TECNOLÓGICO DE ESTUDIOS SUPERIORES DE IXTAPALUCA
ORGANISMO PÚBLICO DESCENTRALIZADO DEL ESTADO DE MÉXICO
PROYECTO INTEGRADOR
“MODELADO DE SISTEMAS
FISILÓGICOS”
INGENIERIA BIOMÉDICA
QUE PRESENTA(N):
ARENAS OROPEZA PERLA ATZIN
ESQUIVEL MORALES ANGEL FABIAN
GODINEZ MARTÍNEZ KARLA FERNANDA
MURILLO PEREZ METZTLI LIZET
Índice
Introducción .................................................................................................................................... 3
Objetivos ......................................................................................................................................... 4
Desarrollo........................................................................................................................................ 5
Estabilidad del Sistema ................................................................................................................... 7
Raíces .............................................................................................................................................. 8
Diseño del PID ................................................................................................................................ 8
KCL Amplificador Proporcional................................................................................................... 16
KCL Amplificador Derivativo ...................................................................................................... 16
KCL Amplificador Integral ........................................................................................................... 17
Sumador ........................................................................................................................................ 17
Interpretación del Comportamiento del Controlador PID ............................................................ 20
Resultados ..................................................................................................................................... 21
Conclusiones ................................................................................................................................. 22
Referencias bibliografías .............................................................................................................. 23
2
Introducción
La oximetría constituye una herramienta clave en el monitoreo clínico no invasivo,
permitiendo evaluar en tiempo real la saturación de oxígeno en la sangre arterial. Su relevancia
radica en su capacidad para detectar de manera rápida condiciones como hipoxia, disfunción
respiratoria o alteraciones circulatorias. A nivel técnico, los dispositivos oximétricos funcionan
mediante la emisión de luz en longitudes de onda específicas —principalmente en el rango rojo e
infrarrojo cercano— y la posterior detección de la luz absorbida por la hemoglobina en sus distintas
formas (oxigenada y reducida).
Este proyecto se enmarca en el área del modelado de sistemas fisiológicos, con un enfoque
particular en la representación dinámica del proceso de medición de saturación de oxígeno
utilizando luz infrarroja. El sistema es abordado desde la perspectiva de ingeniería de control,
modelando su comportamiento mediante funciones de transferencia y aplicando estrategias de
regulación a través de un controlador PID (Proporcional-Integral-Derivativo).
La intención es integrar conocimientos fisiológicos y técnicas de control automático para
simular, analizar y optimizar la respuesta del sistema ante perturbaciones, garantizando una
medición robusta y precisa. Este enfoque resulta de particular interés en contextos donde la calidad
de la señal se ve afectada por el movimiento, el bajo flujo sanguíneo o interferencias ópticas,
condiciones comunes en la práctica clínica real.
3
Objetivos
Objetivo General
Modelar y controlar dinámicamente el proceso de medición de saturación de oxígeno
utilizando luz infrarroja mediante el desarrollo de una función de transferencia representativa y la
implementación de un controlador PID.
Objetivos Específicos
1. Analizar los fundamentos físicos y fisiológicos que sustentan la medición óptica de
saturación de oxígeno, con énfasis en el comportamiento espectral de la hemoglobina.
2. Representar el sistema de medición oximétrica mediante una función de transferencia que
contemple la dinámica del tejido y la respuesta del sensor.
3. Diseñar e implementar un controlador PID que permita estabilizar la señal oximétrica
frente a perturbaciones y ruido fisiológico.
4. Simular y validar el comportamiento del sistema en entornos computacionales como
MATLAB/Simulink, evaluando la eficiencia del control aplicado.
5. Comparar el desempeño del sistema con y sin control automático, utilizando métricas como
error en estado estacionario, tiempo de establecimiento y respuesta a disturbios.
4
Desarrollo
La Ley de Beer establece que la luz absorbida por una sustancia depende del coeficiente
de extinción, la concentración y la longitud del camino óptico. Así mismo la función de
transferencia para el 𝑆𝑝𝑂2 se deriva de esta y utiliza la relación de absorción de la hemoglobina,
el infrarrojo permite la diferenciación de los coeficientes de extinción.
