Дистрибутивный контроль в стабилизации модели инфекционных заболеваний
Автор: Домошницкий А., Бершадская М., Волынская И.
Журнал: Российский журнал биомеханики @journal-biomech
Статья в выпуске: 4 (86) т.23, 2019 года.
Бесплатный доступ
В статье рассмотрена модель инфекционных заболеваний, построенная Г.И. Марчуком в виде системы обыкновенных дифференциальных уравнений. В эту модель добавлен дистрибутивный контроль по обратной связи с целью достижения устойчивости в окрестностях стационарного решения. Такой контроль может срабатывать и в некоторых случаях, когда не представляется возможным задействовать другие известные методы. Используя идею сведения интегродифференциальных систем к системам обыкновенных дифференциальных уравнений, авторы изучили экспоненциальную устойчивость интересующего нас стационарного решения этой системы.
Модель инфекционных болезней, дистрибутивное управление, интегро-дифференциальные уравнения, экспоненциальная устойчивость
Короткий адрес: https://sciup.org/146282149
IDR: 146282149 | DOI: 10.15593/RZhBiomeh/2019.4.08
Текст научной статьи Дистрибутивный контроль в стабилизации модели инфекционных заболеваний
Стабилизация систем дистрибутивным управлением с обратной связью является одной из важных проблем в приложениях, хотя этому было посвящено сравнительно небольшое количество работ (см., например, [2]). Математические модели содержащие дистрибутивное управление с обратной связью, обычно представляют собой интегро-дифференциальные системы следующего вида:
x / ( t ) + A ( t ) x ( t ) + j s ( t ) C ( 5 ) x ( s ) ds = f ( t ) , x ( t ) e R n , t g [ 0, ^ ) . (1)
Попробуем объяснить, откуда возникли трудности в изучении этих систем. Традиционный подход к анализу их устойчивости состоит в изучении асимптотических свойств той части системы, которая представлена в виде обыкновенных дифференциальных уравнений, т.е.
x / ( t ) + A ( t ) x ( t ) = f ( t ) , x ( t ) g R n , t g [ 0, ^ ) . (2)
Добившись экспоненциальной устойчивости (2), а также оценив стремление к нулю решения x ( t ) , начинают анализировать устойчивость (1). В рамках этого подхода были получены следующие результаты: если система (2) экспоненциально устойчива и имеет соответствующий «запас» устойчивости, а норма интегрального члена
Домошницкий Александр, профессор, заведующий кафедры математики, Ариэль
Бершадская Марина, аспирантка кафедры математики, Ариэль
Волынская Ирина, преподаватель кафедры математики, Ариэль
[ в ( t ) C ( 5 ) ds 0
достаточно мала, то система (1) экспоненциально устойчива.
Применительно к стабилизации с дистрибутивным управлением этот подход оказался бесполезен, поскольку интересен именно случай, когда система (2) неустойчива, и t добавление управления в интегральной форме (т.е. [B (t) C(s) x(s)ds) привело бы нас к устойчивости системы (1). Понятно, что при стабилизации с помощью дистрибутивного управления с обратной связью интегральный член должен, наоборот, быть достаточно большим и «забить» собой неустойчивость системы обыкновенных дифференциальных уравнений. Мы предлагаем здесь простой метод анализа, основанный на сведении интегро-дифференциальных систем к системам обыкновенных дифференциальных уравнений. Идея такого подхода была впервые сформулирована в [4], а затем развита в [1].
В данной статье рассматривается модель для анализа процессов, возникающих при лечении инфекционных заболеваний. Мы сконцентрируем наше внимание на анализе математической модели инфекционных заболеваний, предложенной Г.И. Марчуком [6]. Отметим, что модель отражает основные закономерности функционирования иммунной системы при инфекционных заболеваниях. Эта модель также изучена в недавней работе [12]. Похожая модель рассмотрена в [7, 8], где она использована при анализе противоопухолевого иммунитета. Добавление управления в модель, упомянутую в работе [6], предложено в [3, 10, 11], где объясняется возможность и эффективность появления этого управления. Мы предлагаем дистрибутивный контроль с обратной связью в виде интегрального члена. Наша задача изучить экспоненциальную устойчивость стационарного режима этой системы. С медицинской точки зрения наши результаты можно интерпретировать следующим образом: поддерживая иммунную систему, мы трансформируем состояние организма при инфекционном заболевании в некое стабильное состояние «здорового» организма, и только после достижения этого стабильного состояния мы прекращаем использование соответствующего лекарства, позволяющего удерживать концентрацию антител на более высоком уровне, чем в обычном здоровом организме.
Математическая модель
Рассмотрим модель инфекционных заболеваний, предложенную Г.И. Марчуком в [6]:
dV „
— = в V(t) - уF(t)V(t), dt dC = ^(m )aF (t )V (t) - н.(C (t) - C"),
<
dt dF d^ = pC (t) - pyF (t )V (t) - н fF (t), dm = о V (t) - H mm (t)
dt со следующими начальными условиями:
V (0) = v0, C (0) = C *, F (0) = F *, m (0) = 0.
