais (BOLIE, 1961; ACKERMAN et al., 1965), at
os chamados modelos compreensivos, mais detalhados e que tentam reproduzir os processos
bioqumicos bsicos, ou pelos menos os processos metablicos com maior nvel de detalhes,
sendo, em geral, utilizados como modelos de simulao. So exemplos de modelos compreen-
sivos os modelos elaborados por Lopes (2002), Puckett (1992) e Sorensen (1985). Uma reviso
detalhada dos diversos tipos de modelos do sistema endcrino-metablico de regulao da gli-
cemia pode ser encontrada em (LOPES, 2002).
Neste trabalho sero apresentados, resumidamente, apenas os modelos de simulao
da dinmica da regulao do metabolismo da glicose em uma pessoa hgida, denominado mo-
delo siolgico; em uma pessoa diabtica tipo I metabolicamente normalizada, denominado
modelo patolgico normalizado ambos desenvolvidos por Sorensen (1985); e em uma pes-
soa diabtica tipo I metabolicamente no-normalizada, denominado modelo patolgico no-
normalizado, que, por sua vez, foi obtido variando-se os parmetros nominais do modelo pato-
lgico de Sorensen (1985).
Nestes modelos, conforme mencionado anteriormente, foi admitido que apenas a gli-
cose, a insulina e o glucagon inuenciam a dinmica modelada.
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 36
2.5.1 Modelo siolgico: pessoa hgida
Os modelos siolgico e patolgico elaborados por Sorensen (1985) tm caractersti-
cas de modelo compreensivo, ou isomrco da siologia, onde se tenta reproduzir alguns dos
principais processos elementares envolvidos na siologia da regulao da glicemia, conside-
rando uma descrio anatmica compartimental.
Por descrio anatmica compartimental deve-se entender que, baseado no conheci-
mento da anatomia humana, o organismo foi dividido em regies (compartimentos) onde a
concentrao de cada substncia considerada (glicose, insulina ou glucagon) podia ser admitida
constante
5
. Feita a diviso do corpo humano em compartimentos foram determinados os di-
agramas compartimentais para cada substncia: o diagrama compartimental do submodelo da
glicose mostrado na gura 2.2; o do submodelo da insulina na gura 2.3; e o do glucagon na
gura 2.4. Em seguida, foram escritas as equaes de conservao de massa para cada compar-
timento conforme ilustrado pelos pares: gura 2.5(a) e equao (2.1); gura 2.5(b) e equaes
(2.2) e (2.3). Tais equaes sero discutidas a seguir.
Na gura 2.5(a), C
Bi
e C
Bo
representam, respectivamente, as concentraes da subs-
tncia considerada (glicose, insulina ou glucagon) no uxo de entrada e sada; V
B
e Q
B
repre-
sentam, respectivamente o volume de distribuio da substncia no compartimento considerado
e o uxo (unidade de volume por min) da substncia atravs do compartimento; r
i
e r
o
repre-
sentam, respectivamente, uma fonte e um sorvedouro metablicos da substncia considerada.
A equao (2.1) representa, portanto, a equao de balano de massa da substncia considerada
no compartimento em questo
dC
Bo
dt
=
Q
B
V
B
(C
Bi
C
Bo
) +
r
i
V
B

r
o
V
B
(2.1)
Na gura 2.5(b), assim como na gura 2.5(a), C
Bi
e C
Bo
representam,respectivamente,
as concentraes da substncia no uxo de entrada e sada no compartimento considerado; Q
B
representa o uxo (unidade de volume por min) da substncia atravs do compartimento; r
i
e
r
o
representam, respectivamente, uma fonte e um sorvedouro metablicos da substncia con-
5
Maiores detalhes sobre modelagem compartimental podem ser encontrados, por exemplo, em (COBELLI;
CAUMO, 1998; COBELLI et al., 1984)
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 37
CREBRO
CORAO E
PULMES
FGADO
TRATO
GASTRINTESTINAL
RINS
PERIFERIA
V G
G
BV BV
V G
G
BI BI
V G
G
L L V G
G
G G
V G
G
K K
V G
G
PI PI
V G
G
PV PV
T
G
B
T
G
P
rBGU
rRBCU
V G
G
H H
rHGP rHGU
rGGU
rKGE
rPGU
Q
G
B
Q
G
H
Q
G
A
Artria Heptica
Veia Porta
Q
G
G
Q
G
G
Q
G
K
Q
G
P
rOGA
Figura 2.2: Representao esquemtica dos compartimentos do submodelo da glicose
siderada. Este compartimento, entretanto, foi dividido em dois subcompartimentos, visando
a modelar regies em que a transferncia da substncia do uxo sanguneo para o lquido in-
tersticial tinha atraso no desprezvel. Desta forma, V
B
e V
I
representam, respectivamente,
os volumes de distribuio da substncia considerada no sangue e no lquido intersticial; C
I
representa a concentrao da substncia no lquido intersticial. A transferncia da substncia
considerada entre o sangue e o lquido intersticial de um mesmo compartimento foi modelada
por um sistema de primeira ordem com constante de tempo T. As equaes (2.2) e (2.3) so,
respectivamente, as equaes de balano de massa para o subcompartimento sanguneo e o
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 38
CREBRO
CORAO E
PULMES
FGADO
TRATO
GASTRINTESTINAL
RINS
PERIFERIA
V I
I
L L V I
I
G G
V I
I
K K
V I
I
PI PI
V I
I
PV PV
T
I
P
V I
I
H H
rPIR rLIC
rKIC
rPIC
Q
I
B
Q
I
H
Q
I
A
Artria Heptica
Veia Porta
Q
I
G
Q
I
G
Q
I
K
Q
I
P
V I
I
B B
rIVI
Figura 2.3: Representao esquemtica dos compartimentos do submodelo da insulina
subcompartimento intersticial do compartimento considerado:
dC
Bo
dt
=
Q
B
V
B
(C
Bi
C
Bo
)
V
I
V
B
T
(C
Bo
C
I
) (2.2)
dC
I
dt
=
1
T
(C
Bo
C
I
) +
r
i
V
I

r
o
V
I
(2.3)
Como para cada substncia (glicose, insulina e glucagon) os compartimentos foram
considerados diferentes (as regies onde as substncias poderiam ser consideradas homogene-
amente distribudas so diferentes), cada um dos modelos acima (patolgico ou siolgico) ,
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 39
V
N

r
R P
r
C P
Figura 2.4: Representao esquemtica dos compartimentos do submodelo do glucagon
Q
B
, C
Bi
Q
B
, C
Bo
C
Bo
V
B
r
i r
o
(a)
T
Q
B
, C
Bi
Q
B
, C
Bo
C
I
V
I
C
Bo
V
B
r
i
r
o
(b)
Figura 2.5: Denio dos compartimentos empregados nos modelos de Sorensen (1985)
na realidade, composto de 3 submodelos: o submodelo da glicose, o submodelo da insulina e o
submodelo do glucagon. Tais submodelos so acoplados entre si pelas taxas metablicas (ver,
nas tabelas 2.2, 2.3 e 2.4, que algumas fontes e sorvedouros de um submodelo dependem de
concentraes de algumas substncias de outro submodelo).
No apndice A, na pgina 104, so apresentadas todas as equaes do modelo siol-
gico derivadas de acordo com: os diagramas esquemticos dos submodelos da glicose (gura
2.2), da insulina (gura 2.3) e glucagon (gura 2.4); o signicado do compartimento da -
gura 2.5(a) representado pela equao de balana de balano de massa (2.1); e o signicado do
compartimento da gura 2.5(b) dado pelas equaes de balano de massa (2.2) e (2.3).
O modelo siolgico resultante constitudo por 22 equaes diferenciais ordinrias
(formulao a parmetros concentrados) no-lineares, das quais 11 esto associadas ao modelo
da glicose (ver gura 2.2), 10 esto associadas ao modelo da insulina, das quais 3 descrevem
a secreo pancretica, (ver gura 2.3) e uma equao refere-se ao modelo do glucagon (ver
gura 2.4).
Os processos siolgicos responsveis pelas fontes e sorvedouros metablicos no sub-
modelo da gliocose so resumidos na tabela 2.2; os responsveis pelas fontes e sorvedouros no
submodelo da insulina so resumidos na tabela 2.3; e os do submodelo da insulina so apresen-
tados na tabela 2.4.
As tabelas 2.5, 2.6 e 2.7 denem as taxas metablicas presentes, respectivamente, nos
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 40
Tabela 2.2: Resumo dos processos siolgicos que denem as fontes e sorvedouros metabli-
cos no modelo da glicose
Processo Fisiolgico Taxa funo de Processo
Sorvedouros
Consumo nas clulas vermelhas Constante
Consumo no crebro Constante
Consumo no trato grastrintestinal Constante
Consumo na periferia Glicose no lquido intersticial da periferia Linear
Insulina no lquido intersticial da periferia No-linear
Excreo pelos rins Glicose nos rins No-linear
Consumo no fgado Glicose no fgado No-linear
Insulina no fgado No-linear
Fontes
Produo no fgado Glicose no fgado No-linear
Insulina no fgado No-linear
Glucagon no plasma No-linear
Tabela 2.3: Resumo dos processos siolgicos que denem as fontes e sorvedouros metabli-
cos no modelo da insulina
Processo Fisiolgico Taxa funo de Processo
Sorvedouros
Degradao no fgado Insulina do fgado Linear
Degradao nos rins Insulina nos rins Linear
Degradao na periferia Insulina no lquido intersticial da periferia Linear
Fontes
Liberao pelo pncreas Glicose no corao e pulmes No-linear
Tabela 2.4: Resumo dos processos siolgicos que denem as fontes e sorvedouros metabli-
cos no modelo do glucagon
Processo Fisiolgico Taxa funo de Processo
Sorvedouros
Degradao no plasma Glucagon no plasma Linear
Fontes
Liberao pelo pncreas Glicose no corao e pulmes No-linear
Insulina no corao e pulmes No-linear
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 41
Tabela 2.5: Denio das fontes e sorvedouros metablicos do submodelo da glicose
Sorvedouros:
r
RBCU
Taxa de utilizao de glicose pelas clulas vermelhas do sangue
r
BGU
Taxa de utilizao de glicose no crebro
r
GGU
Taxa de utilizao de glicose no trato gastrintestinal
r
PGU
Taxa de utilizao de glicose na periferia
r
KGE
Taxa de excreo de glicose pelos rins
r
HGU
Taxa de utilizao de glicose no fgado
Fontes:
r
HGP
Taxa de produo heptica de glicose
r
OGA
Taxa de absoro de glicose no trato gastrintestinal
Tabela 2.6: Denio das fontes e sorvedouros metablicos do submodelo da insulina
Sorvedouros:
r
LIC
Taxa da degradao de insulina no fgado
r
KIC
Taxa da degradao da insulina nos rins
r
PIC
Taxa da degradao da insulina na periferia
Fontes:
r
PIR
Taxa de liberao pancretica de insulina
r
IV I
Taxa de infuso intravenosa de insulina
diagramas do submodelo da glicose (ver gura 2.2), do submodelo da insulina (ver gura 2.3)
e do submodelo do glucagon (ver gura 2.4).
Ainda nos diagramas esquemticos de cada submodelo, as variveis dentro de cada
compartimento representam, respectivamente, a concentrao da substncia do submodelo con-
siderado e o seu volume de distribuio naquele compartimento.
Dentre as principais limitaes deste modelo podem ser citadas:
Efeitos dos hormnios epinefrina (adrenalina), cortisol e hormnio do crescimento no
so levados em considerao. Segundo Ganong (1977) variaes dirias normais destes
hormnios inuenciam a regulao da glicemia. Estes potentes hormnios antagnicos
ao da insulina podem, entretanto, provocar estados de hiperglicemia (estimulando a
produo de glicose no fgado e induzir resistncia insulina) em nveis associados a
Tabela 2.7: Denio das fontes e sorvedouros metablicos do submodelo do glucagon
Sorvedouro:
r
MC
Taxa de degradao do glucagon
Fonte:
r
PR
Taxa de liberao pancretica de glucagon
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 42
vrios estados de doenas, estresse e traumas.
Aimpossibilidade de simulao de uma refeio mista; variaes ps-prandiais nos nveis
de circulao destes substratos podem interferir com a homeostase da glicose alterando a
secreo pancretica de hormnios e inuenciando o metabolismo no fgado. Na absoro
apenas de glicose o efeito dos aminocidos e dos cidos graxos no so signicativos na
homeostasia do metabolismo da glicose (GUYTON; HALL, 1998; GANONG, 1977).
Condies iniciais do modelo reetem apenas o metabolismo normal (basal) no estado
ps-prandial. Mudanas na velocidade do metabolismo associadas a estados prolonga-
dos de jejum, como depleo do glicognio heptico e alterao na utilizao de glicose
cerebral no foram modeladas (SORENSEN, 1985).
Os volumes de distribuio e uxo sanguneo so xos e representativos de um homem
de 70 kg.
2.5.2 Modelo patolgico normalizado: paciente diabtico tipo I metaboli-
camente normalizado
O modelo da dinmica da regulao da glicemia em um paciente diabtico, metabo-
licamente normalizado, desenvolvido por Sorensen (1985) usa o mesmo conjunto de equaes
obtido para a pessoa hgida. A diferena foi a remoo da liberao pancretica de insulina
6
do
modelo da pessoa hgida fazendo-se:
r
PIR
= 0. (2.4)
Por ter sido admitido que o paciente diabtico tinha as mesmas fontes e sorvedou-
ros metablicos que uma pessoa hgida, o modelo obtido foi chamado de modelo patolgico
metabolicamente normalizado, sendo representativo de um paciente diabtico tipo I metabo-
licamente normalizado. Dentre as limitaes deste modelo destaca-se o no modelamento da
6
Conforme descrito anteriormente, o modelo da liberao de insulina pelo pncreas empregado por Sorensen
(1985) de 3
a
ordem. Assim, com a remoo da liberao pancretica de insulina, a ordem do modelo reduz de
22
a
para 19
a
.
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 43
resistncia ao insulnica geralmente presente em pacientes diabticos.
2.5.3 Modelo patolgico no-normalizado: paciente diabtico tipo I me-
tabolicamente no-normalizado
O modelo da dinmica da regulao da glicemia em um paciente diabtico tipo I, me-
tabolicamente no-normalizado, foi obtido considerando-se variaes nos parmetros nominais
do modelo patolgico normalizado conforme descrito a seguir.
Das equaes mostradas no apndice A, pgina 104, tm-se que as fontes e sorve-
douros metablicos de cada submodelo so modelados por funes, ou produto de funes, do
tipo:
r
i
= E
i
A
i
+B
i
tanh [C
i
(x
i
+D
i
)] (2.5)
Parker et al. (2001) e Parker et al. (2000) mostraram que de todos os parmetros E
i
,
A
i
, B
i
, C
i
e D
i
, representativos de distrbios metablicos, comumente associados ao diabetes
mellitus, os mais signicativos so:
Parmetro D do M
I
PGU
(efeito da insulina na taxa de utilizao de glicose na periferia,
ver equao (A.28) na pgina 107)
Parmetro E do M
G
HGP
(efeito da glicose na taxa de produo heptica de glicose, ver
equao (A.19) na pgina 106)
Foi vericado, ainda, por Parker et al. (2001) e Parker et al. (2000), que dos demais
parmetros do modelo o parmetro F
LIC
(parmetro que dene a degradao de insulina no
fgado, ver equao (A.37) na pgina 108) tambm era bastante representativo na simulao de
distrbios metablicos, geralmente associados ao diabetes mellitus.
A tabela 2.8 resume os valores nominais dos parmetros acima considerados, bem
como a faixa de variao destes parmetros, representativos dos distrbios metablicos geral-
mente associados ao diabetes.
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 44
Tabela 2.8: Denio da faixa de variao dos parmetros representativos de distrbios meta-
blicos associados ao diabetes mellitus
Parmetro Nominal Faixa de Variao
D de M
I
PGU
5,82 50% em torno de 5,82
E de M
G
HGP
1,0 50% em torno de 1,0
F
LIC
0,40 20% em torno de 0,4
2.6 Modelo matemtico da absoro de glicose no trato gas-
trintestinal
Neste trabalho ser empregado o modelo da absoro de glicose no trato gastrintes-
tinal apresentado em (LEHMANN; DEUTSCH, 1992). Neste modelo a absoro de glicose no
intestino modelada como sendo a resposta de um sistema de primeira ordem a uma entrada tri-
angular, quando a quantidade de carboidratos na alimentao menor que 10 g, ou trapezoidal,
quando a quantidade de carboidratos maior ou igual a 10 g, como ilustrado na gura 2.6.
As equaes do modelo de absoro de (LEHMANN; DEUTSCH, 1992) so:
d
dt
= G
emp
k
gabs
(2.6)
r
OGA
= k
gabs
(2.7)
onde G
emp
mostrado na gura 2.6(a) quando a quantidade de carboidratos na refeio (Q
c
)
menor que 10 g e, na gura 2.6(b), quando a quantidade de carboidratos na refeio (Q
c
) maior
ou igual a 10 g; r
OGA
(mg/mim) , conforme mencionado anteriormente, a taxa de absoro de
glicose no trato gastrintestinal (ver tabela 2.5); V
max
e k
gabs
so parmetros do modelo dados,
respectivamente, por: 360,0 mg/min, e
1
60,0
min
1
.
No caso em que a quantidade de carboidratos na refeio menor que 10 g (ver gura
2.6(a)), tem-se
T
asc
=
Q
c
V
max
T
des
=
Q
c
V
max
(2.8)
CAPTULO 2. REGULAO DO METABOLISMO DOS CARBOIDRATOS 45
onde Q
c
dado em mg.
J no caso em que a quantidade de carboidratos na refeio maior ou igual a 10 g
(ver gura 2.6(b)), tem-se ainda:
T
asc
= 30,0 min
T
des
= 30,0 min
T
max
=
_
Q
u

1
2
V
max
(T
asc
+T
des
)