𝐼 = 𝐼𝑜 ∗ 𝑒 −𝐸𝑐𝑑
Io = Intensidad de luz incidente.
I = Intensidad de luz transmitida.
E =Coeficiente de extinción molar.
c = Concentración de absorbente (hemoglobina).
d = Longitud de trayecto.
Tomando el logaritmo natural:
𝐼𝑜
log ( ) = 𝐸𝑐𝑑
𝐼
Hay dos componentes de absorción de luz:
• HbO2 (Sangre oxigenada).
• Hb (Sangre desoxigenada).
La absorción total de una longitud de onda es:
𝐼𝑜
log ( ) = [𝜀𝜆𝐻𝑏𝑂2 ∗ 𝑆 + 𝜀𝜆𝐻 ∗ (1 − 𝑠)] ∗ 𝑐𝑑
𝐼𝜆
S= Saturación de oxígeno.
(1-S) = Fracción de Hb reducida.
La luz se mide a dos longitudes de onda:
λ: Rojo 660nm
λ: Infrarrojo 940nm
5
Se obtiene el cociente:
𝐼𝑜
log ( )
𝑄=( 𝐼𝜆1
𝐼𝑜
log (𝐼𝜆2)
La diferencia de la luz roja y la luz infrarroja permite calcular la saturación de oxígeno.
Sustituyendo:
[𝑒1𝑆 + 𝑎1(1 + 𝑠)]𝑐𝑑
𝑄=
[𝑒2𝑆 + 𝑎2(1 + 𝑠)]𝑐𝑑
Simplificando:
[𝑒1𝑆 + 𝑎1(1 + 𝑠)]
𝑄=
[𝑒2𝑆 + 𝑎2(1 + 𝑠)]
𝑒1, 𝑒2 = 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑒𝑥𝑡𝑖𝑛𝑐𝑖ó𝑛 𝐻𝑏𝑂2 𝑒𝑛 𝜆1 𝑦 𝜆2
𝑎1, 𝑎2 = 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑒𝑥𝑡𝑖𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝐻𝑏 𝑒𝑛 𝜆1 𝑦 𝜆2
Despejando:
𝑒1𝑆 + 𝑎1 − 𝑎1𝑆 𝑒1𝑆 + 𝑎1 + 𝑎1𝑠
𝑄= =
𝑒2 + 𝑎2 − 𝑎2𝑆 𝑒2𝑆 + 𝑎2 + 𝑎2𝑆
Multiplicación cruzada:
𝑄 ∗ [(𝑒2 − 𝑎2)𝑆 + 𝑎2] = (𝑒1 − 𝑎1)𝑆 + 𝑎1]
𝑄 (𝑒2 − 𝑎2)𝑆 + 𝑄𝑎2 = (𝑒1 − 𝑎1)𝑆 + 𝑎1
𝑄(𝑒2 − 𝑎2) − (𝑒1 − 𝑎1)𝑆 = 𝑎1 − 𝑄𝑎2
𝑆[𝑄(𝑒2 − 𝑎2) − (𝑒1 − 𝑎1)] = 𝑎1 − 𝑄𝑎2
Obtenemos la función de transferencia sistemática:
𝑎1 − 𝑄𝑎2
𝑆=
𝑄(𝑒2 − 𝑎2) − (𝑒1 − 𝑎1)
6
Esta es una relación algebraica no lineal para poder realizar el PID necesitamos esta misma en
dominio de la place.
Ganancia del sistema
𝑘
𝐺 (𝑠 ) = 𝑒 −0𝑠
(𝑇1𝑆 + 1)(𝑇2𝑆 + 1)
Retardo
Constantes de Tiempo
Simplificación sin retardo:
𝑘
𝐺 (𝑠 ) =
𝑇 2 𝑆 2 + 2𝐶𝑇𝑆 + 1
𝑘 = 𝐺𝑎𝑛𝑎𝑛𝑐𝑖𝑎 𝑑𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎.
