Разработка персонализированной системы управления процессом декомпрессии на основе интегрального критерия безопасности

Повышение качества принимаемых решений при планировании декомпрессии подводных погружений является актуальной задачей современного развития систем планирования и управления декомпрессией. Статья посвящена описанию структурной организации и принципов функционирования комплексной адаптивной системы управления процессом декомпрессии, которая интегрирует классические модели на основе градиент-факторов с модулями мониторинга и оценки ключевых внешних факторов и физиологического состояния биологического объекта. В работе детально рассмотрена архитектура системы, включающая блоки планирования, обработки данных, прогнозирования, принятия решений, предназначенных для поиска оптимальных стратегий безопасного подъема. Для этого разработан интегральный критерий безопасности, агрегирующий пять ключевых показателей: текущую оценку температуры биологического объекта, параметров вязкости крови, оценку микропузырьковой нагрузки, суммарное время декомпрессионных остановок, исторический классификатор типа погружения. Решение задачи минимизации данного критерия при заданных ограничениях позволяет генерировать адаптивный персонализированный профиль декомпрессии. Описан алгоритм микропузырьковой коррекции времени остановок, строящийся на базовом плане по модели градиент-факторов и адаптирующий время декомпрессионных остановок при превышении пороговых значений микропузырькового критерия. Предложенный подход подтверждает свою эффективность в повышении качества принимаемых решений при планировании и управлении процессом декомпрессии, а адекватность разработанного математического и алгоритмического аппарата верифицирована посредством моделирования различных стратегий всплытия.

1. Благинин А.А., Жильцова И.И., Емельянов Ю.А. Вопросы декомпрессионной безопасности летного состава. Военно-медицинский журнал. 2017;338(7):42–45.

2. Сковпин Н.С., Паринов М.В. Модель планирования и прогнозирования декомпрессионных погружений методом корректировок. Системы управления и информационные технологии. 2021;(2):85–89. https://doi.org/10.36622/VSTU.2021.84.2.018

3. Aguilella-Arzo М., Alcaraz А., Aguilella V. Heat loss and hypothermia in free diving: Estimation of survival time under water. American Journal of Physics. 2003;71(4):333–337. https://doi.org/10.1119/1.1531581

4. Михеев М.А., Михеева И.М. Основы теплопередачи. Москва: Энергия; 1973. 320 с.

5. Moraga C. Introduction to fuzzy logic. Facta universitatis – series: Electronics and Energetics. 2005;18(2):319–328. https://doi.org/10.2298/FUEE0502319M

6. Schreiner H.R. Mathematical approaches to decompression. International Journal of Biometeorology. 1967;11(3):301–310. https://doi.org/10.1007/BF01426653

7. Skovpin N., Parinov M. Simulation modeling of gas exchange processes based on physical factors and effects with the implementation that uses big data analysis methods. Journal of Physics: Conference Series. 2022;2373. https://doi.org/10.1088/1742-6596/2373/6/062018

8. Николаев В.П. Оценка безопасности декомпрессии по количеству и размерам образовавшихся в организме газовых пузырьков. Известия Академии наук СССР. Серия биологическая. 1983;(6):822–834.

9. Anuradha, Gupta G. A self explanatory review of decision tree classifiers. In: International Conference on Recent Advances and Innovations in Engineering (ICRAIE-2014), 09–11 May 2014, Jaipur, India. IEEE; 2014. https://doi.org/10.1109/ICRAIE.2014.6909245

10. Bühlmann A.A. Decompression – Decompression Sickness. Berlin, Heidelberg: Springer; 1984. 90 p. https://doi.org/10.1007/978-3-662-02409-6

11. Yount D.E., Hoffman D.C. On the use of a bubble formation model to calculate diving tables. Aviation, Space, and Environmental Medicine. 1986;57(2):149–156.