V
max
(2.9)
onde Q
u
dado em mg.
T
asc
T
des
V
max
G
empt
t
(a) Quantidade de carboidrato na alimentao me-
nor que 10 g.
T
asc
T
max
T
des
V
max
G
empt
t
(b) Quantidade de carboidrato na alimentao
maior ou igual a 10 g.
Figura 2.6: Denio das entradas do modelo da absoro de glicose no trato gastrintestinal de
Lehmann e Deutsch (1992)
Captulo 3
Controle Preditivo
Neste captulo sero discutidas brevemente as idias bsicas que esto presentes nas
mais diversas estratgias de controle preditivo. Em seguida, ser detalhada a estratgia de con-
trole preditivo generalizado, em sua verso no-adaptativa, para um sistema com uma entrada e
uma sada, nos casos com e sem restries (limitao da amplitude do sinal de sada, limitao
da variao do sinal de controle e limitao na amplitude do sinal de controle).
3.1 Introduo
O termo controle preditivo no se refere a uma estratgia especca, mas a um conjunto
amplo de tcnicas que possuem algumas idias em comum (CAMACHO; BORDONS, 2000),
ilustradas na gura 3.1 e discutidas a seguir.
Nas diversas estratgias de controle preditivo, em cada instante de amostragem k, o
algoritmo de controle recebe novas leituras das sadas medidas do sistema e, baseado nesta in-
formao e no modelo do processo empregado explicitamente no algoritmo de controle, calcula
uma seqncia de aes futuras de controle que minimizam uma certa funo custo. Emprega-
se, ento, a estratgia do horizonte mvel, onde apenas a primeira ao de controle calculada
implementada at o prximo instante de amostragem, quando todo o processo repetido base-
ado nas novas informaes medidas (ROSSITER, 2003; CAMACHO; BORDONS, 2000; GLAD;
LJUNG, 2000; SOETERBOEK, 1992).
A principal razo para a utilizao do horizonte mvel a possibilidade que esta es-
CAPTULO 3. CONTROLE PREDITIVO 47
FUTURO PASSADO
Referncia
k k+1 k+2 k+Nu k+N2 k-1 k-2
Aes de controle: u(k)
Sadas preditas: ) k | j k ( y


k+j
) k ( y
Figura 3.1: Representao esquemtica do princpio geral seguido pelas diversas estratgias de
controle preditivo
tratgia oferece para a rejeio de perturbaes futuras e/ou correo de erros de modelagem.
Assim, se a sada predita do processo no instante k, y(k +1[k), no for igual sada medida do
processo no instante k + 1, y(k + 1), esta diferena tender a ser corrigida pela realimentao.
Alm disso, no instante k +1, as prximas predies sero feitas a partir das sadas medidas do
processo e no a partir da sada predita, utilizando um modelo interno do processo, no instante
anterior. O resultado da aplicao da abordagem do horizonte mvel que o horizonte sobre o
qual a sada do processo predita deslocado um instante de amostragem na direo do futuro,
a cada instante de amostragem (SOETERBOEK, 1992).
Em cada instante k, calcula-se uma seqncia de sadas futuras, y(k +j[k), utilizando-
se, explicitamente, um modelo do sistema a ser controlado. As sadas futuras calculadas so
funo de toda a informao disponvel at o instante k, ou seja, sadas do sistema e sinais de
controle passados
1
, da seqncia futura de sinais de controle e do modelo do processo empre-
gado no clculo das predies (SOETERBOEK, 1992).
Calculadas as predies y(k + j[k), determina-se uma seqncia de sinais futuros de
1
Quando, para o clculo das predies da sada, so utilizadas todas as entradas e sadas disponveis at o
instante k, a formulao de controle preditivo dita empregar um modelo realinhado do sistema. Este o caso,
por exemplo, da estratgia GPC (CLARKE et al., 1987a) empregada neste trabalho. No caso em que as predies
da sada so calculadas empregando-se apenas as entradas passadas, diz-se que o controlador emprega um modelo
independente do sistema (ROSSITER, 2003; MACIEJOWSKI, 2002).
CAPTULO 3. CONTROLE PREDITIVO 48
controle que minimizam uma certa funo custo dependente das predies y(k + j[k). Cada
estratgia de controle preditivo emprega uma funo custo diferente sendo, geralmente, usada
uma funo custo quadrtica (CAMACHO; BORDONS, 2000). No caso do controlador preditivo
generalizado, a funo custo empregada (CLARKE et al., 1987a):
J =
N
2

j=N
1
[ y(k +j[k) w(k +j)]
2
+
N
u

j=1
(j)[u(k +j 1)]
2
(3.1)
Na equao (3.1), N
1
e N
2
so, respectivamente, os horizontes mnimos e mximos
de predio da sada e N
u
o horizonte de controle, que no necessariamente coincide com o
horizonte mximo de predio da sada. O signicado de N
1
e N
2
so intuitivos: eles marcam
os instantes em que desejvel que as sadas preditas, y(k + j[k), sigam a referncia futura,
w(k + j). Assim, caso seja escolhido N
1
,= 1, isto signica que no so importantes os erros
entre as sadas preditas, y(k + j[k), e a trajetria de referncia, w(k + j), nos instantes k +
1, . . . ,k + N
1
. Por exemplo, no caso de sistemas com atraso d no h necessidade que N
1
seja
menor que d porque a ao de controle atual no ter efeito na sada da planta at o instante
k + d + 1. Tambm, se o processo de fase no mnima, este parmetro permitir que os
instantes iniciais da resposta inversa no sejam levados em considerao para a determinao
da seqncia futura de sinais de controle (CAMACHO; BORDONS, 2000). Quanto seqncia
de pesos (j), ela , geralmente, considerada constante (j) = , j = 1, . . . ,N
u
. Pode-se,
entretanto, consider-la varivel, por exemplo, diminuindo com o tempo, indicando um peso
maior para os erros nos instantes iniciais que para os nais.
Um ponto que chama a ateno na funo custo da equao (3.1) o uso da variao
dos sinais de controle futuros, u(k+j), j = 1, . . . ,N
u
, ao invs dos prprios sinais de controle
futuros, u(k + j), j = 1, . . . ,N
u
. A idia ao se considerar a variao do sinal de controle
introduzir uma ao integral na malha de controle fazendo com que o erro de regime para uma
referncia constante, no caso em que no existam restries ativas, seja nulo (MACIEJOWSKI,
2002). O algoritmo de controle calcula u(k) mas aplica planta u(k). Como
u(k) = u(k) u(k 1) (3.2)
CAPTULO 3. CONTROLE PREDITIVO 49
que no domnio transformado z
U(z) = (1 z
1
)U(z) (3.3)
ou, equivalentemente,
U(z)
U(z)
=
z
z 1
(3.4)
tem-se que introduzida uma ao integral na malha de controle.
Neste trabalho, restringir-se- ao estudo do controle preditivo generalizado (CLARKE
et al., 1987a, 1987b), descrito na seo seguinte, para sistemas com uma entrada e uma sada
(SISO), em sua verso no adaptativa.
Existe uma vasta literatura, entre artigos e livros, dedicada teoria e aplicao das
vrias vertentes relacionadas ao controle preditivo. Para uma introduo mais compreensvel
aos controladores preditivos lineares sugere-se o livro de Rossiter (2003). Outras referncias
so os livros de Maciejowski (2002), de Soeterboek (1992) alm dos artigos, tipo reviso, de
Rawlings (2000), Morari e Lee (1999) e de Garcia et al. (1989), que so bastante teis para
situar todas as tendncias e estado da arte do MPC. Para um tratamento mais completo sobre
GPC (SISO e MIMO) sugere-se consultar Camacho e Bordons (2000), e suas referncias.
3.2 Controle Preditivo Generalizado (GPC)
A estratgia GPC foi proposta por Clarke et al. (1987a), tendo se tornado uma das
estratgias de controle preditivo mais populares tanto na indstria quanto no meio acadmico
(CAMACHO; BORDONS, 2000). Em diversas aplicaes industriais (CLARKE, 1988), os con-
troladores GPC apresentaram bom desempenho e um certo grau de robustez.
Nesta estratgia, o sistema considerado descrito por um modelo Auto-Regressivo de
Mdia-Mvel Integrada com entradas Exgenas (ARIMAX do ingls Auto-Regressive Integra-
ted Moving-Average)
2
na forma da equao (3.5)
2
Clarke et al. (1987a) utiliza a denominao CARIMA -Controled Auto-Regressive Integrated Moving Average
CAPTULO 3. CONTROLE PREDITIVO 50
A(z
1
) y(k) = z
d
B(z
1
) u(k 1) +
C(z
1
)

(k) (3.5)
onde (k) um distrbio estocstico com E[(i)(j)] = 0, i ,= j e E[(k)] = 0, k, u(k)
e y(k) so, respectivamente, o sinal de controle e a sada da planta, d o atraso do sistema,
= 1 z
1
, A(z
1
), B(z
1
) e C(z
1
) so os seguintes polinmios no operador atrasador
z
1
.
A(z
1
) = 1 +a
1
z
2
+a
2
z
2
+. . . +a
n
a
z
n
a
(3.6)
B(z
1
) = b
0
+b
1
z
1
+b
2
z
2
+. . . +b
n
b
z
n
b
(3.7)
C(z
1
) = 1 +c
1
z
1
+c
2
z
2
+. . . +c
n
c
z
n
c
. (3.8)
Multiplicando a equao (3.5) por = 1z
1
pode-se reescrever o modelo do sistema
como:

A(z
1
) y(k) = z
d
B(z
1
) u(k 1) +C(z
1
) (k) (3.9)
onde

A(z
1
) = A(z
1
) = a
0
+ a
1
z
1
+ a
2
z
2
+. . . + + a
n
a
+1
z
(n
a
+1)
(3.10)
com
CAPTULO 3. CONTROLE PREDITIVO 51
a
0
= 1 a
1
= a
1
1
a
2
= a
2
a
1
a
3
= a
2
a
3
.
.
.
.
.
. (3.11)
a
n
a
= a
n
a
a
n
a
1
a
n
a
+1
= a
n
a
Neste trabalho, o polinmio C(z
1
) ser considerado C(z
1
) = 1, ou seja, o distr-
bio C(z
1
)(k) = (k) ser admitido como sendo branco. As modicaes necessrias para
derivar a lei de controle GPC, no caso em que C(z
1
) ,= 1, so mnimas e podem ser encontra-
das, por exemplo, em (CAMACHO; BORDONS, 2000; CLARKE et al., 1987b). Embora existam
tcnicas de modelagem que computam, segundo um determinado critrio, os melhores valo-
res para os parmetros dos polinmios A(z
1
), B(z
1
) e C(z
1
), no GPC freqente tratar
C(z
1
) = T(z
1
), com T(z
1
) sendo um parmetro de projeto. Isto deve-se ao fato de que
T(z
1
) tem efeitos diretos na sensitividade da malha podendo, assim, obter melhor desempe-
nho em malha fechada usando o T(z
1
) diferente do C(z
1
) (melhor valor estimado segundo
um certo critrio) (ROSSITER, 2003; CAMACHO; BORDONS, 2000).
Para implementar o controle preditivo, tendo-se identicado os polinmios A(z
1
)
e B(z
1
), deve-se ento computar uma seqncia de variaes futuras do sinal de controle,
u(k),u(k+1), . . ., de forma que a sada da planta que prxima da referncia futura w(k+j)
nos instantes dentro do horizonte de interesse (determinado pela escolha de N
1
e N
2
). Isto
obtido minimizando a funo custo:
J =
N
2

j=N
1
[ y(k +j[k) w(k +j)]
2
+
N
u

j=1
(j)[u(k +j 1)]
2
(3.12)
onde y(k + j[k) a predio da sada do sistema j passos a frente, com base nas informaes
at o instante k. Os parmetros N
1
e N
2
so os horizontes iniciais e nais de predio da sada
do sistema, N
u
N
2
o horizonte de controle, (j) uma seqncia de pesos e w(k + j) a
referncia para as sadas preditas. Na formulao original de Clarke et al. (1987a), bem como
CAPTULO 3. CONTROLE PREDITIVO 52
neste trabalho, a seqncia (j) ser considerada constante
3
igual a .
Para realizar a minimizao da funo custo deve-se, inicialmente, realizar a predio
das sadas futuras y(k +j[k), j = N
1
, . . . ,N
2
do sistema. Precisa-se, ento, calcular:
y(k +j[k) = E[y(k +j)[H
k
], j = N
1
, . . . ,N
2
(3.13)
onde
H
k
= y(k),u(k 1),y(k 1),u(k 2), . . . (3.14)
o conjunto de todas as informaes disponveis at o instante k
4
.
Antes de se derivar uma expresso geral para o clculo das predies y(k + j[k), j =
N
1
, . . . , N
2
, ser analisado um exemplo numrico. O objetivo deste exemplo deixar claro os
conceitos envolvidos no clculo das predies que, caso contrrio, podem no ser bem eluci-
dados, quando se realizam as predies utilizando diretamente um conjunto de solues parti-
culares de uma equao diofantina polinomial (ver apndice B), como feito em (CAMACHO;
BORDONS, 2000; CLARKE et al., 1987a).
Exemplo 3.1 Considere o seguinte modelo extrado de Camacho e Bordons (2000):
(1 1,8z
1
+ 0,8z
2
)y(k) = (0,4 + 0,6z
1
)u(k 1) +(k) (3.15)
onde E[(k)] = 0 e E[(i)(j)] = 0 i ,= j.
Deseja-se calcular:
y(k + 1[k) = E[y(k + 1)[H
k
]
y(k + 2[k) = E[y(k + 2)[H
k
]
y(k + 3[k) = E[y(k + 3)[H
k
]
3
A opo por constante apenas para limitar os graus de liberdade, os parmetros de sintonia do controlador.
Derivar a lei de controle para o caso de (i) no introduz maiores diculdades sendo possvel, assim como no caso
em que (i) seja constante, escrever uma soluo analtica para o caso sem restries.
4
Observe que o modelo empregado na formulao de controle preditivo de Clarke et al. (1987a) estritamente
prprio (GLAD; LJUNG, 2000) e, assim, o sinal de controle no instante k no tem inuncia na sada da planta no
instante k.
CAPTULO 3. CONTROLE PREDITIVO 53
em funo de H
k
, ou seja, das informaes sobre sistema at o instante k (ver equao (3.14)),
e das variaes futuras do sinal de controle, u(k +j), j 0. Observe que este justamente
o problema que temos que resolver, no caso geral, para derivar a lei de controle da estratgia
GPC.
Soluo: Para calcular y(k + 1[k) substitui-se k por k + 1 na equao (3.15) e,
lembrando que z
1
o operador atrasador, ou seja, z
n
y(k) = y(k n) e z
n
u(k) =
u(k n), obtm-se:
y(k + 1) = 1,8y(k) 0,8y(k 1) + 0,4u(k) + 0,6u(k 1) +(k + 1) (3.16)
Aplicando o operador esperana, E[[H
k
], na equao (3.16) e lembrando que ele
um operador linear tem-se
5
:
y(k + 1[k) = 1,8y(k) 0,8y(k 1) + 0,4u(k) + 0,6u(k 1) (3.17)
Observe que y(k + 1[k) depende das sadas passadas, y(k) e y(k 1), da variao
passada do sinal de controle u(k 1) e da variao futura do sinal de controle, u(k).
Para o clculo de y(k + 2[k) procede-se de forma anloga: substitui-se k por k + 2
na equao (3.15) e aplica-se o operador esperana E[[H
k
], obtendo-se
y(k + 2[k) = 1,8 y(k + 1[k) 0,8 y(k) + 0,4u(k + 1) + 0,6u(k) (3.18)
Observe que y(k + 2[k), na equao (3.18), depende de y(k + 1[k), j calculado na
equao (3.17). Substituindo a equao (3.17) na equao (3.18) obtm-se:
y(k+2[k) = 2,44 y(k)1,44y(k1)+0,4u(k+1)+1,32 u(k)+1,08 u(k1) (3.19)
5
E[(k + 1)[H
k
] = 0 segue de E[(k)] = 0 e E[(i)(j)] = 0 i ,= j
CAPTULO 3. CONTROLE PREDITIVO 54
Procedendo de maneira inteiramente anloga, calcula-se y(k + 3[k):
y(k + 3[k) = 1,8 y(k + 2[k) 0,8 y(k + 1[k) + 0,4 u(k + 2) + 0,6 u(k + 1) (3.20)
Da equao (3.20), v-se que para calcular y(k +3[k) em funo das sadas passadas
do sistema, variaes passadas do sinal de controle e variaes futuras do sinal de controle,
precisa-se, antes, calcular y(k +1[k) e y(k +2[k). Substituindo as equaes (3.17) e (3.19) em
(3.20) obtm-se:
y(k + 3[k) = 2,952 y(k) 1,952 y(k 1) + 0,4 u(k + 2)
+ 1,32 u(k + 1) + 2,056 u(k) + 1,464 u(k 1)
(3.21)
Escrevendo as equaes (3.17), (3.19) e (3.21) na forma vetorial tem-se:
_

_
y(k + 1[k)
y(k + 2[k)
y(k + 3[k)
_

_
=
_

_
0,4 0 0
1,32 0,4 0
2,056 1,32 0,4
_

_
_

_
u(k)
u(k + 1)
u(k + 2)
_

_
+
_

_
1,8 0,8
2,44 1,44
2,952 1,952
_

_
_

_
y(k)
y(k 1)
_

_
+
_

_
0,6
1,08
1,464
_

_
u(k 1)
(3.22)
Analisando o exemplo numrico 3.1, elucida-se o conceito fundamental utilizado no
clculo das predies y(k + j[k): calcula-se y(k + 1[k), . . . , y(k + j 1[k) para determinar
y(k +j[k).
A idia acima foi usada por Clarke et al. (1987a) de forma menos transparente. Ao
invs de derivar expresses para as predies y(k + j[k) diretamente, utilizando o mecanismo
ilustrado no exemplo 3.1, ou seja, calcular y(k + 1[k), em seguida calcular y(k + 2[k) utili-
zando y(k + 1[k) e assim por diante, ele considerou um conjunto de solues particulares da
CAPTULO 3. CONTROLE PREDITIVO 55
equao diofantina (3.23) (ver apndice B, pgina 115), obtidas recursivamente, para calcular
as predies y(k + j[k), j = N
1
, . . . , N
2
. importante ressaltar que tanto o caminho ilustrado
no exemplo 3.1 quanto o caminho seguido por Clarke et al. (1987a) levam s mesmas relaes
de recurso: so dois caminhos diferentes para a soluo de um mesmo problema
6
.
Aseguir sero derivadas as relaes de recurso para o clculo das predies utilizando-
se solues particulares da equao diofantina polinomial
7
(3.23).
Considere a seguinte equao polinomial linear nas incgnitas E(z
1
) e F(z
1
):

A(z
1
)E(z
1
) +z
j
F(z
1
) = 1 (3.23)
onde o polinmio

A(z
1
) da equao acima denido pelas equaes (3.10) e (3.11). Como
o polinmio de maior grau em z
1
que divide simultaneamente

A(z
1
) e z
j
, j N
Q(z
1
) = 1 conclui-se, do teorema 1 apresentado no apndice B, que a equao (3.23) tem
innitas solues.
Considere apenas a soluo particular, E
j
(z
1
), F
j
(z
1
) da equao (3.23):
E
j
(z
1
) = e
j, 0
+e
j, 1
z
1
+. . . +e
j, j1
z
(j1)
F
j
(z
1
) = f
j, 0
+e
j, 1
z
1
+. . . +e
j, n
a
z
n
a
(3.24)
obtida impondo-se deg (E
j
(z
1
)) = j 1
8
.
Substituindo na equao (3.9) k por k + j, com C(z
1
) = 1, e em seguida multipli-
cando o resultado por E
j
(z
1
) obtm-se:
E
j
(z
1
)

A(z
1
)y(k +j) = E
j
(z
1
)z
d
B(z
1
)u(k +j 1) +E
j
(z
1
) (3.25)
6
Rossiter (2003) discute outras formas de obter as predies y(k + j[k) para o algoritmo GPC utilizando
matrizes de Hankel.
7
Caso no se tenha familiaridade comtal equao diofantina polinomial e suas solues sugere-se ler o apndice
B, pgina 115, antes de prosseguir com a leitura deste captulo
8
No Apndice B deriva-se, procedendo de maneira anloga ao apresentado em (CLARKE et al., 1987a) um algo-
ritmo recursivo para o clculos das solues E
j
, F
j
, com j = 1, . . . ,N dado o polinmio

A(z
1
) e N N. Um
resumo do algoritmo pode ser encontrado na pgina 122.
CAPTULO 3. CONTROLE PREDITIVO 56
Como E
j
, F
j
uma soluo da equao diofantina (3.23) e, ento, pode-se escrever:
E
j
(z
1
)

A(z
1
) = 1 z
j
F
j
(z
1
) (3.26)
Substituindo (3.26) em (3.25) obtm-se:
[1 z
j
F
j
(z
1
)]y(k +j) = E
j
(z
1
)z
d
B(z
1
)u(k +j 1) +E
j
(z
1
)(k +j) (3.27)
que pode ser reescrita, lembrando que z
j
x(k) = x(k j), como:
y(k +j) = F
j
(z
1
)y(k) +E
j
(z
1
)B(z
1
)u(k +j d 1) +E
j
(z
1
)(k +j) (3.28)
Como deg (E
j
(z
1
)) = j 1 tem-se que:
E
j
(z
1
)(k +j) = e
j, 0
(k +j) +e
j, 1
(k +j 1) +. . . +(k + 1) (3.29)
e, lembrando que E[(k)] = 0, k e E[(k)(j)] = 0, k ,= j, tem-se que
E[E
j
(z
1
)(k +j)[H
k
] = 0.
Assim, aplicando o operador esperana E[[H
k
] na equao (3.28) obtm-se:
y(k +j[k) = E[y(k +j)[H
k
]
= F
j
(z
1
)y(k) +S
j
(z
1
)u(k +j d 1)
(3.30)
onde
CAPTULO 3. CONTROLE PREDITIVO 57
S
j
(z
1
) = E
j
(z
1
)B(z
1
)
= s
j, 0
+s
j, 1
z
1
+. . . +s
j, n
b
+j1
z
(n
b
+j1)
(3.31)
Analisando a equao (3.30) v-se que:
se j < d + 1, y(k +j[k) no depende das variaes futuras do sinal de controle podendo
ser calculado a partir das informaes disponveis at o instante k, ou seja, H
k
;
se j d + 1, y(k + j[k) depende tanto das variaes futuras no sinal de controle
u(k), u(k + 1), . . . , u(k + j d 1) quanto das informaes disponveis at o
instante k
e por isso que interessante escolher N
1
d + 1.
Escrevendo a equao (3.30) na forma vetorial tem-se:
_