𝑇 = 𝑇𝑖𝑒𝑚𝑝𝑜.
𝐶 = 𝐹𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝐴𝑚𝑜𝑟𝑡𝑖𝑔𝑢𝑎𝑚𝑒𝑛𝑡𝑜 𝑒𝑛 𝑠𝑒𝑛𝑠𝑜𝑟𝑒𝑠 𝑓𝑖𝑠𝑖𝑜𝑙ó𝑔𝑖𝑐𝑜𝑠.
Supongamos que:
𝑘=1
𝑇 = 1 𝑠𝑔
𝐶 = 0.7
Entonces:
1
𝐺 (𝑠 ) =
𝑆2 + 1.4𝑆 + 1
Estabilidad del Sistema
Identificamos al denominador:
𝑆 2 + 1.4𝑆 + 1
Igualamos a 0:
𝑆 2 + 1.4𝑆 + 1 = 0
7
Usando la fórmula general:
−𝑏 ± √𝑏2 − 4𝑎𝑐
𝑆=
2𝑎
Donde:
a=1
b=1.4
c=1
Δ = 𝑏 2 − 4𝑎𝑐 = (1.4)2 − 4(1)(1) = 1.96 − 4 = −2.04
Como el discriminante es negativo las raíces complejas son conjugadas.
−1.4 ± √2.04
𝑆= = −0.7 ± 𝐽(0.714)
2
Raíces
𝑆1 = −0.7 + 𝐽0.714 𝑆2 = −0.7 − 𝐽0.714
Ambas tienen parte real negativa ubicadas en el semiplano izquierdo, por lo tanto, es un sistema
estable.
Diseño del PID
Se diseñará bajo la sintonización por el método de asignación de polos.
Función de transferencia de planta:
1
𝐺 (𝑠 ) =
𝑆 2 + 1.4𝑆 + 1
Controlador PID:
𝐾𝑖
𝐶 (𝑠) = 𝐾𝑝 + + 𝐾𝑑 𝑠
𝑆
8
Lazo cerrado:
𝐶 (𝑠)𝐺(𝑠)
𝑇 (𝑠 ) =
1 + 𝐶 (𝑠)𝐺(𝑠)
Polos deseados:
𝑆 = −1.4 ± 𝐽1.428
𝑆 = −10
Polinomio característico:
(𝑆 + 1.4 − 𝐽1.428)(𝑆 + 1.4 + 1.428)(𝑆 + 10)
Expandir polinomio deseado:
(𝑆 + 1.4)2 + (1.428) = 𝑆 2 + 2.8𝑆 + 1.96 + 2.04 = 𝑆 2 + 2.8𝑠 + 4
Multiplicamos por (S+10):
𝑆 3 + 12.8𝑆 2 + 32𝑆 + 40
Polinomio deseado lazo cerrado:
𝑆 3 + 12.8𝑆 2 + 32𝑆 + 40
Estructura sistema PID:
𝐾𝑖 𝐾𝑑𝑆 2 + 𝐾𝑝𝑆 + 𝐾𝑖
𝐶 (𝑠) = 𝐾𝑝 + + 𝐾𝑑𝑆 =
𝑆 𝑆
Multiplicamos C(s) por G(s):
𝐾𝑑𝑆 2 + 𝐾𝑝𝑆 + 𝑖 1 𝐾𝑑𝑆 2 + 𝐾𝑝𝑆 + 𝐾𝑖
𝐿 (𝑠 ) = ( )( 2 )= 3
𝑆 𝑆 + 1.4𝑠 + 1 𝑆 + 1.4𝑆 2 + 𝑆
9
Denominador lazo cerrado:
𝐾𝑑𝑆 2 + 𝐾𝑝𝑆 + 𝐾𝑖
1 + 𝐿 (𝑠 ) = 1 + 3
𝑆 + 1.4𝑆 2 + 𝑆
Multiplicamos cruzado.