Здесь β – коэффициент, характеризующий активность антигена; γ – коэффициент, связанный с вероятностью нейтрализации антигена антителами при встрече с ним; ц^ -коэффициент, обратно пропорциональный времени распада антител; рт - коэффициент, обратно пропорциональный времени восстановления органа; рс -коэффициент сокращения клеток плазмы вследствие старения (обратно пропорциональный времени жизни); о - постоянная, соответствующая конкретному заболеванию; р - скорость выработки антител одной плазматической клеткой; V(t) -скорость концентрации антигена; C(t) - концентрация плазматических клеток; F(t) -скорость концентрации антител; C* и F * - концентрация плазмы и антител соответственно; m(t) - относительная характеристика поражения органа-мишени. Предполагается, что в течение определенного периода времени т плазма восстанавливается в результате взаимодействия антигена и антитела с клетками.
В произведение ^( m)aF ( t ) V ( t ) включены следующие множители: а -коэффициент стимуляции иммунной системы. Функция £( m) учитывает разрушение нормального функционирования иммунной системы и задана следующим образом:
1,
*
0 < m < m ,
^( m ) = ^ 1 — m
1 * ,
I 1 — m
*
m < m < 1
где m * - максимальная доля клеток, уничтоженная антигенами, при которой нормальное функционирование иммунной системы еще возможно.
Таким образом, £( m ) - непрерывная функция, характеризующая здоровье органа, которая зависит от относительных характеристик организма m . Она неотрицательная и не возрастающая. Функцию m ( t ) можно описать следующим образом:
m (t) = 1 —
1—M (t) 1—M * (t)
где M (t) - характеристика здорового органа (масса или площадь), а M* (t) - соответствующая характеристика здоровой части пораженного органа.
Остановимся подробнее на каждом уравнении в модели (3). Первое уравнение dV .
— = в V (t) — у F (t )V ( t ) dt
представляет собой блок вирусной динамики. Оно описывает изменение концентрации антигенов и включает в себя количество антигена в крови. Концентрация антигена уменьшается в результате взаимодействия с антителами. Иммунный процесс характеризуется антителами, концентрация которых описывается dF следующим уравнением: = рC(t) — цуF(t)V(t) — р ,F(t). Значение F(t) уменьшается dt f в результате взаимодействия и взаимного разрушения с антигенами. Количество клеток антител также уменьшается в результате естественного разрушения. Однако плазма восстанавливает антитела, следовательно, состояние плазмы играет важную роль в иммунном процессе. Поэтому изменение концентрации в плазменной ячейке входит в несколько уравнений системы дифференциальных уравнений.
Принимая во внимание уровень плазмы в здоровом теле и его естественное старение, элемент pc( C ( t ) — C * ) включен во второе уравнение системы (3).
Второе и третье уравнения представляют блок динамики гуморального иммунного ответа.
dm
Относительно последнего уравнения — = о V(t) - ц m(t) системы (3) можно dt m отметить следующее. Значение m увеличивается со скоростью концентрации антигена V(t). Максимальное значение m равно 1 в случае 100% повреждения органа и равно 0 для полностью здорового органа._Коэффициент цт описывает скорость генерации целевого органа.
В работе [10] предложена базовая математическая модель, учитывающая дискретный контроль иммунного ответа. Функция u = u(t ), характеризующая скорость введения донорских антител, добавлена в правую часть третьего уравнения.
Описание метода и анализ линеаризованной модели в окрестности СТАЦИОНАРНОГО РЕШЕНИЯ
Мы изучаем линеаризованную модель в окрестности стационарного решения. Модифицируя предыдущие модели, мы предлагаем управление в виде
u (t ) = - bj ( F ( s
) e - k ( t - s ) ds.
Добавив это управление в третье уравнение, получим следующую систему
Г
— = в V(t) - уF(t)V(t), dt
<
— = ^( m )aF (t - t)V (t -1)9( t - т -10) - pc( C - C *), dt o dF.
= pC(t) - цуF(t)V(t) - p fF(t) + u(t), dm
= O V(t) — Hmm(t), dt где u(t) определяется формулой (5).
Пусть F * - значение концентрации антител здорового тела. Случай F *
>e
Y
рассмотрел Г.И. Марчук в работе [6]. Мы пытаемся рассмотреть «худший» случай, *
когда F < —. Ясно, что в этом случае система не может быть устойчивой в окрестности стационарной точки: V = 0, C = C*, F = F\ m = 0.
После добавления управления u (t) в форме (5) и использования метода приведения систем интегро-дифференциальных уравнений к системам обыкновенных дифференциальных уравнений [1] мы получим следующую систему из пяти уравнений dV _
— = в V (t) - yF (t )V (t), dt
-C = К m )aF (t )V (t) - ц, (C - C'), dt dF
— = p C ( t ) - nY F ( t)V ( t ) - Ц f F ( t ) + u ( t),
-m = о V(t) - цmm(t), dt
U = = - b ( F ( t ) - F * -s ) - ku ( t ).