_
y(k + 1[k)
y(k + 2[k)
.
.
.
y(k +N[k)
_

_
. .
=y(k)
=
_

_
y
f
(k + 1[k)
y
f
(k + 2[k)
.
.
.
y
f
(k +N[k)
_

_
. .
=y
f
(k)
+
_

_
y
l
y
(k + 1[k)
y
l
y
(k + 2[k)
.
.
.
y
l
y
(k +N[k)
_

_
. .
=y
l
y
(k)
+
_

_
y
l
u
(k + 1[k)
y
l
u
(k + 2[k)
.
.
.
y
l
u
(k +N[k)
_

_
. .
=y
l
u
(k)
(3.32)
onde os vetores y
f
(k), y
l
y
(k), y
l
u
(k) so, respectivamente, dados pelas equaes (3.33), (3.34)
e (3.35) escritas a seguir, usando-se a seguinte notao:
s
0
, . . . , s
Nd1
: os N d primeiros coecientes do polinmio S
N
(z
1
)
9
;
f
j, 0
, . . . , f
j, n
a
: os coecientes do polinmio F
j
(z
1
), ver equao (3.24);
s
j, 0
, . . . , s
j, n
b
+j
:os coecientes do polinmio S
j
(z
1
), ver equao (3.31).
9
Da recurso dos E
j
(z
1
) derivada no apndice B e da denio dos S
j
, ver equao (3.31), possvel concluir
que os j primeiros coecientes de S
j+1
(z
1
) so iguais aos j primeiros coecientes de S
j
(z
1
). Portanto, segundo
a notao empregada, s
d+1, 0
= s
0
, s
d+2, 0
= s
0
, s
d+2, 1
= s
1
, e assim sucessivamente.
CAPTULO 3. CONTROLE PREDITIVO 58
Neste trabalho, ser utilizada a mesma terminologia empregada por (CAMACHO; BOR-
DONS, 2000; CLARKE et al., 1987a) e, assim, o vetor y
f
(k), ver equao (3.33), ser referido
como resposta forada do sistema, por ser dependente das variaes futuras do sinal de controle,
enquanto que o vetor (y
l
y
(k) +y
l
u
(k)), ver equaes (3.34) e (3.35), ser chamado de resposta
livre do sistema, por depender apenas das informaes at o instante k (ou seja, depende apenas
de H
k
) e ser denotado por f(k).
_

_
y
f
(k + 1[k)
y
f
(k + 2[k)
.
.
.
y
f
(k +d[k)
y
f
(k +d + 1[k)
y
f
(k +d + 2[k)
y
f
(k +d + 3[k)
.
.
.
y
f
(k +N[k)
_

_
=
_

_
0 0 0 . . . 0
0 0 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0
0 0 0 . . . 0
s
0
0 0 . . . 0
s
1
s
0
0 . . . 0
s
2
s
1
s
0
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
s
Nd1
s
Nd2
s
Nd3
. . . s
0
_

_
. .
=H
f
_

_
u(k)
u(k + 1)
u(k + 2)
.
.
.
u(k +N 1)
_

_
. .
=u(k)
(3.33)
_

_
y
l
y
(k + 1[k)
y
l
y
(k + 2[k)
.
.
.
y
l
y
(k +d[k)
y
l
y
(k +d + 1[k)
y
l
y
(k +d + 2[k)
y
l
y
(k +d + 3[k)
.
.
.
y
l
y
(k +N[k)
_

_
=
_

_
f
1, 0
f
1, 1
. . . f
1, n
a
f
2, 0
f
2, 1
. . . f
2, n
a
.
.
.
.
.
.
.
.
.
.
.
.
f
d, 0
f
d, 1
. . . f
d, n
a
f
d+1, 0
f
d+1, 1
. . . f
d+1, n
a
f
d+2, 0
f
d+2, 1
. . . f
d+2, n
a
f
d+3, 0
f
d+3, 1
. . . f
d+3, n
a
.
.
.
.
.
.
.
.
.
.
.
.
f
N, 0
f
N, 1
. . . f
N, n
a
_

_
. .
=H
l
y
_

_
y(k)
y(k 1)
.
.
.
y(k n
a
)
_

_
(3.34)
CAPTULO 3. CONTROLE PREDITIVO 59
_

_
y
l
u
(k + 1[k)
y
l
u
(k + 2[k)
.
.
.
y
l
u
(k +d[k)
y
l
u
(k +d + 1[k)
y
l
u
(k +d + 2[k)
y
l
u
(k +d + 3[k)
.
.
.
y
l
u
(k +N[k)
_

_
=
_

_
0 . . . 0 s
1, 0
. . . s
1, n
b
0 . . . s
2, 0
s
2, 1
. . . s
2, n
b
+1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
s
d, 0
. . . s
d, d2
s
d, d1
. . . s
d, n
b
+d1
s
d+1, 1
. . . s
d+1, d1
s
d+1, d
. . . s
d+1, n
b
+d
s
d+2, 2
. . . s
d+2, d
s
d+2,d+1
. . . s
d+2,n
b
+d+1
s
d+3, 3
. . . s
d+3, d+1
s
d+3, d+2
. . . s
d+3, n
b
+d+2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
s
N, Nd
. . . s
N, N2
s
N, N1
. . . s
N, n
b
+N1
_

_
. .
=H
l
u
_

_
u(k 1)
.
.
.
u(k d)
u(k d + 1)
.
.
.
u(k d n
b
)
_

_
(3.35)
Das equaes (3.32), (3.33), (3.34) e (3.35) pode-se escrever:
y(k) = H
f
u(k) +f(k) (3.36)
onde
f(k) = y
l
y
(k) +y
l
u
(k) (3.37)
e observar que o vetor y(k) depende de N
2
variaes futuras do sinal de controle, u(k).
Observando a funo custo empregada pelo algoritmo GPC
J =
N
2

j=N
1
[ y(k +j[k) w(k +j)]
2
+
N
u

j=1
[u(k +j 1)]
2
(3.38)
v-se que ela engloba N
u
N
2
variaes de controle enquanto que o vetor de predies y(k)
da equao (3.36) depende de N
2
variaes futuras do sinal de controle. Nos casos em que
N
u
< N
2
o algoritmo GPC faz com que o vetor de predies y(k) dependa apenas de N
u
variaes futuras do sinal de controle impondo-se:
u(k +N
u
) = . . . = u(k +N
2
1) = 0 (3.39)
CAPTULO 3. CONTROLE PREDITIVO 60
Desta forma, o vetor de predies y(k) depende apenas de
u(k), . . . , u(k +N
u
1).
Considerar a restrio da equao (3.39) equivale a escrever o vetor y(k) como:
y(k) =

H
f
U(k) +f(k) (3.40)
onde

H
f
a matriz formada extraindo as N
2
N
u
+1 ltimas colunas da matriz H
f
, e U(k)
o vetor:
U(k) =
_

_
u(k)
u(k + 1)
.
.
.
u(k +N
u
1)
_

_
(3.41)
Considere agora o vetor
Y(k) =
_

_
y(k +N
1
[k)
y(k +N
1
+ 1[k)
.
.
.
y(k +N
2
[k)
_

_
(3.42)
Da denio do vetor Y(k) e da equao (3.40) pode-se, ento, escrever:
Y(k) = GU(k) +f
o
(k) (3.43)
onde G e f
o
(k) so dados, respectivamente, pelas linhas N
1
, . . . ,N
2
da matriz

H
f
e do vetor
f(k).
Usando as denies dos vetores Y(k) e U(k) a funo custo (3.38) pode ser escrita
como:
J = [[Y(k) W(k)[[
2
2
+[[U(k)[[
2
2
(3.44)
CAPTULO 3. CONTROLE PREDITIVO 61
onde
W(k) =
_

_
w(k +N
1
)
w(k +N
1
+ 1)
.
.
.
w(k +N
2
)
_

_
(3.45)
O procedimento acima para encontrar o vetor Y(k) ser ilustrado por um exemplo
numrico.
Exemplo 3.2 Considere novamente o modelo extrado de Camacho e Bordons (2000):
(1 1,8z
1
+ 0,8z
2
)
. .
=

A(z
1
)
y(k) = (0,4 + 0,6z
1
)
. .
=B(z
1
)
u(k 1) +(k) (3.46)
Deseja-se calcular o vetor de predies Y(k), equao (3.43), assumindo N
1
= 2,
N
2
= 4 e N
u
= 3.
Observe que no exemplo em questo tem-se:
d = 0
n
a
= 1 (lembrar que deg (

A(z
1
)) = n
a
+ 1)
n
b
= 1
Utilizando o algoritmo resumido na pgina 122, fornecendo como entradas:
N = 4


A(z
1
) = 1 1,8z
1
+ 0,8z
2
obtm-se
CAPTULO 3. CONTROLE PREDITIVO 62
E
1
(z
1
) = 1 F
1
(z
1
) = 1,8 0,8z
1
E
2
(z
1
) = 1 + 1,8z
1
F
2
(z
1
) = 2,44 1,44z
1
(3.47)
E
3
(z
1
) = 1 + 1,8z
1
+ 2,44z
2
F
3
(z
1
) = 2,952 1,952z
1
E
4
(z
1
) = 1 + 1,8z
1
+ 2,44z
2
+ 2,952z
3
F
4
(z
1
) = 3,3616 2,3616z
1
como S
j
(z
1
) = E
j
(z
1
)B(z
1
) tem-se
S
1
(z
1
) = 0,4 + 0,6z
1
S
2
(z
1
) = 0,4 + 1,32z
1
+ 1,08z
2
S
3
(z
1
) = 0,4 + 1,32z
1
+ 2,056z
2
+ 1,464z
3
S
4
(z
1
) = 0,4 + 1,32z
1
+ 2,056z
2
+ 2,6448z
3
+ 1,7712z
4
(3.48)
Ento, pela equao (3.30)
y(k + 1[k) = F
1
(z
1
)y(k) +S
1
(z
1
)u(k)
y(k + 2[k) = F
2
(z
1
)y(k) +S
2
(z
1
)u(k + 1)
y(k + 3[k) = F
3
(z
1
)y(k) +S
3
(z
1
)u(k + 2)
y(k + 4[k) = F
4
(z
1
)y(k) +S
4
(z
1
)u(k + 3)
(3.49)
substituindo-se (3.47) e (3.48) em (3.49), tem-se:
CAPTULO 3. CONTROLE PREDITIVO 63
_

_
y(k + 1[k)
y(k + 2[k)
y(k + 3[k)
y(k + 4[k)
_

_
=
_

_
0,4 0 0 0
1,32 0,4 0 0
2,056 1,32 0,4 0
2,6448 2,056 1,32 0,4
_

_
_

_
u(k)
u(k + 1)
u(k + 2)
u(k + 3)
_

_
+
_

_
1,8 0,8
2,44 1,44
2,952 1,952
3,3616 2,6893
_

_
_

_
y(k)
y(k 1)
_

_
+
_

_
0,6
1,08
1,464
1,7712
_

_
u(k 1)
(3.50)
Assim, para N
1
= 2, N
2
= 4 e N
u
= 3, da equao (3.50) tem-se que:
_

_
y(k + 2[k)
y(k + 3[k)
y(k + 4[k)
_

_
. .
=

Y(k)
=
_

_
1,32 0,4 0
2,056 1,32 0,4
2,6448 2,056 1,32
_

_
. .
=G
_

_
u(k)
u(k + 1)
u(k + 2)
_

_
. .
=U(k)
+
_

_
2,44 1,44
2,952 1,952
3,3616 2,6893
_

_
_

_
y(k)
y(k 1)
_

_
+
_

_
1,08
1,464
1,7712
_

_
u(k 1)
. .
=f (k)
(3.51)
Do exposto at aqui j se sabe como calcular o vetor de predio da sada Y(k), equa-
o (3.42), a partir do modelo ARIX do sistema, e dos parmetros N
1
, N
2
e N
u
. Precisa-se
agora determinar, a partir de Y(k), o vetor U(k), equao (3.41), que minimiza a funo
custo da equao (3.44).
3.2.1 Soluo do GPC: Caso sem Restries
No caso em que no so impostas restries, determinar U(k) que minimiza a fun-
o custo
CAPTULO 3. CONTROLE PREDITIVO 64
J = [[Y(k) W(k)[[
2
2
+[[U(k)[[
2
2
(3.52)
conhecido o vetor de predies Y(k) um problema de fcil soluo. Basta perceber que
minimizar (3.52) conhecido o vetor Y(k) equivale a minimizar
J = [[GU(k) +f
o
(k) W(k)[[
2
2
+[[U(k)[[
2
2
(3.53)
o que pode ser feito calculando o valor U

(k) que anula o gradiende de J em relao


U(k). Procedendo assim, encontra-se:
U

(k) = (G
T
G+I)
1
(f
0
(k) W(k)) (3.54)
Determinado o valor U

(k), em cada instante de amostragem, como o controlador


GPC emprega a estratgia do horizonte mvel, apenas o primeiro elemento do vetor U

(k)
utilizado, sendo aplicado o seguinte sinal de controle planta:
u(k) = u(k 1) + [1 0 . . . 0]U

(k) (3.55)
No prximo instante de amostragem, calculado um novo vetor U

(k) e o processo
repetido.
3.2.2 Soluo do GPC: Caso com Restries
Neste trabalho, ser considerado a possibilidade do sistema estar sujeito s seguintes
restries:
Limites na amplitude do sinal de sada: y y(k) y, k
Limites na variao do sinal de controle: u u(k) u(k 1) u, k
Limites de amplitude no sinal de controle: U u(k) U, k
A seguir mostrado, de forma anloga que foi feita em (CAMACHO; BORDONS,
2000), como as restries acima podem ser escritas como RU(k) c (ser determinado Re c)
CAPTULO 3. CONTROLE PREDITIVO 65
de forma que o problema de otimizao a ser resolvido em cada instante de amostragem passa
a ser escrito como:
min
U(k)
_
Y(k) W(k)
2
2
+U(k)
2
2
_
sujeito a RU(k) c
(3.56)
onde Y(k) determinado como no caso sem restries.
O objetivo nesta seo no estudar as formas de se resolver o problema de progra-
mao quadrtica acima, mas como reescrever as restries consideradas, determinando R e c.
Para detalhes sobre os mtodos disponveis para soluo de problemas de otimizao quadrtica
sugere-se consultar (FLETCHER, 1981).
Considere inicialmente o problema de escrever as restries na amplitude do sinal de
sada, y y(k) y, k, como R
1
U(k) c
1
.
Como, neste caso, deve-se ter y y(k) y, k, naturalmente
10
y
min
GU(k) +f
o
(k)
. .
=Y(k)
y
max
(3.57)
que, por sua vez, equivale a
_

_
G
G
_

_
U(k)
_

_
y
max
f
o
(k)
f
o
(k) y
min
_

_
(3.58)
onde y
max
e y
min
so vetores com a mesma dimenso de Y(k), ou seja, de dimenso (N
2

N
1
+ 1), com todos os elementos iguais a y e a y respectivamente. Da equao (3.58) tem-se
que o R
1
e c
1
procurados so dados por:
R
1
=
_

_
G
G
_

_
, c
1
=
_

_
y
max
f
o
(k)
f
o
(k) y
min
_

_
(3.59)
10
Considera-se aqui, e no resto do trabalho, que umvetor maior (ou menor) que outro vetor de mesma dimenso
quando cada uma de suas componentes maior (ou menor) que a componente equivalente no outro vetor.
CAPTULO 3. CONTROLE PREDITIVO 66
Considere agora o problema de escrever as restries na variao do sinal de controle,
u u(k) u(k 1) u, k, como um R
2
U(k) c
2
.
Neste caso, deve-se ter u u(k) u(k 1) u, k, o que implica que:
u
min
U(k) u
max
(3.60)
ou, equivalentemente,
_

_
I
I
_

_
U(k)
_

_
u
max
u
min
_

_
(3.61)
onde I a matriz identidade (N
u
N
u
), u
max
e u
min
so vetores com N
u
elementos, todos
iguais, respectivamente, a u e u. Da equao (3.61) tem-se que os R
2
e c
2
procurados so
dados por:
R
2
=
_

_
I
I
_

_
, c
2
=
_

_
u
max
u
min
_

_
(3.62)
Finalmente, para escrever as restries na amplitude da varivel manipulada como
R
3
U(k) c
3
observe que:
u(k +j) =
j

i=0
u(k +i) +u(k 1) (3.63)
o que permite escrever, em notao vetorial:
Iu TU(k) +Iu(k 1) Iu
ou, equivalentemente:
_

_
T
T
_

_
U(k)
_

_
I(u u(k 1))
I(u(k 1) u)
_

_
(3.64)
onde T uma matriz triangular inferior de 1 (os elementos da matriz T acima da diagonal
principal so nulos e os demais 1), I a matriz identidade (N
u
N
u
). Da equao (3.64) segue,
ento, que:
CAPTULO 3. CONTROLE PREDITIVO 67
R
3
=
_

_
T
T
_

_
, c
3
=
_

_
I(u u(k 1))
I(u(k 1) u)
_

_
(3.65)
As restries (3.58), (3.61) e (3.64) podem, ento, serem empilhadas da seguinte
forma:
_

_
G
G
I
I
T
T
_

_
u
_

_
y
max
f
f y
min
u
max
u
min
I(u
max
u(k 1))
I(u(k 1) u
min
)
_

_
(3.66)
A equao (3.66) pode ainda ser escrita simplicadamente como
RU(k) c (3.67)
onde
R =
_

_
R
1
R
2
R
3
_

_
, c =
_

_
c
1
c
2
c
3
_

_
(3.68)
com R
1
e c
1
, R
2
e c
2
e R
3
e c
3
dados, respectivamente, pelas equaes (3.59), (3.62) e (3.65).
Desta forma, encontrar o U

(k) que minimiza


J = Y(k) W(k)
2
2
+U(k)
2
2
respeitando as restries
y y(k) y, k
u u(k) u(k 1) u, k
U u(k) U, k
CAPTULO 3. CONTROLE PREDITIVO 68
equivale a resolver o seguinte problema de otimizao quadrtica:
min
U(k)
_
Y(k) W(k)
2
2
+U(k)
2
2
_
sujeito a RU(k) c
(3.69)
De forma anloga ao caso sem restries, determinando, em cada instante de amos-
tragem, o vetor U

(k) soluo de (3.69), como o controlador preditivo emprega a estratgia


do horizonte mvel, apenas o primeiro elemento do vetor U

(k) utilizado sendo, ento,


aplicado o seguinte sinal de controle planta:
u(k) = u(k 1) + [1 0 . . . 0]U

(k) (3.70)
No prximo instante de amostragem, calculado um novo vetor U

(k) e o processo
repetido.
3.3 Algoritmo da Estratgia GPC: Resumo
A seguir, apresentada resumidamente a estratgia de controle preditivo generalizado
(GPC), proposta por Clarke et al. (1987a), em sua verso no adaptativa para o caso de um
sistema com uma entrada e uma sada (SISO) descrito por um modelo ARIX:
A(z
1
) y(k) = z
d
B(z
1
) u(k 1) +
1

(k)
ou equivalentemente,

A(z
1
) y(k) = z
d
B(z
1
) u(k 1) +(k)
onde E[(k)] = 0, k e E[(i)(j)] = 0, i ,= j.
Incio do Algoritmo
CAPTULO 3. CONTROLE PREDITIVO 69
Entradas: Coecientes dos polinmios

A(z
1
) e

B(z
1
), N
1
, N
2
e N
u
Inicializao:
Passo 1: Calcular os polinmios E
j
, F
j
usando o algoritmo resumido na pgina 122.
Para o clculo deve-se fornecer os coecientes de

A(z
1
) e N
2
.
Passo 2: Calcular a matriz G e o vetor f
o
(k) que denem Y(k), conforme a equao
(3.43) na pgina 60. Para o clculo necessita-se do valor de N
1
, N
2
, N
u
, E
j
, F
j
e B(z
1
).
Passo 3: Caso existam restries, calcular a matriz R, conforme as equaes (3.66) e
(3.67).
Para cada instante de amostragem:
Passo 1: Ler a sada y(k) do processo.
Passo 2: Calcular o vetor de predies Y(k).
Passo 3: Resolver o seguinte problema de programao quadrtica:
min
U(k)
_
Y(k) W(k)
2
2
+U(k)
2
2
_
sujeito a RU(k) c
(3.71)
Passo 4: Aplicar o sinal de controle planta
u(k) = u(k 1) + [1 0 . . . 0]U

(k) (3.72)
onde U

(k) a soluo do problema de otimizao (3.69).