Denominador lazo cerrado: 𝑆 3 + (1.4 + 𝐾𝑑 )𝑆 2 + (1 + 𝐾𝑝)𝑆 + 𝐾𝑖
Agrupamos:
𝑆 3 + (1.4 + 𝐾𝑑 )𝑆 2 + (1 + 𝐾𝑝)𝑆 + 𝐾𝑖
Igualamos al polinomio deseado:
𝑆3 1=1
𝑆2 1.4 + 𝐾𝑑 = 12.8
𝑆1 1 + 𝐾𝑝) = 32
𝑆0 𝐾𝑖 = 40
Sustituimos:
𝐾𝑑 = 12.8 − 1.4
𝐾𝑑 = 11.4
𝐾𝑝 = 32 − 1
𝐾𝑝 = 31
10
Generamos código en software MATLAB para graficar el comportamiento del PID:
Inicio del código:
clc; clear; close all;
% Tiempo de simulación
T_total = 5; % segundos
Ts = 0.001; % paso de tiempo
t = 0:Ts:T_total;
% Parámetros del controlador PID
Kp = 31;
Ki = 40;
Kd = 11.4;
% Señal de referencia y entrada del sistema
ref = ones(size(t)) * 1; % Escalón unitario
plant_output = zeros(size(t));
% Inicialización de variables
e = zeros(size(t));
u = zeros(size(t));
integral = 0;
prev_error = 0;
% Simulación del PID “analógico"
for k = 2:length(t)
% Error entre referencia y salida
e(k) = ref(k) - plant_output(k-1);
% Derivada (simula derivador con op-amp)
derivative = (e(k) - e(k-1)) / Ts;
% Integración (simula integrador con op-amp)
integral = integral + e(k) * Ts;
% Salida del controlador PID
u(k) = Kp * e(k) + Ki * integral + Kd * derivative;
% Planta simulada (respuesta simple de primer orden)
% G(s) = 1 / (s^2 + 1.4s + 1)
% Usamos aproximación por diferencia finita
% Modelamos como un sistema de segundo orden discreto
11
% Discretización de planta
if k >= 3
% Segunda orden: y[k] = a1*y[k-1] + a2*y[k-2] + b1*u[k-1] + b2*u[k-2]
a1 = 2 - 1.4*Ts;
a2 = -1 + Ts^2;
b1 = Ts^2;
b2 = 0;
plant_output(k) = a1 * plant_output(k-1) + a2 * plant_output(k-2) + b1 *
u(k-1) + b2 * u(k-2);
end
end
% Graficar resultados
figure;
subplot(2,1,1);
plot(t, ref, 'k--', t, plant_output, 'b', 'LineWidth', 1.5);
xlabel('Tiempo (s)');
ylabel('Salida');
legend('Referencia', 'Salida de la Planta');
title('Simulacion PID con comportamiento de amplificadores');
grid on;
subplot(2,1,2);
plot(t, u, 'r', 'LineWidth', 1.2);
xlabel('Tiempo (s)');
ylabel('Señal de control u(t)');
title('Salida del Controlador PID');
grid on;
Fin del código.
Este código realiza una simulación de un controlador PID actuando sobre una planta de
segundo orden, representando además el comportamiento de bloques operacionales como
integrador y derivador. Al correrlo, se obtienen dos gráficas, que se describen a continuación:
Como se observa en la Figura 1, el controlador PID permite una respuesta rápida, con un
sobre impulso moderado y sin error en estado estacionario. Es decir, el sobre impulso (~20%)
indica que el sistema inicialmente excede el valor deseado, por otro lado, la estabilización (~1)
exhibe que se alcanza el valor de referencia con buen seguimiento.
12
En la Figura 2 compara la curva roja, donde el sistema tiene una respuesta lenta y no
alcanza el valor deseado (error en estado estacionario significativo), es la salida natural del sistema
sin acción correctiva y la curva azul, que demuestra una mejora evidente: menor tiempo de subida,
mejor seguimiento, y error estacionario nulo.
Esto quiere decir, que la comparación resalta claramente la eficacia del PID al mejorar el
desempeño del sistema frente a perturbaciones o entradas de referencia.
