Manyetik eyleyicili omurga implantının veri güdümlü model öngörülü kontrolü

Abstract

Bu tez çalışmasında literatürde MCGR olarak adlandırılan manyetik uzayabilen omurga implant sistemlerinin çalışma biçimini taklit eden bir deney düzeneği tasarlanıp üretilmiş ve alt uzay temelli veri güdümlü model öngörülü kontrolü gerçekleştirilerek literatürde sıkça karşılaşılan hedeflenen ve elde edilen uzatım uzunluğu arasında uyumsuzluk probleminin çözülmesi amaçlanmıştır. Manyetik uzayabilen çubuklar pediatrik hastalarda belirli omurga deformitelerinin tedavisinde kullanılan bir tıbbi cihazdır. Bu, erken başlangıçlı skolyoz ve diğer çocuklarda omurga sorunlarının cerrahi yönetiminde kullanılan geleneksel büyüyen çubuklara alternatif olarak geliştirilen yenilikçi bir çözümdür. Geleneksel büyüyen çubuklar, çocuğun büyümesine uyum sağlamak için sık sık cerrahi uzatma işlemlerini gerektirir ve bu hem hastanın hem de ailesinin üzerinde önemli bir yük oluşturabilir. Öte yandan, manyetik büyüyen çubuklar manyetik olarak kontrol edilen bir teknoloji kullanır ve cerrahi müdahale olmadan uzatma ayarlamalarına olanak tanır. Bu, çocuğun omurgasının ek cerrahi müdahale gerektirmeden uzatılabilmesi demektir. Manyetik büyüyen çubuklar, geleneksel büyüyen çubuklara kıyasla omurga deformitelerinin daha hassas düzeltilmesini sağlar. Çalışmada önerilen kontrol algoritması manyetik büyüyebilen çubuğun hedeflen uzatım ile elde edilen uzatım miktarları arasındaki hatayı minimize etmesini sağlamaktadır. Tasarlanan ve üretilen mimetik deney seti üzerinde tasarlanan kontrolcünün testleri gerçekleştirilmiştir. Önerilen kontrol algoritması, MATLAB/ M-File/ Simulink kullanılarak geliştirilmiştir. Bu algoritma, sistemin geçmiş verilerini kullanarak alt uzay tabanlı bir model kestirim yöntemiyle sistemin dinamik modelini belirler. Ardından, belirlenen kontrol ufku boyunca ileriye dönük bir kontrol kuralı oluşturulur. Bu kontrol algoritması, sistemin geçmiş giriş ve çıkış verilerini dikkate alarak gerçek zamanlı olarak çalışır. Bu sayede sürekli olarak sistemde meydana gelen değişiklikleri izler ve uygun bir kontrol stratejisi belirler. Aynı zamanda, tedavi sürecinin eşzamanlı olarak uyumlu bir şekilde ilerlemesini sağlayarak etkin bir şekilde düzenler. Bu algoritma ayrıca, sistemin performansında meydana gelebilecek anormallikleri veya olası ilerlemeyi tespit edebilir. Böylece, kontrol kuralına dinamik olarak eklemeler yaparak sistem performansını sürekli iyileştirir. Sonuç olarak, önerilen kontrol algoritması, öngörülü kontrol yaklaşımını kullanarak sistemin kararlılığını artırır, istenmeyen durumları engeller ve sürekli olarak güncellenerek daha verimli bir kontrol sağlar. Bu sayede, karmaşık sistemlerin kontrolü ve yönetimi daha etkin ve güvenilir hale gelir. Parametre kestirimi alt uzay parametre kestirimi metodu ile yapılmış bulunan parametreler deney setinin veri güdümlü model öngörülü kontrolü için kullanılmıştır. Elde edilen çıktılar referans değerleri ile karşılaştırılmıştır.

In this thesis study, a experimental setup mimicking the operation of Magnetic Controlled Growing Rods (MCGR), which are frequently encountered in the literature, has been designed and produced. The aim was to solve the mismatch problem between the target and achieved extension length by implementing data-driven model predictive control based on subspace identification. Magnetic growing rods are medical devices used in the treatment of certain spinal deformities in pediatric patients. They are an innovative alternative to traditional growing rods used in the surgical management of early-onset scoliosis and other spinal conditions in children. Traditional growing rods require frequent surgical lengthening procedures to accommodate the child's growth, which can be a significant burden for both the patient and their family. On the other hand, magnetic growing rods utilize magnetically controlled technology, allowing for non-invasive lengthening adjustments. This means that the child's spine can be elongated externally using a remote control without the need for additional surgeries. Magnetic growing rods provide more precise spine correction compared to traditional growing rods. The proposed control algorithm in the study aims to minimize the error between the targeted and achieved extension lengths of the magnetic growing rod. Proposed controller has been tested with the designed and produced mimetic experimental setup. The proposed control algorithm was developed using MATLAB/ M-File/ Simulink. This algorithm determines the dynamic model of the system with a subspace-based model estimation method using the historical data of the system. Then, a forward control rule is created along the determined control horizon. This control algorithm works in real time, taking into account the historical input and output data of the system. In this way, it constantly monitors the changes in the system and determines an appropriate control strategy. At the same time, it effectively regulates the treatment process, ensuring that it progresses harmoniously simultaneously. This algorithm can also detect any anomalies or possible improvement in the performance of the system. Thus, it continuously improves system performance by adding dynamically to the control rule. As a result, the proposed control algorithm increases the stability of the system by using predictive control approach, prevents undesired situations and is constantly updated to provide more efficient control. In this way, the control and management of complex systems becomes more effective and reliable. Parameter estimation is carried out using the subspace parameter estimation method, and the resulting parameters are used for data-driven model predictive control in the experimental setup. The obtained outputs are compared with reference values.