Passo 5: Repetir enquanto o controlador estiver ativo.
Captulo 4
Metodologia
Neste captulo sero discutidos os passos seguidos no desenvolvimento do projeto do
controlador preditivo estudado neste trabalho. Inicialmente, ser descrito como foram simula-
dos os modelos patolgicos e como foi obtido o modelo interno empregado explicitamente no
algoritmo de controle. Em seguida, ser descrito como foi resolvido o problema de programa-
o quadrtica em cada instante de amostragem. Por m, ser detalhado o processo de sintonia
do controlador (ajuste dos parmetros N
1
, N
2
, N
u
e ).
4.1 Simulao dos modelos patolgicos
Os modelos patolgico normalizado e patolgico no-normalizado foram implemen-
tados em ambiente Simulink c _, sendo inicializados admitindo-se o sistema inicialmente em
regime.
Emambos os casos (normalizado e no-normalizado), o estado de equilbrio do sistema
dependente da taxa de infuso intravenosa de insulina (r
IV I
). Desta forma, dado um valor para
esta taxa determina-se, univocamente, o estado de equilbrio do sistema.
Em todas as simulaes realizadas neste trabalho, os modelos patolgicos foram inici-
alizados assumindo-se
r
IV I
= 22,4 mU/min. (4.1)
CAPTULO 4. METODOLOGIA 71
No caso do modelo patolgico normalizado, a taxa de infuso intravenosa de insu-
lina, dada na equao (4.1), denominada daqui por diante por taxa de infuso basal (intrave-
nosa) de insulina, corresponde a uma concentrao de glicose no sangue venoso da periferia de
75,0 mg/dl e ser referenciada daqui por diante como concentrao basal de glicose no sangue
venoso da periferia.
No caso do modelo patolgico no-normalizado, a cada conjunto de parmetros repre-
sentativos de um distrbio metablico (ver tabela 2.8 na pgina 44) a taxa de infuso basal da
equao (4.1) corresponde a um valor diferente para a concentrao basal de glicose no sangue
perifrico venoso.
O conjunto de equaes diferenciais que descrevem os modelos foi, ento, resolvido
numericamente utilizando a funo ode45 (mtodo Runge-Kutta) do Matlab
c
com o passo de
integrao mximo de 0,1
1
. necessrio fazer esta observao pois, nos casos em que no foi
imposto este passo mximo, os resultados obtidos no estavam de acordo com os apresentados
por Sorensen (1985) que, por sua vez, resolveu o problema com um Runge-Kutta de 4
a
ordem
com passo xo igual a 0,1.
4.2 Determinao do modelo interno
Para a implementao do controlador GPC(CLARKE et al., 1987a), descrito no captulo
3, precisa-se, inicialmente, derivar um modelo ARIX

A(z
1
) y(k) = z
d
B(z
1
) u(k 1) +(k) (4.2)
que relacione a sada medida do sistema, y(k) (desvio em relao a sada em regime), com a
varivel manipulada, u(k) (desvio em relao ao valor de regime), quando as demais variveis
de entrada so nulas.
Neste trabalho a concentrao de glicose no sangue venoso da periferia considerada
a sada medida do sistema enquanto que a taxa de infuso intravenosa de insulina a varivel
manipulada. A entrada no controlada do sistema, o distrbio, a taxa de absoro de glicose
1
Valores menores para o passo no alteraram signicativamente a soluo.
CAPTULO 4. METODOLOGIA 72
no trato gastrintestinal (dada pelo modelo de Lehmann e Deutsch (1992)).
Em sua tese de doutorado, Sorensen (1985) apresentou, alm dos modelos siolgico
e patolgico discutidos no captulo 2, um modelo a ser empregado explicitamente no projeto
de um controlador IMC
2
para uma bomba de infuso de insulina. Este modelo aproximava a
inuncia de desvios na taxa basal de infuso de insulina na concentrao basal de glicose do
sangue perifrico venoso, quando a absoro glicose no trato gastrintestinal era nula, por um
modelo de primeira ordem com atraso:
H(s) =
K e
ds
s + 1
(4.3)
onde K = 3,0
mg/dl
mU/min
, = 90,0 min e d = 10,0 min sendo a sada em regime igual a
75,0 mg/dl e a entrada em regime igual a 22,4 mU/min.
Neste trabalho, os parmetros do modelo ARIX, equao (4.2), foram derivados a
partir do modelo de primeira ordem com atraso, equao (4.3), apresentado por Sorensen (1985)
conforme descrito a seguir.
Com base em (4.3) e nas aproximaes de Pad de 1
a
, 2
a
, 3
a
e 4
a
ordens
e
ds

1
ds + 1
(4.4)
e
ds

1
1
2
d
2
s
2
+ds + 1
(4.5)
e
ds

1
1
6
d
3
s
3
+
1
2
d
2
s
2
+ds + 1
(4.6)
e
ds

1
1
24
d
4
s
4
+
1
6
d
3
s
3
+
1
2
d
2
s
2
+ds + 1
(4.7)
foram construdos os seguintes modelos:
Modelo 1:
H
1
(s) =
K e
ds
s + 1
(4.8)
2
Internal Model Control (GARCIA; MORARI, 1982).
CAPTULO 4. METODOLOGIA 73
Modelo 2:
H
2
(s) =
K
(s + 1)(ds + 1)
(4.9)
Modelo 3:
H
3
(s) =
K
(s + 1)(
1
2
d
2
s
2
+ds + 1)
(4.10)
Modelo 4:
H
4
(s) =
K
(s + 1)(
1
6
d
3
s
3
+
1
2
d
2
s
2
+ds + 1)
(4.11)
Modelo 5:
H
4
(s) =
K
(s + 1)(
1
24
d
4
s
4
+
1
6
d
3
s
3
+
1
2
d
2
s
2
+ds + 1)
(4.12)
Em seguida, foram comparadas as repostas ao degrau unitrio dos modelos lineares
H
i
(s), i = 1, . . . ,4, com a resposta ao degrau unitrio do modelo patolgico normalizado (des-
considerando o valor de regime). Esta comparao foi feita considerando-se, para cada modelo
H
i
(s), i = 1, . . . ,5, a integral
3
do quadrado da diferena entre a sua resposta ao degrau, cha-
mada y
i
(k), com a resposta ao degrau, sem o valor de regime (basal), do modelo patolgico
normalizado.
Dentre os modelos H
i
(s), considerou-se, no passo seguinte, apenas aquele que apre-
sentou o menor valor para a integral denida anteriormente, ou seja, foi considerado apenas
aquele cuja resposta ao degrau unitrio estava mais prxima da resposta ao degrau unitrio do
modelo patolgico normalizado.
Por m, o modelo acima obtido foi discretizado assumindo um segurador de ordem
zero (ZOH)
4
na sua entrada. O tempo de amostragem escolhido neste trabalho para a discreti-
zao acima, assim como em Parker et al. (1999) e Lopes (2002), foi de 5 min. Esta escolha foi
feita respeitando-se o compromisso entre o tempo de acomodao de 2% do sistema (cerca de
360 min no modelo patolgico) (limitante superior) e o atual desenvolvimento tecnolgico no
campo de sensores de glicemia (limitante inferior) (GARG et al., 2004; HELLER, 1999; LAGER
3
Para o clculo desta integral foi utilizado a funo trapz do Matlab
c
, sendo considerado os limites de
integrao sucientemente longos para que todas as respostas ao degrau unitrio atingissem a faixa de 2% do valor
nal
4
Do ingls Zero Order Hold
CAPTULO 4. METODOLOGIA 74
et al., 1994).
A principal motivao para a considerao dos modelos H
2
(s), . . . , H
5
(s), derivados
a partir da equao (4.3), considerando-se aproximaes de Pad para o atraso, foi o fato do
modelo patolgico normalizado no apresentar, de fato, atraso. J para o fato de serem consi-
deradas apenas aproximaes de Pad em que o grau do numerador nulo, a motivao foi a
de evitar derivar-se modelos de fase no-mnima o que poderia gerar maiores diculdades no
ajuste dos parmetros do controlador (CAMACHO; BORDONS, 2000).
A discretizao foi feita assumindo um segurador de ordem zero na entrada e isso foi
motivado pela observao de que, na estratgia de controle preditivo empregada, o sinal de
controle calculado em um instante k era aplicado planta e no tinha seu valor alterado at o
prximo instante de amostragem k +1. Alm disso, segundo Maciejowski (2002), este o m-
todo de discretizao geralmente empregado ao se discretizar modelos para serem empregados
explicitamente em algoritmos de controle preditivo.
4.3 Resoluo do problema de programao quadrtica
Conforme discutido no captulo 1, neste trabalho foram consideradas as seguintes res-
tries na taxa de infuso intravenosa de insulina:
[u
infudida
[ 16,5 mU/min por tempo de amostragem (4.13)
0 mU/min u
infudida
66,25 mU/min (4.14)
de forma que, conforme discutido na captulo 3, a cada instante de amostragem deveria ser
resolvido, pelo algoritmo de controle, o seguinte problema de programao quadrtica:
min
U(k)
_
Y(k) W(k)
2
2
+U(k)
2
2
_
sujeito a RU(k) c
(4.15)
onde R e c so determinados a partir de (4.13) e (4.14) usando as equaes (3.62) e (3.65).
CAPTULO 4. METODOLOGIA 75
Nas simulaes numricas consideradas, a resoluo do problema de programao
quadrtica (4.15) foi feita utilizando a funo quadprog do Matlab c _. Na eventualidade
de quadprog no encontrar U

1
(k), soluo de (4.15), implementou-se, no algoritmo de
controle, a seguinte estratgia: calcular a soluo U

2
(k) de (4.15) sem considerar as res-
tries e, a seguir, determinar o vetor U

3
(k) saturando-se a soluo U

2
(k) nos valores
limites impostos pela restrio R c. O sinal de controle foi, ento, determinado empregando
U

3
(k). A existncia da soluo U

2
(k) ser discutida no item 4.5.2.
4.4 ndices de desempenho
Conforme discutido no captulo 1 os parmetros do controlador projetado foi escolhido
de forma a ter-se um compromisso entre os seguintes requisitos, observados aps uma refeio
com uma quantidade pr-determinada de carboidratos:
minimizar a concentrao mxima de glicose no sangue perifrico venoso (G
max
);
maximizar a concentrao mnima de glicose no sangue perifrico venoso (G
min
);
minimizar o tempo necessrio para que a concentrao de glicose no sangue perifrico
venoso voltar faixa dos 2% em torno da concentrao de referncia (t
a
);
minimizar a quantidade de insulina infundida at a concentrao voltar faixa dos 2%
(Q
u
);
reduzir as oscilaes na concentrao de glicose no sangue perifrico venoso.
5
4.5 Sintonia dos controladores
Naturalmente, existem diversas possibilidades para a escolha dos quatro parmetros de
projeto, N
1
, N
2
, N
u
e , de forma que uma busca exaustiva pelos parmetros timos (segundo
algum critrio) pode demandar bastante tempo. Para contornar este problema foi elaborado,
5
A presena de oscilaes avaliada qualitativamente observando-se a resposta temporal para cada conjunto
de parmetros escolhido.
CAPTULO 4. METODOLOGIA 76
com base em uma interpretao intuitiva do signicado dos parmetros, um roteiro de decises
que permitem simplicar a etapa de sintonia dos controladores.
Em toda a etapa de sintonia ser considerado o controlador atuando na regulao da
glicemia, aps uma refeio com quantidade pr-xada de carboidratos, em um paciente diab-
tico metabolicamente normalizado (modelo patolgico normalizado). A trajetria de referncia
futura w(k +j) (ver equao (3.1) na pgina 48), ser considerada xa em 0 mg/dl. De fato, a
concentrao desejada no sangue perifrico venoso (referncia) 75,0 mg/dl, mas w representa
o desvio em relao ao valor em regime.
4.5.1 Escolha de N
1
O parmetro N
1
ser escolhido como sendo o atraso (d) do modelo interno (a ser
empregado no algoritmo de controle). Isso ser feito pois, caso o sistema tenha atraso d, o
sinal de controle no instante k s inuenciar as sadas preditas a partir do instante k + d + 1
(CAMACHO; BORDONS, 2000).
4.5.2 Escolha de
O parmetro ser escolhido analisando-se os autovalores da matriz G
T
G onde a
matriz G, denida no captulo 3, empregada no clculo do vetor de predies Y(k) (ver
equao (3.43)).
Para entender melhor esta escolha, considere os polinmios caractersticos das matri-
zes G
T
G e (G
T
G + I). Analisando tais polinmios conclui-se (ver equao (4.16)) que os
autovalores de (G
T
G+I) so iguais aos autovalores de G
T
G mais :
p
G
T
G+I
() = det(I G
T
GI) (4.16)
= det[( )I G
T
G]
Alm disso, da denio de norma euclidiana de um vetor tem-se, para qualquer matriz
G:
CAPTULO 4. METODOLOGIA 77
Gx
2
2
0 x R
N
u
(4.17)
ou equivalentemente,
x
T
G
T
Gx 0 x R
N
u
(4.18)
de onde conclui-se que G
T
G positiva semi-denida (observe que ela simtrica) e, portanto,
todos os seus autovalores so maiores ou iguais a zero.
Observe ainda que no caso em que todas as colunas de Gso linearmente independen-
tes
Gx = 0 se e somente se x = 0(x R
N
u
) (4.19)
de onde conclui-se que, no caso em que as colunas de G so linearmente independentes, G
T
G
positiva denida e, portanto, todos os seus autovalores so estritamente positivos. De fato, da
equao (4.19) e novamente da denio de norma euclidiana, tem-se:
Gx
2
2
> 0 x R
N
u
(4.20)
ou equivalentemente,
x
T
G
T
Gx > 0 x R
N
u
(4.21)
Um caso de interesse, em que as colunas de G so todas linearmente independentes,
ocorre quando N
1
> d e (N
2
N
1
+ 1) N
u
(veja a equao (3.33) e denio da matriz G
para perceber que neste caso G tem todas as colunas linearmente independentes).
Do exposto acima tem-se que, caso todas as colunas de G sejam linearmente indepen-
dentes, a matriz G
T
G ter todos os seus autovalores positivos e (G
T
G + I) ser inversvel
para 0. Assim, no caso sem restries, sempre ser determinado U

(ver equao
(3.54)). Caso as colunas de Gno sejam linearmente independentes, a matriz (G
T
G+I) ser
inversvel > 0.
CAPTULO 4. METODOLOGIA 78
Naturalmente, um aumento no parmetro diminui a velocidade de resposta do sis-
tema, uma vez que sero dados pesos maiores para a variao no sinal de controle e, por con-
seguinte, o sinal de controle tender a variar menos aps o aumento do . Nos casos em que o
sistema est sujeito a rudos considerveis, particularmente interessante tomar valores gran-
des
6
para . Neste caso, um aumento em diminui a variao, indesejvel, de u induzida
pelo rudo (ROSSITER, 2003; CAMACHO; BORDONS, 2000).
Neste trabalho, entretanto, os rudos sero considerados desprezveis e a limitao na
variao do sinal de controle ser imposta pela restrio RU c (ver equao (4.15). Por
sempre considerar-se, neste trabalho, N
1
> d e N
2
N
u
+ N
1
1 (colunas de G linearmente
independentes) de forma que (G
T
G+I) ser inversvel 0 escolher-se- = 0. De fato,
segundo Clarke e Mohtadi (1989), esta a escolha mais fcil para
7
.
4.5.3 Escolha de N
u
O parmetro N
u
ser escolhido dentre os valores 1, 2, 3 e 4 conforme descrito a seguir.
Fixado umvalor para N
u
procede-se coma escolha de N
2
(item4.5.4) armazenando-se,
para cada valor de N
2
, os valores dos ndices de desempenho descritos na seo 4.4. Em seguida
escolhe-se um novo valor para N
u
e repete-se o procedimento anterior. Por m, compara-
se todos os valores determinados para os ndices de desempenho e escolhe-se o par N
u
e N
2
que proporcionou o melhor (escolha qualitativa devido forma de avaliao das oscilaes)
compromisso entre os requisitos.
De acordo com Rossiter (2003) o parmetro N
u
deve reetir, de alguma forma, o grau
de acurcia que se espera do modelo. Caso no se tenha um bom modelo do sistema, pode no
ser interessante calcular, em cada instante de amostragem, sinais de controle muitos passos a
frente
8
. Clarke e Mohtadi (1989) armam que, para sistemas estveis em malha aberta, N
u
= 1
geralmente satisfatrio. Rossiter (2003), por sua vez, arma que N
u
geralmente menor ou
igual a 3. Devido a estes fatores, neste trabalho, por estar sendo avaliado controladores que
6
Para um signicado mais preciso de grande sugere-se consultar (ROSSITER, 2003)
7
Rossiter (2003) apresenta um exemplo de sistema em que s notada a inuncia de variaes em na sada
(em malha fechada) quando sofre variaes da ordem de 10
4
.
8
Rossiter (2003) faz uma analogia com jogadores de xadrez: Um jogador de xadrez experiente (modelo acu-
rado) capaz de prever vrias jogadas a frente enquanto que um jogador iniciante (modelo no muito acurado) est
preocupado apenas com a sua prxima jogada.
CAPTULO 4. METODOLOGIA 79
empregam modelos internos com descrio menos acurada do sistema, no foram considerados
valores maiores que 5 para N
u
.
4.5.4 Escolha de N
2
Feita a escolha dos parmetros N
1
, N
u
e , o parmetro N
2
foi variado de N
2
= 5 at
30 (este ltimo foi o valor em que no foram observadas alteraes signicativas nas respostas)
sendo avaliado o impacto da variao de N
2
sobre os ndices de desempenho descritos na seo
4.4.
4.6 Vericao de desempenho do controlador projetado
Escolhidos os parmetros N
1
, N
2
, N
u
e conforme descrito na seo 4.5, os con-
troladores projetados foram avaliados pela sua capacidade de manuteno da glicemia em um
paciente diabtico metabolicamente normalizado submetido a refeies com quantidades varia-
das de carboidratos (20 g120 g) e pela sua capacidade, medida pelo tempo de acomodao t
a
,
de reestabelecer a normoglicemia em pacientes diabticos no metabolicamente normalizados.
Captulo 5
Anlise dos resultados
Neste captulo sero apresentados os resultados obtidos no desenvolvimento do projeto
do controlador preditivo para uma bomba de infuso de insulina. Inicialmente, ser discutida
a inuncia da taxa de infuso intravenosa de insulina (r
IV I
) na concentrao basal de glicose
no sangue perifrico venoso (G
basal
). Em seguida, para efeito de comparao, sero apresenta-
dos os valores de mximos e mnimos da concentrao de glicose no sangue perifrico venoso
(G
max
e G
min
respectivamente), e o tempo para a concentrao de glicose retornar faixa de
2% da referncia (t
a
) observados em um paciente diabtico metabolicamente normalizado, sem
bomba de infuso, aps uma refeio com 50 g de carboidratos. Ainda, para efeito de com-
parao, ser mostrada a inuncia, no diabtico metabolicamente normalizado sem bomba de
infuso, de refeies com quantidades variadas de carboidrato (Q
c
) nos valores de G
max
e t
a
observados aps a alimentao. Sero mostrados, tambm, os resultados obtidos para a deter-
minao do modelo interno empregado explicitamente no algoritmo de controle e os resultados
para a sintonia do controlador. Por m, ser vericado o desempenho do controlador proje-
tado na regulao da concentrao sangunea de glicose em duas situaes: (1) na regulao da
glicemia em um paciente diabtico metabolicamente normalizado submetido a refeies com
quantidades variadas de carboidratos; (2) no restabelecimento da normoglicemia em pacientes
diabticos metabolicamente no-normalizados.
CAPTULO 5. ANLISE DOS RESULTADOS 81
5.1 Simulaes dos modelos patolgicos
No captulo 4 foi visto que o estado inicial, tanto do modelo patolgico normalizado
quanto de um modelo patolgico no-normalizado, era univocamente determinado pela taxa de
infuso intravenosa de insulina, r
IV I
, em mU/min.
Neste trabalho, em todas as simulaes realizadas, foi assumido que os modelos foram
inicializados com r
IV I
= 22,4 mU/min. No caso do modelo patolgico normalizado esta
taxa r
IV I
est associada concentrao basal de glicose no sangue venoso da periferia (G
basal
)
de 75,0 mg/dl (ver, na gura 5.1, as concentraes G
basal
em funo de r
IV I
). No caso dos
modelos patolgicos no-normalizados, a cada conjunto de parmetros representativos de um
distrbio metablico esta taxa de infuso estava associada a uma concentrao G
basal
diferente.
As guras 5.2(a), 5.2(b) e 5.2(c) mostram, respectivamente, os valores de G
basal
, para r
IV I
=
22,4 mU/min, em funo do parmetro D do M
I
PGU
(todos os outros parmetros nominais),
do parmetro E do M
G
HGP
(todos os outros parmetros nominais) e tambm do parmetro F
LIC
(todos os outros parmetros nominais).
0 5 10 15 20 25 30
40
60
80
100
120
140
160
r
IVI
(mU/min)
C
o
n
c
e
n
t
r
a

o

d
e

g
l
i
c
o
s
e

n
o

s
a
n
g
u
e

v
e
n
o
s
o

d
a

p
e
r
i
f
e
r
i
a

(
m
g
/
d
l
)
Figura 5.1: Concentrao basal de glicose no sangue venoso da periferia, G
basal
(mg/dl), em
funo da taxa de infuso intravenosa de insulina, r
IV I
(mU/min), para o modelo patolgico
normalizado.
Visando a comparao futura, mostrada na gura 5.3(a) a concentrao de glicose
no sangue perifrico venoso de um paciente diabtico tipo I metabolicamente normalizado ao
CAPTULO 5. ANLISE DOS RESULTADOS 82
9 8 7 6 5 4 3 2
55
60
65
70
75
80
85
Parmetro D do M
I
PGU
G
b
a
s
a
l

