基于深度强化学习的变速轴流式血泵控制器多目标参数优化研究

《Symmetry》：Research on Many-Objective Parameter Optimization of Variable-Speed Axial Blood Pump Controller Based on Deep Reinforcement Learning

　　

摘要

轴流式血液泵是终末期心力衰竭患者的重要辅助治疗设备，控制器的参数优化对于提高系统性能至关重要。现有的优化方法在优化精度方面无法满足变转速轴流式血液泵控制器的参数优化需求。因此，本文研究了一种适应血液泵运行特性的多目标优化方法。首先，为控制器建立了一个多目标优化模型。为了高效求解所提出的模型，开发了一种融合深度强化学习的优化算法，命名为 DQN-NSGA-CT。基于种群进化状态，DQN 学习到的最优策略动态调整交叉概率和变异概率，自适应地平衡早期迭代阶段的种群多样性和后期迭代阶段的收敛速度。同时，采用了一种新的环境选择策略来协调种群收敛性和多样性。为了选择最佳折中解，提出了一种熵权-Copula-TOPSIS 综合评价方法，实现了目标权重赋值、目标相关性修正和多属性排序。实验结果验证了 DQN-NSGA-CT 算法在求解控制器多目标优化模型方面的效率。该研究解决了变转速轴流式血液泵控制的多目标优化问题。