Будем линеаризовать эту систему в окрестности стационарного решения:
V = 0, C = C , F = F + е, m = 0, где значения C* и F* описывают здоровое тело. Обозначим ^0 = §(0). С медицинской точки зрения добавление s означает, что контроль стабилизации может быть достигнут в случае использования соответствующего лекарственного средства, позволяющего в течение длительного времени удерживать уровень концентрации антител на более высоком уровне, чем в нормальных условиях здорового организма.
В окрестности стационарного решения мы имеем следующее линейное приближение системы (7):
xp
-X2 = ^oa (F+E) x1 - Ц,x2 , dt
”3 = -nY (F* + e) x + Px2 - Й/хз + x,
dx
— = ° Х 1 - Ц m x 4 , dt
^x5 = -bx. - kx,, dt 3 5, где обозначаем x, = V, x2 = C - C* x x3 = F -(F* + е), x4 = m, x5 = u.
Тогда решением первого уравнения является функция x 1 ( t ) = Ce X t , где
X = в - y ( F * + е ) , C = v 0 для начальных условий V ( 0 ) = v 0.
Первое уравнение системы (9) экспоненциально устойчиво, если и только если л а в - YF *
.
X < 0 . Тогда мы получим следующее условие для s : s> ------
Y
Для наших исследований устойчивости мы можем записать оставшуюся часть системы (9) в векторной форме:
x ‘ = Ax,
л dx 2 dt
V dt J
Характеристический полином этой системы имеет вид
"x + n c |
0 |
0 |
0 3 |
|
p ( x ) = det ( x I - A ) = det |
-P 0 |
x + ц^ 0 |
0 x + P m |
- 1 0 , |
V 0 |
b |
0 |
x + k v |
P4 (X)=X4 + (ц c +Ц m +Ц f + к )X3 + (ц c ц m +Ц c Ц f +Ц m Ц f + (ц c + ц m +Ц f ) к + b )X 2 +
+ (ц c ц m ц f +(ц c ц f + ц m ц f +Ц c ц m ) k + (Ц c + ц m ) b )X + Ц c Ц mц fk +Ц c Ц mb•
По критерию Рауса–Гурвица система четвертого порядка с характеристическим полиномом p (x) =b x4 + bx3 + b x2 + b x+b(11)
экспоненциально устойчива тогда и только тогда, когда выполняются следующие условия:
b 0 > 0, b > 0, b 2 > 0, b 3 > 0, b 4 > 0,
* bb2 - b0b3 > 0,(12)
bbb - b 2 b - b0b 3 2 > 0.
В нашем случае мы имеем следующие равенства:
b 0 = 1,
-
b1 =ц c +ц m +ц f + k, b2 =цcцm +цcц f +цmцf + (цc +цm +ц f ) k + b,
-
b3 = цcцmцf + (цcцf + цmц f + цcИm ) k + (цc + ^m ) b, b4 =ц c ц m ц fk + ц c ц mb.
Все параметры в системе (9) положительны. Понятно, что если b > 0 и k > 0, тогда b > 0, b2 > 0, b > 0, b > 0,
bl b2 — b0 b3 = ц 2 ц f + ц 2 ц m + ц2 k + ц c ^f + 2ц c ц f ц m + 2^ c ц f k + ц c ^m + 2ц c 4 mk + ц ck 2 + * +ц/цm + V-fk + цf ^m + 2цf цmk + цfk2 + цmk + цmk2 + цfb + bk > 0
Используя Maple , мы получили, что bb2b 3 - b 2 b 4 - bob 32 > 0 также положительное.
Теорема
Пусть выполняются неравенства еу > в - Y F * , к > 0, b > 0 , тогда стационарное решение (8) системы (7) экспоненциально устойчиво.
Список литературы Дистрибутивный контроль в стабилизации модели инфекционных заболеваний
- Agarwal R., Bohner M., Domoshnitsky A., Goltser Ya. Floquet theory and stability of nonlinear integro-differential equations // Acta Mathematica Hungarica. - 2005. - Vol. 109, № 4. - P. 305-330.
- Bekiaris-Liberis N., Krstic M. Lyapunov stability of linear predictor feedback for distributed input delays // IEEE Trans. Aut.Contr. - 2011. - Vol. 56, № 3. - P. 655-660.
- Chirkov M.V. Parameter Identification and control in mathematical models of the immune response. Ph.D Thesis. - Perm, 2014.
- Domoshnitsky A. Exponential stability of convolution integro-differential equations // Functional Differential Equations. - 1998. - Vol. 5. - P. 297-307.
- Goebel G., Munz U., Allgower F. Stabilization of linear systems with distributed input delay // American Control Conference. - 2010. - P. 5800-5805.