(
m
g
/
d
l
)
(a)
0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5
50
55
60
65
70
75
80
85
90
95
Parmetro E do M
G
HGP
G
b
a
s
a
l

(
m
g
/
d
l
)
(b)
0.32 0.34 0.36 0.38 0.4 0.42 0.44 0.46 0.48
60
65
70
75
80
85
90
F
LIC
G
b
a
s
a
l

(
m
g
/
d
l
)
(c)
Figura 5.2: Concentrao basal de glicose no sangue venoso da periferia, G
basal
, em funo
dos parmetros representativos de um distrbio metablico assumindo r
IV I
= 22,4 mU/min.
Enquanto um parmetro foi variado, os outros foram mantidos em seus valores nominais.
CAPTULO 5. ANLISE DOS RESULTADOS 83
ingerir, no instante 50 min, uma refeio com 50 g de carboidratos. A taxa de absoro de
glicose no trato gastrintestinal para a refeio anterior, simulada com o modelo de Lehmann e
Deutsch (1992), mostrada na gura 5.3(b).
0 100 200 300 400 500 600 700
70
80
90
100
110
120
130
140
Tempo (min)
G

(
m
g
/
d
l
)
(a)
0 100 200 300 400 500 600 700
0
50
100
150
200
250
300
350
Tempo (min)
r
O
G
A

(
m
g
/
m
i
n
)
(b)
Figura 5.3: Concentrao de glicose no sangue venoso da periferia observada em um paciente
diabtico normalizado sem bomba de infuso (modelo patolgico normalizado inicializado com
r
IV I
= 22,4 mU/min) aps uma refeio com 50 g de carboidrato no instante 50 min (taxa de
absoro de glicose no trato gastrintestinal obtida como modelo de Lehmann e Deutsch (1992)).
Analisando a gura 5.3(a) observa-se, aps a alimentao, que o tempo (t
a
) decor-
rido para que a concentrao volte faixa de 2% em torno de G
basal
= 75,0 mg/dl de
450 min. Ainda, a concentrao mxima de glicose no sangue venoso da periferia (G
max
)
de 133,2 mg/dl enquanto que a concentrao mnima (G
min
) de 75,0 mg/dl. A tabela 5.1
apresenta um resumo destes resultados.
Tabela 5.1: Concentraes mnima (G
min
) e mxima (G
max
) de glicose no sangue perifrico
venoso e tempo de acomodao de 2% (t
a
) observadas em paciente diabtico tipo I metaboli-
camente normalizado (modelo patolgico normalizado) aps a ingesto de uma refeio com
50 g de carboidratos.
G
min
G
max
t
a
75,0 mg/dl 133,2 mg/dl 450,0 min
Observe que, como no diabtico tipo I no h liberao pancretica de insulina, o resta-
belecimento da normoglicemia demorado e o indivduo est sujeito a elevadas concentraes
sanguneas de glicose. No caso ilustrado na gura 5.3, antes de ser restabelecida a glicemia,
muito provavelmente o paciente j ter tido outra refeio (t
a
= 450,0 min), sendo observa-
dos picos de concentrao de glicose, no sangue venoso da periferia (G), ainda maiores que o
anterior. Por isso, desejvel restabelecer a normoglicemia to rpido quanto possvel.
CAPTULO 5. ANLISE DOS RESULTADOS 84
As guras 5.4(a) e 5.4(b) mostram, respectivamente, o efeito de refeies com quanti-
dades variadas de carboidratos (Q
c
) em G
max
e t
a
observadas em paciente diabtico metaboli-
camente normalizado. Observando estas guras percebe-se, conforme esperado, que refeies
mais ricas em carboidrato esto associadas a concentraes mais elevadas de glicose no sangue
bem como necessrio mais tempo (t
a
) para restabelecer a normoglicemia. Isso decorre da
ausncia da secreo pancretica de insulina (agente hipoglicemiante) que atuaria no restabele-
cimento mais rpido da normoglicemia.
0 20 40 60 80 100 120
90
100
110
120
130
140
150
160
170
Q
c
(g)
G
m
a
x

(
m
g
/
d
l
)
(a)
0 20 40 60 80 100 120
300
350
400
450
500
550
600
650
700
Q
c
(g)
t
a

(
m
i
n
)
(b)
Figura 5.4: Inuncia da quantidade de carboidratos na alimentao (Q
c
) em G
max
e em t
a
para o modelo metabolicamente normalizado sem bomba de infuso.
5.2 Determinao do modelo interno
Procedendo conforme descrito no captulo 4, foi calculada a diferena entre a resposta
ao degrau de cada um dos modelos dados na pgina 72, e a resposta ao degrau unitrio do
modelo patolgico normalizado (sem o valor em regime). Em seguida foi calculada a integral
do quadrado desta diferena entre o instante da aplicao do degrau e 600 min.
A gura 5.5(a) mostra a diferena (erro) entre as respostas ao degrau unitrio do mo-
delo 1, modelo de primeira ordem com atraso do Sorensen (1985) (ver equao (4.8)), e o
modelo patolgico normalizado (sem valor de regime); bem como o valor da diferena entre
o modelo 2, aproximao de Pad de primeira ordem para o atraso (ver equao (4.9)), e o
modelo patolgico normalizado. Nas guras 5.5(b), 5.5(c) e 5.5(d) so mostradas as mesmas
comparaes considerando-se os modelos 2, 3 (ver equao (4.10)), 4 (ver equao (4.11)) e 5
(ver equao (4.12)) respectivamente.
CAPTULO 5. ANLISE DOS RESULTADOS 85
0 100 200 300 400 500 600
0.15
0.1
0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
Tempo (min)
E
r
r
o

(
m
g
/
d
l
)
Atraso
Pad de 1
a
ordem
(a)
0 100 200 300 400 500 600
0.15
0.1
0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
Tempo (min)
E
r
r
o

(
m
g
/
d
l
)
Atraso
Pad de 2
a
ordem
(b)
0 100 200 300 400 500 600
0.15
0.1
0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
Tempo (min)
E
r
r
o

(
m
g
/
d
l
)
Atraso
Pad de 3
a
ordem
(c)
0 100 200 300 400 500 600
0.15
0.1
0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
Tempo (min)
E
r
r
o

(
m
g
/
d
l
)
Atraso
Pad de 4
a
ordem
(d)
Figura 5.5: Comparao entre as respostas ao degrau unitrio dos modelos lineares com a res-
posta ao degrau unitrio do modelo patolgico normalizado sem o valor de regime, inicializado
com r
IV I
= 22,4 mU/min. Nestas guras, Erro (mg/dl) a diferena entre a sada do modelo
aproximado e a sada do modelo patolgico normalizado submetidos a uma excitao degrau
unitrio no instante 50 min.
Analisando os resultados mostrados na gura 5.5 foi escolhido, conforme discutido
anteriormente, o modelo 3, ou seja, o modelo com aproximao de Pad de 2
a
ordem para o
atraso
G(s) =
3
(90s + 1)(50s
2
+ 10s + 1)
(5.1)
por sua resposta ao degrau unitrio ser mais prxima (no sentido da integral denida ante-
riormente) da resposta ao degrau unitrio do modelo patolgico normalizado (sem valor em
regime).
O modelo da equao (5.1) foi, ento, discretizado, com um tempo de amostragem
T = 5 min, assumindo-se um segurador de ordem zero na sua entrada. O modelo discretizado
obtido foi:
CAPTULO 5. ANLISE DOS RESULTADOS 86
G(z) =
0,0106z
1
0,0323z
2
0,0062z
3
1,0000 2,0105z
1
+ 1,3749z
2
0,3480z
3
(5.2)
que pode ser reescrito como:
A(z
1
) y(k) = B(z
1
) u(k 1) (5.3)
onde
A(z
1
) = 1,0000 2,0105z
1
+ 1,3749z
1
0,3480z
3
(5.4)
B(z
1
) = 0,0106 0,0323z
1
0,0062z
2
(5.5)
y(k) = G(k) 75,0 (5.6)
u(k) = u
infundida
(k) 22,4 (5.7)
Observe que y(k) o desvio da concentrao de glicose no sangue perifrico venoso
(G) em relao ao seu valor em regime (75,0 mg/dl), e u(k) o desvio da taxa de infuso
intravenosa de insulina (u
infundida
) em relao ao valor basal da taxa de infuso (22,4 mU/min).
5.3 Sintonia do controlador
Em todas as simulaes realizadas para a sintonia do controlador foi admitida uma
alimentao com 50 g de glicose no instante 50 min e o controlador atuando na regulao da
glicemia em um paciente diabtico metabolicamente normalizado (modelo patolgico normali-
zado).
A sintonia do controlador consistiu na escolha dos parmetros N
1
, N
2
, N
u
e , con-
forme descrito no captulo 4, de forma a ter-se um compromisso entre os seguintes requisitos,
observados aps uma refeio com 50 g de carboidrados:
CAPTULO 5. ANLISE DOS RESULTADOS 87
Maximizar a concentrao mnima de glicose no sangue perifrico venoso (G
min
);
Minimizar a concentrao mxima de glicose no sangue perifrico venoso (G
max
);
Minimizar a quantidade infundida de insulina (Q
u
);
Minimizar o tempo de acomodao de 2% (t
a
);
Reduzir as oscilaes na concentrao de glicose no sangue perifrico venoso;
Os parmetros N
1
e foram considerados xos:
N
1
= 1
= 0
conforme discutido no captulo 4.
Inicialmente escolheu-se N
u
= 1 e variou-se o parmetro N
2
. Foi observado que para
valores pequenos de N
2
a concentrao de glicose (G) apresentava algumas oscilaes indese-
jveis (ver, na gura 5.6 para N
2
= 5, as oscilaes entre o instante 250 min e 350 min).
medida em que N
2
foi aumentado observou-se uma resposta mais lenta do sistema e uma redu-
o do comportamento oscilatrio. Observe, nas guras 5.8(e) e 5.8(f), os respectivos valores
mximos do sinal de controle (u
max
) e da variao do sinal de controle (u
max
) em funo de
N
2
, quando N
u
= 1. medida que N
2
aumenta, tanto u
max
quanto u
max
diminuem.
Foi observado ainda (ver gura 5.8) que, com o aumento de N
2
a concentrao mnima
G
min
diminua (o que indesejvel); a concentrao mxima G
max
aumentava (o que inde-
sejvel); a quantidade de insulina Q
u
diminua (o que desejvel); o tempo de acomodao t
a
aumentava (o que indesejvel); a resposta apresentava um comportamento menos oscilatrio
(o que desejvel).
Ainda, em toda as simulaes as restries no sinal de controle e na variao do sinal
de controle no estavam ativas. Assim, a funo quadprog encontrou as mesmas solues que
seriam encontradas se tivesse sido implementado a soluo sem restries (ver equao (3.54)
na pgina 64). Como N
u
= 1 e N
2
foi tomado sempre maior que 2 a matriz G
T
G sempre
CAPTULO 5. ANLISE DOS RESULTADOS 88
0 100 200 300 400 500 600
70
71
72
73
74
75
76
77
78
79
80
Tempo (min)
G

(
m
g
/
d
l
)
N
2
=5
N
2
=10
N
2
=15
N
2
=20
Figura 5.6: Concentrao de glicose no sangue perifrico venoso (G) em funo de N
2
com
N
u
= 1 aps uma refeio com 50 g de carboidratos no instante 50 mim.
inversvel (ver item 4.5.2 na pgina 76) o que garante a existncia da soluo para o caso sem
restries.
Do exposto acima, e dos requisitos de projeto, foi escolhido, para o caso de N
u
= 1,
N
2
= 15. Outros valores para N
2
poderiam, naturalmente, ter sido tomados uma vez que no foi
estabelecido, precisamente, o compromisso entre os requisitos de projetos (em especial sobre a
quanticao do comportamento oscilatrio).
A seguir, foi considerado N
u
= 2 e repetido o procedimento anterior (quando N
u
= 1)
0 100 200 300 400 500 600
20
25
30
35
40
45
50
55
60
Tempo (min)
u

(
m
U
/
m
i
n
)
N
2
=5
N
2
=20
(a) u
0 100 200 300 400 500 600
5
4
3
2
1
0
1
2
3
4
Tempo (min)

u

(
m
U
/
m
i
n

p
o
r

T
)
N
2
=5
N
2
=20
(b) u
Figura 5.7: Controle (u) e variao do sinal de controle (u) quando N
u
= 1 e N
2
= 5 ou
N
2
= 20. Observe que o aumento de N
2
diminui a variao do sinal de controle.
CAPTULO 5. ANLISE DOS RESULTADOS 89
para vericar a inuncia de variaes em N
2
nos ndices de desempenho: G
min
, G
max
, Q
u
, t
a
e a presena de oscilaes na resposta (pela anlise da resposta no tempo).
No caso em que N
u
= 2 foi observado que, para qualquer valor de N
2
> 2, o sistema
no saiu do limite de 2% do valor em torno do valor de referncia (75 mg/dl), ou seja, a con-
centrao de glicose no sangue perifrico venoso permaneceu entre 73,5 mg/dl e 76,5 mg/dl
(ver, na gura 5.9, G em funo do tempo nos casos em que N
2
= 5 e N
2
= 20, com N
u
= 2).
Analogamente aos casos em que N
u
= 1, um aumento em N
2
fez com que G
min
di-
minusse (ver gura 5.11(a)) e G
max
aumentasse (ver gura 5.11(b)). Ainda, para os diversos
valores de N
2
testados, a quantidade de insulina (acima da basal) infundida no variou signi-
cativamente, cando em torno de Q
u
= 4,7 mU/min (0,006). A taxa mxima de infuso
tambm no variou signicativamente cando em torno de u
max
= 56,3 mU/min ( 0,003).
Com respeito ao mdulo da variao na taxa de infuso de insulina, observou-se que um au-
mento em N
2
fez com que esta variao diminusse, como anteriormente, o que reetia em uma
resposta mais lenta do sistema. Neste caso, entretanto, no foi notado, para variaes de N
2
acima de 20, alteraes signicativas na resposta (veja a concentrao de glicose no sangue
perifrico venoso, mostrada na gura 5.9 para N
2
= 5 e N
2
= 20, quando N
u
= 2).
Os resultados discutidos acima pareciam sugerir que um controlador sintonizado com
N
u
= 2 e qualquer N
2
2 apresentava desempenho melhor em relao aos controladores
em que N
u
= 1. Entretanto, ao analisar a resposta temporal (ver gura 5.9), percebeu-se que,
nos casos em que N
u
= 2, o sistema apresentava um comportamento oscilatrio para todos os
valores de N
2
estudados (para N
2
> 20 a resposta no diferiu signicativamente em relao
mostrada na gura 5.9 para N
2
= 20). Devido s oscilaes na resposta serem altamente
indesejveis, segundo Sorensen (1985), no foram considerados controladores com N
u
= 2.
Os casos em que N
u
= 3 e N
u
= 4 (bem como valores maiores de N
u
) apresentaram,
assim como nos casos em que N
u
= 2, respostas oscilatrias para todos os valores de N
2
estudados (N
2
> 3 e N
2
> 4 respectivamente para N
u
= 3 e N
u
= 4). Analogamente ao
caso em que N
u
= 2, um aumento em N
2
para N
2
> 20 no alterou signicativamente as
concentraes de glicose Gobservadas. As guras 5.12(a) e 5.12(b) mostram, respectivamente,
as respostas para N
u
= 3 e N
u
= 4 quando N
2
= 20 (valores de N
2
maiores que 20 no
CAPTULO 5. ANLISE DOS RESULTADOS 90
implicaram em diferenas signicativas nas concentraes mostradas na gura 5.12.)
Novamente, devido s oscilaes indesejveis, os casos em que N
u
= 3 e N
u
= 4
(bem como N
u
> 4), no foram considerados.
Uma possvel explicao para os comportamentos oscilatrios observados nos casos
em N
u
2 pode ser dada a seguir. Considere, por exemplo, N
u
= 2. No instante k o algo-
ritmo de controle calcula, com base no vetor de predies Y(k), u(k) e u(k + 1) usando
apenas u(k) no clculo do sinal de controle a ser aplicado no instante atual k. O fato de
ser calculado duas variaes (futuras) no sinal de controle em cada instante de amostragem d
maior exibilidade ao algoritmo. Isto porque o desvio entre a concentrao de glicose medida,
no instante atual, e a concentrao de referncia vista, pelo algoritmo de controle, como po-
dendo ser compensada pelos dois sinais de controle futuros calculados. Caso as predies Y(k)
no sejam sucientemente acuradas, o u(k + 1) calculado no instante k poder diferir sig-
nicativamente em relao ao u(k + 1) calculado no instante k + 1 (no instante k + 1 so
calculados u(k+1) e u(k+2), sendo o primeiro empregado no clculo do sinal de controle
efetivamente aplicado planta). Dessa forma a compensao calculada pelo algoritmo de
controle no instante anterior pode no ser, de fato, satisfatria, sendo necessria uma correo,
em relao compensao anterior, que poder originar algumas oscilaes.
No caso em que N
u
= 1, por sua vez, em cada instante de amostragem calculado
apenas o melhor sinal de controle para aquele instante. Isso parece ser de fato interessante
quando no se espera uma boa acurria das predies realizadas utilizando o modelo interno
(caso deste trabalho).
Segundo Clarke (1996), de fato, na prtica duas escolhas so feitas para os parmetros
N
1
, N
2
, N
u
e na estratgia GPC. O primeiro o mean-level control com N
1
= d, N
2
sucien-
temente grande, geralmente em torno de 10, N
u
= 1 e = 0. O outro baseado no controlador
dead-beat onde a idia alcanar a referncia to rpido quanto possvel de forma que o erro
e todas as suas derivadas tornam-se zero simultaneamente. O controlador dead-beat pode ser
sintonizado a partir das seguintes escolhas para os horizontes:
N
1
= n, N
2
2n 1, N
u
= n e = 0
CAPTULO 5. ANLISE DOS RESULTADOS 91
onde n a maior potncia de z
1
em sua forma integral (ARIX) (CLARKE, 1996).
O controlador com os parmetros
N
1
= 1
N
2
= 15
N
u
= 1
= 0
foi o que apresentou, neste trabalho, o melhor desempenho, segundo os ndices estabelecidos na
seo 4.4, se enquadra, portanto, na primeira das escolhas principais acima, ou seja, mean-level
control (CLARKE, 1996).
5.4 Vericao de desempenho do controlador escolhido
Feita a sintonia do controlador, o seu desempenho na regulao da concentrao san-
gunea de glicose foi avaliado, conforme discutido anteriormente, em duas situaes: (1) em
um paciente diabtico metabolicamente normalizado submetido a refeies com quantidades
variadas de carboidratos; (2) no restabelecimento da normoglicemia em pacientes diabticos
metabolicamente no-normalizados.
Antes, porm, de vericar o desempenho nas situaes anteriores, ser discutido o
desempenho do controlador, com N
1
= 1, N
2
= 15, N
u
= 1 e = 0, na regulao da concen-
trao sangunea de glicose em um paciente diabtico metabolicamente normalizado ingerindo
uma refeio com 50 g de carboidratos (mesmas condies na sintonia do controlador).
Os ndices de desempenho observados quando o controlador estava atuando na regu-
lao da glicemia em um paciente diabtico metabolicamente normalizado, aps uma refeio
com 50 g de carboidratos, so resumidos na tabela 5.2. Note a reduo signicativa, em relao
aos valores observados em um paciente diabtico sem controlador (ver tabela 5.1), na concen-
trao mxima de glicose no sangue perifrico venoso e no tempo de acomodao de 2% na
regulao da glicemia aps a refeio anterior para o diabtico utilizando o controlador. A -
gura 5.15 compara as concentraes de glicose no sangue perifrico venoso em um paciente
CAPTULO 5. ANLISE DOS RESULTADOS 92
diabtico metabolicamente normalizado com controlador e sem controlador aps uma refeio
com 50 g de carboidratos no instante 50 min.
As guras 5.13, 5.14(a) e 5.14(b) mostram, respectivamente, a concentrao de glicose
no sangue perifrico venoso, taxa de infuso de insulina e variao na taxa de infuso de insulina
aps o paciente diabtico tipo I metabolicamente normalizado ter ingerido uma refeio com
50 g de carboidratos no instante 50 min.
Tabela 5.2: Valores dos ndices de desempenho alcanados pelo controlador escolhido atuando
em paciente diabtico metabolicamente normalizado aps uma refeio com 50 g de carboidra-
tos.
G
min
G
max
t
a
Q
u
70,9 mg/dl 78,9 mg/dl 248,1 min 4,7 U
Para a vericao do desempenho do controlador projetado quando atuando em um
paciente diabtico metabolicamente normalizado, submetido a refeies com quantidades vari-
adas de carboidratos, considere os resultados mostrados nas guras 5.16(a), 5.16(b) e 5.16(c).
Estas guras mostram, respectivamente, a concentrao mnima de glicose, tempo de acomo-
dao de 2%, e quantidade de insulina infundida (acima do basal) em funo da quantidade de
carboidratos na refeio. Observe, na gura 5.16(b), que um aumento na quantidade de car-
boidratos na refeio aumenta de forma aproximadamente linear o tempo de acomodao de
2% (ver, na gura 5.4(b), os tempos t
a
em funo de Q
c
, observados em um paciente diab-
tico metabolicamente normalizado sem controlador). Na gura 5.16(c) deve ser observado que,
assim como t
a
, a quantidade de insulina infundida Q
u
aumenta quase que linearmente com a
quantidade de carboidratos na refeio Q
c
. Com relao concentrao mxima de glicose no
sangue perifrico venoso em funo da quantidade de carboidratos na refeio no foram veri-
cadas, no caso do paciente diabtico com controlador, alteraes signicativas em G
max
(G
max
se manteve constante em 78,9 mg/dl). No caso de um paciente diabtico sem controle, um
aumento na quantidade de carboidratos na refeio aumenta a concentrao de glicose mxima
no sangue perifrico venoso (ver gura 5.4(a)).
Para entender o motivo pelo qual, no caso do paciente diabtico com controlador, a
concentrao mxima de glicose no sangue perifrico venoso no sofre alteraes signicativas,
considere as guras 5.17(a) e 5.17(b). Nestas guras mostra-se, respectivamente, as concentra-
CAPTULO 5. ANLISE DOS RESULTADOS 93
es de glicose e a taxa de absoro de glicose no trato gastrintestinal aps uma refeio com
Q
c
= 50 g e Q
c
= 100 g (simulada com o modelo de Lehmann e Deutsch (1992)). Observe,
na gura 5.17(b), que as taxas de absoro de glicose so as mesmas at o instante em que a
concentrao Gatinge o pico. Desta forma, as concentraes sanguneas de glicose observadas,
aps refeies com quantidades variadas de carboidratos, so as mesmas at ser atingido, e um
pouco aps ter sido atingido, o pico na concentrao sangunea de glicose.
Com relao vericao do desempenho do controlador ao restabelecer a normo-
glicemia em pacientes diabticos metabolicamente no normalizados considere, nalmente, as
guras 5.18(a), 5.18(b) e 5.18(c). Estas guras mostram os tempos para se restabelecer a nor-
moglicemia (concentrao voltar faixa de 2% em torno da concentrao de referncia) ao se
considerar um distrbio metablico representado por uma variao, em relao ao valor no-
minal, no valor dos parmetros D do M
I
PGU
, E do M
G
HGP
e F
LIC
respectivamente. Nestas
guras foi considerado apenas um distrbio metablico por vez, ou seja, quando o parme-
tro D do M
I
PGU
foi variado os parmetros E do M
G
HGP
e F
LIC
foram considerados iguais aos
seus valores nominais. Observe que, para os distrbios metablicos considerados (bastante
abrangentes, segundo Parker et al. (2001, 2000)), o controlador consegue restabelecer a normo-
glicemia em, no mximo, 110 min. Ainda, quando o paciente diabtico estava inicialmente em
estado hipoglicmico no foram observados concentraes de glicemia menores que a inicial
no restabelecimento da glicemia (grcos no mostrados).
5.5 Comparao com resultados da literatura
Parker et al. (1999) apresentou controladores preditivos para regulao da glicemia em
paciente diabticos baseado nas estratgias DMC (CUTLER; RAMAKER, 1980, 1979), MPCSE
(RICKER, 1990) e NQDMCSE (GATTU; ZAFIRIOU, 1992). Alm dos controladores preditivos,
foi apresentado, para efeito de comparao, uma verso discretizada (tempo de amostragem
5 min) do controlador, baseado na tcnica IMC (GARCIA; MORARI, 1982) apresentado em
Sorensen (1985). A tabela 5.3 mostra as concentraes mnimas de glicose em relao con-
centrao de referncia (undershoot) aps uma refeio com 50 g de carboidratos, bem como o
CAPTULO 5. ANLISE DOS RESULTADOS 94
tempo de acomodao de 2% aps s refeies.
Tabela 5.3: Comparao com outros controladores apresentados na literatura. O controlador
GPC acima o controlador com parmetros N
1
= 1, N
2
= 15, N
u
= 1 e = 0 avaliado neste
trabalho e os outros controladores foram apresentados em (PARKER et al., 1999).
Controlador Undershoot (mg/dl) t
a
(min)
GPC 4,1 248,1
NLQDMCSE 3,6 216,0
MPCSE 4,4 204,0
DMC 9,7 343,0
IMC 8,7 376,0
Observe, na tabela 5.3, que o controlador GPC projetado neste trabalho apresentou um
desempenho superior aos controladores DMC e IMC apresentados em (PARKER et al., 1999) e
um desempenho comparvel aos dos controladores NLQDMCSE e MPCSE, tambm apresen-
tados em (PARKER et al., 1999).
Por terem sido empregados modelos internos mais acurados, em relao ao empre-
gado neste trabalho, nos algoritmos de controle preditivos elaborados por Parker et al. (1999)
esperava-se, a priori, um desempenho melhor destes controladores. Uma possibilidade para os
resultados de Parker et al. (1999) no terem sido melhores que os apresentados neste trabalho,
apesar do modelo interno empregado aqui ser bemmais simples que os empregados no primeiro,
a de ter havido algum problema na sintonia dos controladores de (PARKER et al., 1999). Em
ambos os trabalhos, a dinmica do sistema endcrino-metablico, em pacientes diabticos, foi
simulada pelo modelo patolgico normalizado de Sorensen (1985). Foram consideradas as
mesmas variveis de sada e manipulada alm de ter sido empregado o mesmo modelo, o de
Lehmann e Deutsch (1992), para a taxa de absoro de glicose no trato gastrintestinal.
Parker et al. (1999) no avaliou o desempenho dos seus controladores na regulao da
glicemia em um paciente diabtico metabolicamente normalizado submetido a refeies com
quantidades variadas de carboidratos, nem no restabelecimento da normoglicemia em pacientes
diabticos metabolicamente normalizados.
Em Parker et al. (2001, 2000), de onde foram obtidos os parmetros representativos
de distrbios metablicos empregados neste trabalho, no foram considerados os controlado-
res atuando no restabelecimento da normoglicemia mas sim, na regulao da glicemia aps
CAPTULO 5. ANLISE DOS RESULTADOS 95
uma refeio nos instantes aps restabelecida a normoglicemia. Um dos trabalhos futuros ser
vericar o desempenho do controlador apresentado neste trabalho nesta situao.
Ainda, em Parker et al. (2001, 2000), no foi vericado o desempenho dos contro-
ladores apresentados nas situaes em que os pacientes estavam submetidos a refeies com
quantidades variadas de carboidratos (mas apenas 50 g).
CAPTULO 5. ANLISE DOS RESULTADOS 96
5 10 15 20 25 30
70.5
71
71.5
72
72.5
73
N
2
G
m
i
n

(
m
g
/
d
l
)
(a) G
min
em funo de N
2
5 10 15 20 25 30
77
77.5
78
78.5
79
79.5
80
N
2
G
m
a
x

(
m
g
/
d
l
)
(b) G
max
em funo de N
2
5 10 15 20 25 30
4.63
4.64
4.65
4.66
4.67
4.68
4.69
4.7
4.71
4.72
N
2
Q
u

(
U
)
(c) Q
u
em funo de N
2
5 10 15 20 25 30
200
210
220
230
240
250
260
270
280
290
300
N
2
t
a

(
m
i
n
)
(d) t
a
em funo de N
2
5 10 15 20 25 30
55
55.2
55.4
55.6
55.8
56
56.2
56.4
N
2
u
m
a
x

(
m
U
/
m
i
n
)
(e) u
max
em funo de N
2
5 10 15 20 25 30
3.6
3.8
4
4.2
4.4
4.6
4.8
5
N
2
|

u
|

(
m
U
/
m
i
n

p
o
r

T
)
(f) [u[
max
em funo de N
2
Figura 5.8: Vericao do desempenho em funo do N
2
para N
u
= 1.
CAPTULO 5. ANLISE DOS RESULTADOS 97
0 100 200 300 400 500 600
73.5
74
74.5
75
75.5
76
76.5
Tempo (min)
G

(
m
g
/
d
l
)
N
2
=5
N
2
=20
Figura 5.9: Concentrao de glicose no sangue perifrico venoso (G) em funo de N
2
com
N
u
= 2 aps uma refeio com 50 g de carboidratos no instante 50 mim.
0 100 200 300 400 500 600
20
25
30
35
40
45
50
55
60
Tempo (min)
u

(
m
U
/
m
i
n
)
(a) u
0 100 200 300 400 500 600
5
4
3
2
1
0
1
2
3
4
5
Tempo (min)

u

(
m
U
/
m
i
n

p
o
r

T
)
(b) u
Figura 5.10: Controle (u) e variao do sinal de controle (u) quando N
u
= 2 e N
2
= 20.
CAPTULO 5. ANLISE DOS RESULTADOS 98
5 10 15 20 25 30
73.6
73.7
73.8
73.9
74
74.1
74.2
74.3
74.4
N
2
G
m
i
n

(
m
g
/
d
l
)
(a) G
min
em funo de N
2
5 10 15 20 25 30
75.6
75.7
75.8
75.9
76
76.1
76.2
N
2
G
m
a
x

(
m
g
/
d
l
)
(b) G
max
em funo de N
2
5 10 15 20 25 30
4.9
5
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
5.9
N
2
|

u
|

(
m
U
/
m
i
n

p
o
r

T
)
(c) [u[
max
em funo de N
2
Figura 5.11: Vericao do desempenho em funo do N
2
para N
u
= 2.
0 100 200 300 400 500 600
74.2
74.4
74.6
74.8
75
75.2
75.4
75.6
75.8
Tempo (min)
G

(
m
g
/
d
l
)
(a) N
u
= 3
0 100 200 300 400 500 600
74.4
74.5
74.6
74.7
74.8
74.9
75
75.1
75.2
75.3
75.4
Tempo (min)
G

(
m
g
/
d
l
)
(b) N
u
= 4
Figura 5.12: Concentrao de glicose no sangue perifrico venoso aps uma refeio com 50 g
de carboidratos no instante 50 min e controlador com N
2
= 20 e N
u
= 3 ou N
u
= 4 atuando.
CAPTULO 5. ANLISE DOS RESULTADOS 99
0 50 100 150 200 250 300 350 400 450 500
70
71
72
73
74
75
76
77
78
79
Tempo (min)
G

(
m
g
/
d
l
)
Figura 5.13: Concentrao de glicose no sangue perifrico venoso observada em um paciente
diabtico metabolicamente normalizado com infuso r
IV I
determinada pelo controlador com
os parmetros N
1
= 1, N
2
= 15, N
u
= 1 e = 0. O paciente foi submetido a uma refeio
com 50 g de carboidratos no instante 50 min.
0 50 100 150 200 250 300 350 400 450 500
20
25
30
35
40
45
50
55
60
Tempo (min)
u

(
m
U
/
m
i
n
)
0 50 100 150 200 250 300 350 400 450 500
5
4
3
2
1
0
1
2
3
4
Tempo (min)

u

(
m
U
/
m
i
n

p
o
r

T
)
Figura 5.14: Taxa de infuso (u) e variao da taxa de infuso (u) calculadas pelo controlador
escolhido (parmetros N
1
= 1, N
2
= 15, N
u
= 1 e = 0).
CAPTULO 5. ANLISE DOS RESULTADOS 100
0 50 100 150 200 250 300 350 400 450 500
70
80
90
100
110
120
130
140
Tempo (min)
G

(
m
g
/
d
l
)
Diabtico com controlador
Diabtico sem controlador
Figura 5.15: Comparao da concentrao de glicose observada em um paciente diabtico
metabolicamente normalizado com e sem controlador (parmetros N
1
= 1, N
2
= 15, N
u
= 1 e
= 0)
0 20 40 60 80 100 120
70
70.5
71
71.5
72
72.5
73
Q
c
(g)
G
m
i
n

(
m
g
/
d
l
)
(a) G
min
em funo de Q
c
g
0 20 40 60 80 100 120
100
150
200
250
300
350
400
450
500
Q
c
t
a

(
m
i
n
)
(b) t
a
em funo de Q
c
g
0 20 40 60 80 100 120
0
2
4
6
8
10
12
Q
c
(g)
Q
u

(
U
)
(c) Q
u
em funo de Q
c
g
Figura 5.16: Impacto da variao de Q
c
(entre 15 g e 120 g) nos ndices de desempenho
observados em um paciente diabtico metabolicamente normalizado com controlador.
CAPTULO 5. ANLISE DOS RESULTADOS 101
0 50 100 150 200 250 300 350 400 450 500
70
71
72
73
74
75
76
77
78
79
Tempo (min)
G

(
m
g
/
d
l
)
Q
c
=50g
Q
c
=100g
0 50 100 150 200 250 300 350 400 450 500
0
50
100
150
200
250
300
350
400
Tempo (min)
r
O
G
A

(
m
g
/
m
i
n
)
Q
c
=50g
Q
c
=100g
Figura 5.17: Concentrao de glicose no sangue perifrico venoso observada em um paciente
diabtico metabolicamente nomalizado submetido refeies com Q
c
= 50 g e Q
c
= 100 g.
9 8 7 6 5 4 3 2
20
30
40
50
60
70
80
90
100
110
Parametro D do M
I
PGU
t
a

(
m
i
n
)
(a)
0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5
10
20
30
40
50
60
70
80
90
100
110
Parametro E do M
G
HGP
t
a

(
m
i
n
)
(b)
0.32 0.34 0.36 0.38 0.4 0.42 0.44 0.46 0.48
20
30
40
50
60
70
80
90
F
LIC
t
a

(
m
i
n
)
(c)
Figura 5.18: Tempo para o controlador reestabelecer a normogligemia (t
a
) em pacientes meta-
bolicamente no-normalizados. Apenas um parmetro representativo de um distrbio metab-
lico foi avaliado por vez.
Captulo 6
Comentrios nais
Neste captulo sero apresentadas as concluses deste trabalho e algumas sugestes
para trabalhos futuros.
6.1 Concluses
O presente trabalho visa a investigar o desempenho de controladores preditivos apli-
cados regulao da glicemia em pacientes diabticos tipo I, metabolicamente normalizados e
no-normalizados, mediante o emprego de bombas de infuso de insulina.
Ocontrolador projetado teve o seu desempenho avaliado, quando considerado umpaci-
ente diabtico metabolicamente normalizado, pelos valores mximo e mnimo da concentrao
de glicose no sangue perifrico venoso e pelo tempo para a glicemia retornar faixa de 2% em
torno da concentrao de referncia, aps uma refeio contendo quantidades variadas de car-
boidratos (de 15 g a 120 g). No caso de um paciente diabtico metabolicamente normalizado, o
controlador foi avaliado pelo tempo decorrido para levar a concentrao de glicose para a faixa
de 2% em torno da concentrao de referncia.
Ainda, o controlador preditivo, baseado na tcnica GPC, proposto neste trabalho, em-
pregou um modelo no-acurado do sistema a ser controlado. Mesmo assim, foi obtido um
controlador com desempenho comparvel aos apresentados na literatura e que empregavam um
modelo mais acurado do sistema a ser controlado.
O bom desempenho do controlador projetado neste trabalho, mesmo empregando um
CAPTULO 6. COMENTRIOS FINAIS 103
modelo pobre da dinmica do sistema a ser controlado foi atribudo ao fato do tempo de amos-
tragem (T = 5 min) ser bem inferior ao tempo de acomodao do sistema (t
a
= 360 min).
Dessa forma o controlador preditivo compensava de forma satisfatria a incerteza no modela-
mento.
Comparando-se os resultados obtidos neste trabalho com os que j esto disponveis na
literatura constatou-se que o controlador projetado aqui apresentou um desempenho comparvel
aos j existentes sendo, entretanto, mais simples de ser projetado e menos custoso computacio-
nalmente.
6.2 Sugestes para trabalhos futuros
Dentre as sugestes para trabalhos futuros destacam-se:
Vericao do desempenho do controlador proposto no caso de um paciente metabo-
licamente no-normalizado submetido, aps ter sido restabelecida a normoglicemia, a
refeies com quantidades variadas de carboidratos;
Investigao do desempenho de controladores GPC projetados sem considerar, separada-
mente, as etapas de identicao do modelo interno e sintonia do controlador, como em
Shook et al. (1992)
1
. Acredita-se que um modelo interno mais acurado poder melhorar
o desempenho do controlador;
Investigao da degradao do desempenho do controlador devido s imperfeies nos
sensores tais como atraso, rudo, resoluo, entre outras;
Considerao da infuso tanto de insulina quanto de solues glicosadas para o restabe-
lecimento da glicemia, o que poderia proporcionar desempenhos melhores.
1
Alm de outros trabalhos que abordam a identicao de modelos para serem empregados em controladores
preditivos como (ROSSITER; KOUVARITAKIS, 2001; SCHN, 2001)
Apndice A
Equaes e Parmetros do Modelo do
Sorensen
Neste apndice so apresentadados todos os parmetros e equaes do modelo de So-
rensen (1985) empregados neste trabalho.
A.1 Equaes do balano de massa do submodelo da glicose
No modelo do Sorensen (1985), G a concentrao de glicose na gua do sangue. A
concentrao de glicose no sangue, assumindo hematcrito de 0,40, dada, aproximadamente,
por 0,84G e a concentrao de glicose no plasma dada, aproximadamente, por 0,925G (SO-
RENSEN, 1985).
dG
BV
dt
=
Q
G
B
V
G
BV
(G
H
G
BV
)
V
BI
V
G
BV
T
B
(G
BV
G
BI
) (A.1)
dG
BI
dt
=
1
T
B
(G
BV
G
BI
)
r
BGU
V
BI
(A.2)
dG
H
dt
=
Q
G
B
V
G
H
G
BV
+
Q
G
L
V
G
H
G
L
+
Q
G
K
V
G
H
G
K
+
Q
G
P
V
G
H
G
PV

Q
G
H
V
G
H
G
H

r
RBCU
V
G
H
+GIN (A.3)
APNDICE A. EQUAES E PARMETROS DO MODELO DO SORENSEN 105
dG
K
dt
=
Q
G
K
V
G
K
(G
H
G
K
)
r
KGE
V
G
K
(A.4)
dG
L
dt
=
Q
G
A
V
G
L
G
H
+
Q
G
G
V
G
L
G
G

Q
G
L
V
G
L
G
L
+
r
HGP
V
G
L

r
HGU
V
G
L
(A.5)
dG
PV
dt
=
Q
G
P
V
G
PV
(G
H
G
PV
)
V
G
PI
V
G
PV
T
G
P
(G
PV
G
PI
) (A.6)
dG
PI
dt
=
1
T
G
P
(G
PV
G
PI
)
r
PGU
V
G
PI
(A.7)
dG
G
dt
=
Q
G
G
V
G
G
(G
H
G
G
)
r
GGU
V
G
G
+GGO (A.8)
A.2 Taxas metablicas do submodelo da glicose
A.2.1 Taxa de consumo de glicose no crebro:
r
BGU
= 70,0 mg/min (A.9)
A.2.2 Taxa de consumo de glicose pelas clulas vermelhas:
r
RBCU
= 10,0 mg/min (A.10)
A.2.3 Taxa de utilizao de glicose no intestino:
r
GGU
= 20,0 mg/min (A.11)
APNDICE A. EQUAES E PARMETROS DO MODELO DO SORENSEN 106
A.2.4 Taxa de produo heptica de glicose:
r
HGP
= M
I
HGP
M

HGP
M
G
HGP
r
B
HGP
(A.12)
Taxa basal de produo heptica de glicose:
r
B
HGP
= 155,0 mg/min (A.13)
Efeito da insulina na produo heptica de glicose
M
I

HGP
(I
N
L
) = 1,21 1,14 tanh [1,66(I
N
L
0,89)] (A.14)
dM
I
HGP
dt
=
1

1
[M
I

HGP
(I
N
L
) M
I
HGP
] (A.15)
Efeito do Glucagon na produo heptica de glicose
M

o
HGP
= 2,7 tanh (0,39
N
) (A.16)
df
2
dt
=
1

[(
M

o
HGP
1
2
) f
2
(A.17)
M

HGP
= M

o
HGP
f
2
(A.18)
Efeito da glicose na produo heptica de glicose
M
G
HGP
= 1,42 1,41 tanh [0,620(G
N
L
0,497)] (A.19)
A.2.5 Taxa de consumo de glicose no fgado
r
HGU
= M
I
HGU
M
G
HGU
r
B
HGU
(A.20)
APNDICE A. EQUAES E PARMETROS DO MODELO DO SORENSEN 107
Taxa basal do consumo de glicose no fgado:
r
B
HGU
= 20,0 mg/min (A.21)
Efeito da insulina na taxa de consumo de glicose no fgado
M
I

HGU
= 2,0 tanh (0,55I
N
L
) (A.22)
dM
I
HGU
dt
=
1

1
(M
I

HGU
M
I
HGU
) (A.23)
Efeito da glicose na taxa de consumo de glicose no fgado
M
G
HGU
= 5,66 + 5,66 tanh [2,44(G
N
L
1,48)] (A.24)
A.2.6 Taxa de excreo de glicose pelos rins
r
KGE
=
_

_
71,0 + 71,0 tanh [0,011(G
K
460)], se 0 G
K
< 460 mg/dl ;
330 + 0,872G
K
, se G
K
460 mg/dl.
(A.25)
A.2.7 Taxa de consumo de glicose na periferia
r
PGU
= M
I
PGU
M
G
PGU
r
B
PGU
(A.26)
Taxa basal de utilizao de glicose na periferia
r
B
PGU
= 35,0 mg/min (A.27)
Efeito da insulina na taxa de utilizao de glicose na periferia
M
I
PGU
= 7,03 + 6,52 tanh [0,338(I
N
PI
5,82)] (A.28)
APNDICE A. EQUAES E PARMETROS DO MODELO DO SORENSEN 108
M
G
PGU
= G
N
PI
(A.29)
A.3 Equaes do balano de massa do submodelo da insulina
dI
BV
dt
=
Q
I
B
V
I
BV
(I
H
I
BV
) (A.30)
dI
H
dt
=
Q
I
BV
V
I
H
I
BV
+
Q
I
L
V
I
H
I
L
+
Q
I
K
V
I
H
I
K
+
Q
I
P
V
I
H
I
PV

Q
I
H
V
I
H
I
H
+PIIR (A.31)
dI
K
dt
=
Q
I
K
V
I
K
(I
H
I
K
)
r
KIC
V
I
K
(A.32)
dI
L
dt
=
Q
I
A
V
I
L
I
H
+
Q
I
G
V
I
L
I
G

Q
I
L
V
I
L
I
L
+
r
PIR
V
I
L

r
LIC
V
I
L
(A.33)
dI
PV
dt
=
Q
I
P
V
I
PV
(I
H
I
PV
)
V
I
PI
V
I
PV
T
I
P
(I
PV
I
PI
) (A.34)
dI
PI
dt
=
1
T
I
P
(I
PV
I
PI
)
r
PIC
V
I
PI
(A.35)
dI
G
dt
=
Q
I
G
V
I
G
(I
H
I
G
) (A.36)
A.3.1 Taxa da degradao de insulina no fgado:
r
LIC
= F
LIC
(Q
I
A
I
H
+Q
I
G
I
G
+r
PIR
) (A.37)
onde F
LIC
= 0,40.
APNDICE A. EQUAES E PARMETROS DO MODELO DO SORENSEN 109
A.3.2 Taxa de degradao da insulina nos rins:
r
KIC
= F
KIC
(Q
I
K
I
H
) (A.38)
onde F
KIC
= 0,30
A.3.3 Taxa de degradao da insulina na periferia:
r
PIC
=
I
PI
(
1F
PIC
F
PIC
)(
1
Q
I
P
) (
T
I
P
V
I
PI
)
(A.39)
onde F
PIC
= 0,15.
A.3.4 Taxa de liberao de insulina pelo pncreas:
r
PIR
=
S(G
H
)
S(G
B
H
)
r
B
PIR
(A.40)
A taxa basal de liberao de insulina pelo pncreas (r
B
PIR
) depende do estado inicial
e determinada na inicializao do modelo. A seguir o modelo da liberao pancratica da
insulina usado no clculo de r
PIR
dP
dt
= (P

P) (A.41)
dI
dt
= (X I) (A.42)
dQ
dt
= (Q
o
Q) +P S (A.43)
X =
G
3,27
H
132
3,27
+ 5,93G
3,02
H
(A.44)
APNDICE A. EQUAES E PARMETROS DO MODELO DO SORENSEN 110
Y = X
1,11
(A.45)
P

= X
1,11
(A.46)
S = [M
1
Y +M
2
(X I)
0
+
]Q (A.47)
NOTAO: a
0
+
=
_

_
0, a 0;
a, a > 0.
A.4 Equaes do submodelo do glucagon:
d
N
dt
=
1
V


B
(r
PR
r
PC
) (A.48)
r
PC
= r
MC
(A.49)
r
PR
= M
I
PR
M
G
PR
r
B
PR
(A.50)
Substituindo A.49 e A.50 emA.48 e observando que no estado basal a taxa de liberao
pancretica de glucagon igual a taxa de degradao no plasma, ou seja,
r
B
PR
= r
B
PC
= r
MC

B
(A.51)
tem-se:
d
N
dt
=
1
V

(M
I
PR
M
G
PR

N
)r
MC
(A.52)
APNDICE A. EQUAES E PARMETROS DO MODELO DO SORENSEN 111
A.5 Taxas metablicas no modelo do Glucagon:
A.5.1 Taxa de liberao de glucagon pelo pncreas:
Efeito da glicose na taxa de liberao de glucagon
M
G
PR
= 2,93 2,10 tanh[4,18 (G
N
H
0,61)] (A.53)
Efeito da insulina na taxa de liberao de glucagon
M
I
PR
= 1,31 0,61 tanh[1,06 (I
N
H
0,47)] (A.54)
A.5.2 Taxa de degradao do glucagon no plasma:
r
MC
= 910 ml/min (A.55)
APNDICE A. EQUAES E PARMETROS DO MODELO DO SORENSEN 112
A.6 Parmetros do modelo da glicose
Q
G
A
2,5 dl/min
Q
G
B
5,9 dl/min
Q
G
G
10,1 dl/min
Q
G
H
43,7 dl/min
Q
G
K
10,1 dl/min
Q
G
L
12,6 dl/min
Q
G
P
15,1 dl/min
V
BI
4,5 dl
V
PI
63,0 dl
V
G
K
6,6 dl
V
G
G
11,2 dl
V
G
L
25,1 dl
V
G
BV
3,5 dl
V
G
H
13,8 dl
V
G
PV
10,4 dl
r
RBCU
10,0 mg/min
r
GGU
20,0 mg/min
r
BGU
70,0 mg/min
r
B
HGU
20,0 mg/min
r
B
HGP
155,0 mg/min
r
B
PGU
35,0 mg/min
T
B
2,1 min
T
G
P
5,0 min

1
25,0 min

65,0 min
APNDICE A. EQUAES E PARMETROS DO MODELO DO SORENSEN 113
A.7 Parmetros do modelo da insulina
Q
I
A
0,18 l/min
Q
I
B
0,45 l/min
Q
I
G
0,72 l/min
Q
I
H
3,12 l/min
Q
I
K
0,72 l/min
Q
I
L
0,9 l/min
Q
I
P
1,05 l/min
V
I
G
0,945 l
V
I
K
0,505 l
V
I
L
1,14 l
V
I
B
0,265 l
V
I
H
0,985 l
V
I
PV
0,735 l
F
KIC
0,30
F
LIC
0,40
F
PIC
0,15
T
I
P
20 min
A 0,048229 min
1
B 0,93141 min
1
XN 1,0
K 0,0079378 min
1
Q0 6,32 U
G

0,57493 U/min
M1 0,007968
M2 0,106495
APNDICE A. EQUAES E PARMETROS DO MODELO DO SORENSEN 114
A.8 Parmetros do modelo do glucagon
r
PC
0,910 l/min
V

11,31 l
Apndice B
Equaes Diofantinas
B.1 Introduo
O termo equaes diofantinas uma homenagem prestada pelos matemticos ao grego
Diofante por ter sido o primeiro a fazer um estudo sistemtico, em seu tratado Aritmtica
1
escrito por volta de 250 d.C., da soluo de equaes com coecientes e incgnitas inteiras
(HARDY; WRIGHT, 2000). Como exemplos de equaes diofantinas nos inteiros temos as equa-
es: 3x 2y = 1, x
3
+y
3
= z
3
e x
3
117y
3
= 5 quando as solues procuradas pertecem ao
conjunto dos nmeros inteiros. Para maiores detalhes sobre equaes diofantinas nos inteiros
consultar (LANDAU, 2002; HARDY; WRIGHT, 2000).
A terminologia equaes diofantinas foi estendida para equaes polinomiais, devido
ao fato que, sob o ponto de vista da lgebra abstrata os inteiros e polinmios so entidades
semelhantes (KUCERA, 1979). Para maiores detalhes sobre as relaes algbricas entre inteiros
e polinmios consultar livros que tratem de lgebra, como por exemplo (HERSTEIN, 1999;
DOMINGUES; IEZZI, 1995). Para uma reviso sobre aplicaes de equaes diofantinas em
controle consultar (KUCERA, 1993).
1
Foi na margemde uma cpia do livro Aritmtica de Diofante que, em1637, Fermat enunciou que x
n
+y
n
= z
n
no possue solues inteiras para n > 2, conhecido como o timo teorema de Fermat s provado por Andrew Wiles
em 1995 (SINGH, 1997)
APNDICE B. EQUAES DIOFANTINAS 116
B.2 Equaes diofantinas polinomiais lineares: existncia de
solues
Denio B.1 (Equaes diofantinas polinomiais lineares) As equaes polinomiais do tipo
A(z
1
)E(z
1
) +B(z
1
)F(z
1
) = C(z
1
) (B.1)
onde A(z
1
), B(z
1
) e C(z
1
) so polinmios conhecidos em z
1
, so chamadas de equaes
diofantinas polinomiais lineares nas incgnitas E(z
1
) e F(z
1
) (KUCERA, 1979).
Denio B.2 (Soluo) Uma soluo da equao diofantina polinomial linear (B.1) o par de
polinmios E(z
1
), F(z
1
) em z
1
que satisfaz (B.1).
Notao B.1 O polinmio de maior grau que divide, simultaneamente, os polinmios no am-
bos nulos A(z
1
) e B(z
1
), ser denotado por mdc (A(z
1
), B(z
1
)).
Teorema B.1 (Existncia de Soluo) A equao diofantina (B.1), com A(z
1
) e B(z
1
) no
ambos nulos, admite soluo se, e somente se, C(z
1
) divisvel por mdc (A(z
1
), B(z
1
)).
Ainda, dada uma soluo E(z
1
), F(z
1
), todas as solues so da forma
E(z
1
) = E(z
1
) +K(z
1
)
B(z
1
)
mdc (A(z
1
),B(z
1
))
F(z
1
) = F(z
1
) K(z
1
)
A(z
1
)
mdc (A(z
1
),B(z
1
))
onde K(z
1
) um polinmio arbitrrio em z
1
.
Prova: Ver (KUCERA, 1979). Para demonstrao do teorema nos inteiros, cuja extenso para o
caso polinomial imediata, consultar (LANDAU, 2002).
B.3 A equao:

A(z
1
)E(z
1
) + z
j
F(z
1
) = 1
Neste trabalho em particular, tratar-se- apenas de equaes do tipo:
APNDICE B. EQUAES DIOFANTINAS 117

A(z
1
)E(z
1
) +z
j
F(z
1
) = 1 (B.2)
onde

A(z
1
) = 1 + a
1
z
1
+. . . + a
n
a
+1
z
(n
a
+1)
(B.3)
um polinmio conhecido em z
1
.
Como mdc (

A(z
1
),z
j
) = 1, pois

A(z
1
) mnico e, portanto no divisvel por z
j
,
aplicando o teorema B.1 conclumos que a equao (B.2) admite innitas solues da forma:
E(z
1
) = E(z
1
) +K(z
1
)z
j
, F(z
1
) = F(z
1
) K(z
1
)A(z
1
) (B.4)
com K(z
1
) um polinmio arbitrrio em z
1
.
Considere as solues E
j
(z
1
), F
j
(z
1
) da equao (B.2), obtidas por uma escolha
conveniente do polinmio K(z) em (B.4), tais que deg (E
j
) = j 1. Pelas equaes (B.2) e
(B.3) conclui-se que, se deg (E
j
) = j 1 ento deg (F
j
(z
1
)) = deg (

A(z
1
)) 1 = n
a
.
Na seo B.3.1 ser determinada a soluo E
1
(z), F
1
(z
1
):
E
1
(z
1
) = e
1, 0
(B.5)
F
1
(z
1
) = f
1, 0
+f
1, 1
z
1
+. . . +f
1, n
a
z
n
a
(B.6)
e na seo B.3.2 ser encontrada, de forma anloga ao apresentado em (CLARKE et al., 1987a),
uma relao recursiva que permite determinar a soluo E
j+1
(z
1
), F
j+1
(z
1
):
E
j+1
(z
1
) = e
j+1, 0
+e
j+1, 1
z
1
+. . . +e
j+1, j1
z
(j1)
+e
j+1, j
z
j
(B.7)
APNDICE B. EQUAES DIOFANTINAS 118
F
j+1
(z
1
) = f
j+1, 0
+f
j+1, 1
z
1
+. . . +f
j+1, n
a
z
n
a
. (B.8)
a partir da soluo E
j
(z
1
), F
j
(z
1
):
E
j
(z
1
) = e
j, 0
+e
j, 1
z
1
+. . . +e
j, j1
z
(j1)
(B.9)
F
j
(z
1
) = f
j, 0
+f
j, 1
z
1
+. . . +f
j, n
a
z
n
a
(B.10)
B.3.1 Soluo E
1
(z
1
), F
1
(z
1
) com deg(E
1
(z
1
)) = 0
Para o caso em j = 1 tem-se que:
E
1
(z
1
) = e
1, 0
(B.11)
F
1
(z
1
) = f
1, 0
+f
1, 1
z
1
+. . . +f
1, n
a
z
n
a
(B.12)
Substituido as equao (B.3), (B.11) e (B.12) na equao (B.2) obtm-se:
(1 + a
1
z
1
+. . . + a
n
a
+1
z
(n
a
+1)
)e
1, 0
+z
1
(f
1, 0
+f
1, 1
z
1
+. . . +f
1, n
a
z
n
a
) = 1 (B.13)
ou equivalentemente,
e
1, 0
+ (f
1, 0
+ a
2
e
1, 0
)z
1
+. . . + (f
1, n
a
+ a
n
a
+1
e
1, 0
)z
(n
a
+1)
= 1 (B.14)
Pela identidade polinomial:
e
1, 0
= 1
f
1, i
= a
i+1
i = 0, . . . ,n
a
(B.15)
APNDICE B. EQUAES DIOFANTINAS 119
Assim, as solues E
1
(z
1
) e F
1
(z
1
) procuradas so:
E
1
(z
1
) = 1 (B.16)
F
1
(z
1
) = a
1
a
2
z
1
. . . a
n
a
+1
z
na
(B.17)
B.3.2 Recurso das solues E
j
(z
1
), F
j
(z
1
) com deg(E
j
(z
1
)) = j 1
Ser mostrado agora, de forma anloga ao feito em (CLARKE et al., 1987a), que dada
uma soluo E
j
(z
1
), F
j
(z
1
) de (B.2) com
E
j
(z
1
) = e
j, 0
+e
j, 1
z
1
+. . . +e
j, j1
z
(j1)
(B.18)
F
j
(z
1
) = f
j, 0
+f
j, 1
z
1
+. . . +f
j, n
a
z
n
a
(B.19)
Calcula-se, recursivamente, a soluo E
j+1
(z
1
), F
j+1
(z
1
):
E
j+1
(z
1
) = e
j+1, 0
+e
j+1, 1
z
1
+. . . +e
j+1, j1
z
(j1)
+e
j+1, j
z
j
(B.20)
F
j+1
(z
1
) = f
j+1, 0
+f
j+1, 1
z
1
+. . . +f
j+1, n
a
z
n
a
(B.21)
De fato, como E
j
(z
1
), F
j
(z
1
) e E
j+1
(z
1
), F
j+1
(z
1
) so solues da equao (B.2)
tm-se:

A(z
1
)E
j
(z
1
) +z
j
F
j
(z
1
) = 1 (B.22)
e

A(z
1
)E
j+1
(z
1
) +z
(j+1)
F
j+1
(z
1
) = 1 (B.23)
APNDICE B. EQUAES DIOFANTINAS 120
Subtraindo a equao (B.23) da equao (B.22) obtm-se:

A(z
1
)(E
j+1
(z
1
) E
j
(z
1
)) +z
j
(z
1
F
j+1
(z
1
) F
j
(z
1
)) = 0 (B.24)
Como deg (E
j+1
(z
1
)) = j e deg (E
j
(z
1
)) = j 1 tm-se que (E
j+1
(z
1
)E
j
(z
1
))
tem grau j e, portanto, pode-se escrever:
(E
j+1
(z
1
) E
j
(z
1
)) =

E(z
1
) +e
j+1, j
z
j
(B.25)
Substituindo-se agora, a equao (B.25) na equao (B.24) chega-se equao:

A(z
1
)

E(z
1
) +z
j
(z
1
F
j+1
(z
1
) F
j
(z
1
) +

A(z
1
)e
j+1,j
) = 0 (B.26)
Lembrando que:
deg (

A(z
1
)) = n
a
+ 1
deg (

E(z
1
)) = j 1
deg (F
j+1
(z
1
)) = deg (F
j
(z
1
)) = n
a
conclui-se, usando identidade polinomial na equao (B.26), que:

E(z
1
) = 0 (B.27)
ou seja,
E
j+1
(z
1
) = E
j
(z
1
) +e
j+1,j,
z
j
(B.28)
e
F
j+1
(z
1
) = z(F
j
(z
1
) +e
j+1,j

A(z
1
)) (B.29)
APNDICE B. EQUAES DIOFANTINAS 121
Agora, substituindo as equaes (B.21) e (B.19) na equao (B.29), lembrando que

A(z
1
) mnico ( a
0
= 1), tm-se, por identidade polinomial que:
e
j+1, j
= f
j, 0
(B.30)
f
j+1, i
=
_

_
f
j, i+1
+e
j+1, j
a
i+1
i = 0, . . . ,(n
a
1)
e
j+1, j
a
i
i = n
a
(B.31)
Analogamente, substituindo as equaes (B.20) e (B.18) na equao (B.28) tem-se:
e
j+1, i
=
_

_
e
j, i
i = 1, . . . ,j 1
e
j+1, j
i = j
(B.32)
Por m, substituindo a equao (B.30) na equao (B.31) e na equao (B.32) obtm-
se as recurses desejadas:
e
j+1, i
=
_

_
e
j, i
i = 1, . . . ,j 1
f
j, 0
i = j
(B.33)
f
j+1, i
=
_

_
f
j, i+1
+f
j, 0
a
i+1
i = 0, . . . ,(n
a
1)
f
j, 0
a
i
i = n
a
(B.34)
Assim, dado E
j
(z
1
) (equao (B.18)) e F
j
(z
1
) (equao (B.19)) calcula-se, a partir
das equaes (B.33) e (B.34), E
j+1
e F
j+1
:
E
j+1
(z
1
) = e
j, 0
+e
j, 1
z
1
+. . . +e
j, j1
z
(j1)
+f
j, 0
z
j
(B.35)
F
j+1
(z
1
) = (f
j, 1
+f
j, 0
a
1
) +. . . + (f
j, n
a
+f
j, 0
a
n
a
)z
(n
a
1)
+ (f
j, 0
a
n
a
+1
)z
n
a
(B.36)
APNDICE B. EQUAES DIOFANTINAS 122
B.4 Algoritmo para o clculo recursivo das solues E
j
,F
j
:
resumo
Entradas:
Coecientes do polinmio mnico

A(z
1
)
N N
Inicializao:
e
1, 0
= 1
f
1, i
= a
i+1
i = 1, . . . ,n
a
Recurso:
Para j = 1 at N
e
j+1, i
=
_
e
j, i
i = 1, . . . ,j 1
f
j, 0
i = j
f
j+1, i
=
_
f
j, i+1
+e
j+1, j
a
i+1
i = 0, . . . ,(n
a
1)
e
j+1, j
a
i
i = n
a
Fim do Para
Sada:
Coecientes dos polinmios:
E
1
(z
1
), E
2
(z
1
), . . . , E
N
(z
1
)
F
1
(z
1
), F
2
(z
1
), . . . , F
N
(z
1
)
Referncias Bibliogrcas
A La Van, D.; McGuire, T.; LANGER, R. Small-scale systems for in vivo drug delivery. Nature
Biotechnology, v. 21, n. 10, p. 11841191, 2003.
ACKERMAN, E. et al. Model studies of blood-glucose regulation. Bulletin of Mathematical
Biophysics, v. 27, n. 1, p. 2137, 1965.
ADA. Insulin administration. Diabetes Care, v. 26, n. Supplement 1, p. S121S124, 2003.
BELLAZZI, R.; NUCCI, G.; COBELLI, C. The subcutaneous route to insulin-dependent dia-
betes therapy. IEEE Engineering in Medicine and Biology, v. 20, n. 1, p. 5464, 2001.
BOLIE, V. M. Coefcients of normal blood glucose regulation. Journal of Applied Physiology,
v. 16, n. 5, p. 783788, 1961.
CAMACHO, E. F.; BORDONS, C. Model Predictive Control. 1a. ed. London: Springer-Verlag,
2000.
CLARKE, D. W. Application of generalized predictive control to industrial processes. IEEE
Control Systems Magazine, v. 8, n. 2, p. 4955, 1988.
CLARKE, D. W. Self-tuning control. In: LEVINE, W. S. (Ed.). The Control Handbook. Boca
Raton: CRC Press, 1996. cap. 53, p. 827846.
CLARKE, D. W.; MOHTADI, C. Properties of generalized predictive control. Automatica,
v. 25, n. 6, p. 859875, 1989.
CLARKE, D. W.; MOHTADI, C.; TUFFS, P. S. Generalized predictive control - part i. the basic
algorithm. Automatica, v. 23, n. 2, p. 137148, 1987.
CLARKE, D. W.; MOHTADI, C.; TUFFS, P. S. Generalized predictive control - part ii. exten-
sions and interpretations. Automatica, v. 23, n. 2, p. 149160, 1987.
COBELLI, C.; CAUMO, A. Using what is accessible to measure that which is not: Necessity
of model of system. Metabolism, v. 47, n. 8, p. 10091035, 1998.
COBELLI, C.; TOFFOLO, G.; FERRANNINI, E. A model of glucose kinetics and their con-
trol by insulin compartmental and noncompartmental appoaches. Mathematical Biosciences,
v. 72, n. 2, p. 291315, 1984.
COHEN, A. New disposable electronic micropump for parenteral drug delivery. In: GURNY,
R.; JUNGINGER, H. E.; PEPPAS, N. (Ed.). Pulsatile Drug Delivery: Current Applications and
Future Trends. Stuttgart: Wissenschaftliche, 1993. p. 151161.
REFERNCIAS BIBLIOGRFICAS 124
CUTLER, C. R.; RAMAKER, B. L. Dynamic matrix control - a computer algorithm. In: AIChE
86th National Meeting. Houston, TX, USA: [s.n.], 1979.
CUTLER, C. R.; RAMAKER, B. L. Dynamic matrix control - a computer algorithm. In: Joint
Automatic Control Conference. San Francisco, CA, USA: [s.n.], 1980.
DOMINGUES, H. H.; IEZZI, G. gebra Moderna. 3a. ed. So Paulo: Atual Editora, 1995.
FLETCHER, R. Constrained Optimization. [S.l.]: Wiley-Interscience, 1981. (Practical Methods
of Optimization, v. 2).
GANONG, W. F. Fisiologia Mdica. 3a. ed. So Paulo: Atheneu, 1977.
GARCIA, C. E.; MORARI, M. Internal model control. i. a unifying review and some new
results. Industrial Engineering Chemical Process Design and Development, v. 21, n. 2, p. 308
323, 1982.
GARCIA, C. E.; PRETT, D. M.; MORARI, M. Model predictive control: Theory and prectice
- a survey. Automatica, v. 25, n. 3, p. 335348, 1989.
GARG, S. K.; SCHWARTZ, S.; EDELMAN, S. V. Improved glucose excursions using an im-
plantanle real-time continuous glucose sensor in adults with type I diabetes. Diabetes Care,
v. 27, n. 3, p. 734738, 2004.
GATTU, G.; ZAFIRIOU, E. Nonlinear quadratic dynamic matrix control with state estimation.
Industrial e Engineering Chemistry Research, v. 31, n. 4, p. 10961104, 1992.
GLAD, T.; LJUNG, L. Control theory Multivariable and Nonlinear Methods. 1a. ed. New
York: Taylor Francis, 2000.
GOPINATH, R. et al. Issues in the design of a multirate model-based controller for a nonlinear
drug infusion system. Biotechnology Progress, v. 11, n. 3, p. 318332, 1995.
GUYTON, A. C.; HALL, J. E. Fisiologia Humana e Mecanismos das Doenas. 6a. ed. Rio de
Janeiro: Guanabara Koogan, 1998.
HARDY, G. H.; WRIGHT, E. M. An Introduction to the Theory of Numbers. 5a. ed. New York:
Oxford University Press, 2000.
HATCH, A. et al. A ferrouidic magnetic micropump. Journal of Microelectromechanical Sys-
tems, v. 10, n. 215-221, 2001.
HELLER, A. Implanted electrochemical glucose sensors for the management of diabetes. An-
nual Review of Biomedical engineering, v. 1, p. 153175, 1999.
HERSTEIN, I. N. Abstract Algebra. 3a. ed. New York: Wiley, 1999.
JARENKO, J.; RORSTAD, O. Advances toward the implantable articial pancreas for treatment
of diabetes. Diabetes Care, v. 21, n. 3, p. 444450, 1998.
KUCERA, V. Discrete Linear Control: The Polynomial Equation Approach. 1a. ed. Chichester:
Wiley, 1979.
KUCERA, V. Diophantine equations in control a survey. Automatica, v. 29, n. 6, p. 1361
1375, 1993.
REFERNCIAS BIBLIOGRFICAS 125
KWOK, K. E. et al. Evaluation of a long-range adaptive predictive controller for computerized
drug delivery systems. IEEE Transactions on Biomedical Engineering, v. 42, n. 1, p. 7986,
1995.
LAGER, W. et al. Electrocatalytic glucose sensor. Medical, biological engineering and compu-
ting, v. 32, n. 3, p. 247252, 1994.
LANDAU, E. Teoria Elementar dos Nmeros. 1a. ed. Rio de Janeiro: Editora Cincia Moderna,
2002.
LEHMANN, E. D.; DEUTSCH, T. A physiological model of glucose-insulin interaction in type
1 diabetes mellitus. Journal of Biomedical Engineering, v. 14, n. 3, p. 235242, 1992.
LOPES, J. A. Modelagem, Simulao e Controle da Glicemia em Pacientes Diabticos Hospi-
talizados. Tese (Doutorado) USP, So Paulo, 2002.
MACIEJOWSKI, J. M. Predictive Control with Constraints. 1a. ed. Harlow, England: Prentice
Hall, 2002.
MELEIRO, L. A. da C. Projeto e Aplicao de Controladores Baseados em Modelos Lineares,
Neurais e Nebulosos. Tese (Doutorado) Unicamp, Campinas, 2002.
MORARI, M.; LEE, J. H. Model predictive control: Past, present and future. Computers and
Chemical Engineering, v. 23, n. 4-5, p. 667682, 1999.
NRGAARD, M. et al. Neural Networks for Modelling and Control of Dynamic Systems. 1a.
ed. London: Springer-Verlag, 2003.
PARKER, R. S.; DOYLE III, F. J.; PEPPAS, N. A. A model-based algorithm for blood glucose
control in type i diabetic patients. IEEE Transactions on Biomedical Engineering, v. 46, n. 2, p.
148157, 1999.
PARKER, R. S.; DOYLE III, F. J.; PEPPAS, N. A. The intravenous route to blood glucose
control. IEEE Engineering in Medicine and Biology, v. 20, n. 1, p. 6573, 2001.
PARKER, R. S. et al. Robust discrete H

glucose control in diabetes using a physiological


model. AICHE Journal, v. 46, n. 12, p. 25372549, 2000.
PUCKETT, W. R. Dynamic Modeling of Diabetes Mellitus. Tese (Ph.D.) University of
Wisconsin-Madison, 1992.
PUPO, A. de A. Endocrinologia. In: MARCONDE, M.; SUSTAVICH, D. R.; RAMOS, O. L.
(Ed.). Clnica Mdica: Propedutica e Fisiopatologia. 3a. ed. Rio de Janeiro: Guanabara Koo-
gan, 1984. cap. 15, p. 488557.
RAWLINGS, J. B. Tutorial overview of model predictive control. IEEE Control Systems Ma-
gazine, v. 20, n. 3, p. 3852, 2000.
RENARD, E.; COSTALAT, G.; BRINGER, J. De la pompe externe la pompe implantable, la
fermeture de la boucle est-elle possible? Diabetes e Metabolism, v. 28, n. 2, p. S19S25, 2002.
RICKER, N. L. Model predictive control with state estimation. Industrial e Engineering Che-
mistry Research, v. 29, n. 3, p. 374382, 1990.
REFERNCIAS BIBLIOGRFICAS 126
ROSSITER, J. A. Model Based Predictive Control: a practical approach. 1a. ed. Boca Raton:
CRC Press, 2003.
ROSSITER, J. A.; KOUVARITAKIS, B. Modelling and implicit modelling for predictive con-
trol. International Journal of Control, v. 74, n. 11, p. 10851095, 2001.
SBD. Consenso Brasileiro sobre Diabetes - Diagnstico e Classicao do Diabetes Mellitus.
[S.l.], 2000.
SCHN, T. Identication for Predictive Control - A Multiple Model Approach. Dissertao
(Mestrado) Linkping University, 2001.
SHOOK, D. S.; MOHTADI, C.; SHAH, S. L. A control-relevant identication strategy for gpc.
IEEE Transactions on Automatic Control, v. 37, n. 7, p. 975980, 1992.
SINGH, S. O ltimo Teorema de Fermat. 4a. ed. Rio de Janeiro: Record, 1997.
SOETERBOEK, R. Predictive Control: a Unied Approach. 1a. ed. Cambridge: Prentice Hall,
1992. (Systems and Control Engineering).
SORENSEN, J. T. A Physiologic Model of Glucose Metabolism in Man and its use to Design
and Assess Improved Insulin Therapies for Diabetes. Tese (Ph.D.) Massachusetts Institute
of Technology, April 1985.
SPENCE, A. P. Anatomia Humana Bsica. 2a.. ed. So Paulo: Editora Manole Ltda, 1991.
STEIL, G. M.; PANTELEON, A. E.; REBRIN, K. Closed-loop insulin delivery the path to
physiological glucose control. Advanced Drug Delivery Reviews, v. 56, n. 2, p. 125144, 2004.
TRAJANOSKI, Z. Neural predictive controller for insulin delivery using the subcutaneous
route. IEEE Transactions on Biomedical Engineering, v. 45, n. 9, p. 11221134, 1998.
TRAJANOSKI, Z.; REGITTNIG, W.; WACH, P. Simulation studies on neural predictive control
of glucose using the subcutaneous route. Computer Methods and Programs in Biomedicine,
v. 56, n. 2, p. 133139, 1998.
TYAGI, P. Insulin delivery systems: Present trends and the future direction. Indian Journal of
Pharmacology, v. 34, n. 6, p. 379389, 2002.
UPDIKE, S. J. et al. Enzymatic glucose sensors. improved lon-term performance in vitro and
in vivo. American Society for Articial Internal Organs Journal, v. 40, n. 2, p. 15763, 1994.
WADA, D. R.; WARD, D. S. Open loop control of multiple drug effects in anesthesia. IEEE
Transactions on Biomedical Engineering, v. 42, n. 7, p. 666677, 1995.
YONZON, C. R. et al. A glucose biosensor based on surface-enhanced Raman scattering: im-
proved partition layer, temporal stability, reversibility, and resistance to serum protein interfe-
rence. Analytical Chemistry, v. 76, n. 1, p. 7885, 2004.
ZIERLER, K. Whole body glucose metabolism. American Journal fo Physiology - Endocrino-
logy and Metabolism, v. 276, n. 3, p. 409426, 1999.
Glossrio
Arteriosclerose Esclerose ou endurecimento de artria
Aterosclerose Arteriosclerose em que se formam ateromas nas tnicas ntima,
mdia, e parte mais interna de artrias de grande e de mdio cali-
bre
Depleo Reduo de qualquer matria armazenada no corpo
Desmielinizao Perda de mielina
Glicogenlise Decomposio do glicognio heptico
Glicognese Formao de glicognio a partir da glicose
Gliconeognese Formao de glicose a partir das protenas e de algumas outras
substncias
Hepactectomizado Fgado removido cirurgicamente
Hgida Saudvel
Mielina Substncia lipide que forma a bainha em torno de certos nervos
Monossacardeo Acar simples, que no pode ser hidrolisado em outros
Nefropatia Denominao genrica de doena renal
Neuropatia Designao genrica de doena do sistema nervoso
Oftalmopatia Qualquer doena ocular
GLOSSRIO 128
Pancreatectomizado Pncreas removido cirurgicamente
Ps-prandial Perodo de algumas horas aps uma refeio

FOLHA DE REGISTRO DO DOCUMENTO

1.
CLASSIFICAO/TIPO
TM
2.
DATA
03 de Agosto de 2004
3.
DOCUMENTO N
CTA/ITA-IEE/TM-012/2004
4.
N DE PGINAS
128
5.
TTULO E SUBTTULO:
Controle preditivo de uma bomba de infuso de insulina para regulao da glicemia em pacientes
diabticos tipo I

6.
AUTOR(ES):
Cleiton Diniz Pereira da Silva e Silva

7. INSTITUIO(ES)/RGO(S) INTERNO(S)/DIVISO(ES):
Instituto Tecnolgico de Aeronutica. Diviso de Engenharia Eletrnica ITA/IEE

8.
PALAVRAS-CHAVE SUGERIDAS PELO AUTOR:
Controle Preditivo, GPC, Bomba de Infuso, Diabetes, Glicemia

9.PALAVRAS-CHAVE RESULTANTES DE INDEXAO:
Controle automtico; Predio; Glicose no sangue; Controladores; Anlise numrica; Simulao
computadorizada; Diabetes; Avaliao de desempenho; Controle; Medicina
10.
APRESENTAO: X Nacional Internacional
ITA, So J os dos Campos, 2004, 128 pginas


11.
RESUMO:
O presente trabalho visa a investigar, via simulao numrica, o desempenho de um controlador preditivo
generalizado aplicado regulao da glicemia em pacientes diabticos tipo I, mediante o emprego de
bombas de infuso de insulina. A simulao da dinmica do sistema endcrino-metablico em um
paciente diabtico tipo I, metabolicamente normalizado, foi realizada atravs de um modelo no-linear de
19
a
ordem bastante difundido na literatura. Em pacientes diabticos tipo I, metabolicamente no-
normalizados, tal dinmica foi simulada considerando-se variaes, em relao aos valores nominais, nos
valores dos parmetros do modelo anterior. O controlador projetado, quando atuando em um paciente
diabtico metabolicamente normalizado, teve o seu desempenho avaliado pelos valores mximos e
mnimos da concentrao de glicose no sangue perifrico venoso e pelo intervalo de tempo para a
concentrao de glicose anterior retornar faixa de 2% em torno da concentrao de referncia, aps
uma refeio contendo uma quantidade pr-fixada de glicose. Quando o controlador proposto atuava em
um paciente diabtico metabolicamente no-normalizado, inicialmente descompensado, o seu
desempenho foi avaliado pelo intervalo de tempo necessrio para a glicemia retornar faixa de 2% em
torno da concentrao de referncia. O desempenho apresentado pelo controlador proposto neste trabalho
comparvel aos j disponveis na literatura sendo, entretanto, o controlador proposto aqui mais simples
de ser implementado e menos custoso computacionalmente.







12.
GRAU DE SIGILO:

(X ) OSTENSIVO ( ) RESERVADO ( ) CONFIDENCIAL ( ) SECRETO