Figura 1
Respuesta al escalón del sistema controlado con PID
Nota. Esta gráfica muestra la salida del sistema frente a una entrada escalón unitario cuando se
aplica el controlador PID.
13
Figura 2
Comparación de respuesta al escalón con y sin control PID
Nota. En esta gráfica se contrastan las respuestas del sistema en lazo abierto (sin control) y en lazo
cerrado (con controlador PID). Se observa que, sin control, el sistema presenta una respuesta lenta
y con error en estado estacionario, mientras que con el controlador PID se logra una respuesta más
rápida, con menor error y mejor seguimiento de la referencia.
Posteriormente, se realizó el análisis matemático del control PID con amplificadores
operacionales (Op-Amps), que se presenta en la Figura 3.
14
Figura 3
Modelo matemático PID con amplificadores
Nota. En este circuito se muestra la implementación analógica de un controlador PID utilizando
amplificadores operacionales LM741. El sistema está compuesto por tres secciones principales:
un amplificador proporcional (U2), un derivador (U3) y un integrador (U4). La señal de entrada
pasa inicialmente por un seguidor de voltaje (U1) que cumple una función de aislamiento o
acoplamiento de impedancia, asegurando que la señal de entrada no se degrade ni se vea afectada
por los componentes del PID y posteriormente cada componente del control es sumado mediante
una red de resistencias, antes de ser enviada a la salida a través del amplificador sumador (U5).
Este diseño simula físicamente el comportamiento de un controlador PID completo.
15
KCL Amplificador Proporcional
𝐼1 = 𝐼2
𝑉𝑖𝑛 − 𝑉𝑥 𝑉𝑥 − 𝑉𝑜𝑢𝑡
𝐼1 = 𝐼2 =
𝑅3 𝑅4
𝑉𝑖𝑛 − 𝑉𝑥 𝑉𝑥 − 𝑉𝑜𝑢𝑡
=
𝑅3 𝑅4
𝑹𝟒
−( ) 𝑽𝒊𝒏 = 𝑽𝒐𝒖𝒕
𝑹𝟑
KCL Amplificador Derivativo
𝐼1 = 𝐼2
𝐶𝑑𝑉1(𝑡) 𝑉𝑥 − 𝑉𝑜𝑢𝑡
𝐼1 = 𝐼2 =
𝑑𝑡 𝑅5
𝐶𝑑𝑉1(𝑡) 𝑉𝑥 − 𝑉𝑜𝑢𝑡
=
𝑑𝑡 𝑅5
𝒅𝑽(𝒕)
−𝑹𝟓𝑪𝟏
𝒅𝒕
16
KCL Amplificador Integral
𝑉𝑖𝑛 − 𝑉𝑥 𝑑𝑉(𝑡)
𝐼1 = 𝐼2 = 𝐶
𝑅6 𝑑𝑡
𝑉𝑖𝑛 − 𝑉𝑥 𝑑𝑉(𝑡)
=𝐶 − 𝑉𝑜𝑢𝑡
𝑅6 𝑑𝑡
𝟏
− ∫ 𝑽(𝒕)𝒅𝒕 = 𝑽𝒐𝒖𝒕
𝑪𝟐𝑹𝟔
Sumador
𝑉𝑜𝑢𝑡𝐾𝑝 − 𝑉𝑥 𝑉𝑜𝑢𝑡𝐾𝑑 − 𝑉𝑥 𝑉𝑜𝑢𝑡𝐾𝑖 − 𝑉𝑥
−𝑉𝑜𝑢𝑡 = + +
𝑅7 𝑅8 𝑅9
𝑉𝑜𝑢𝑡𝐾𝑝 − 𝑉𝑥 𝑉𝑜𝑢𝑡𝐾𝑑 − 𝑉𝑥 𝑉𝑜𝑢𝑡𝐾𝑖 − 𝑉𝑥
−𝑉𝑜𝑢𝑡 = ( + + )𝑅
𝑅 𝑅 𝑅
−𝑉𝑜𝑢𝑡 = 𝑉𝑜𝑢𝑡𝐾𝑝 + 𝑉𝑜𝑢𝑡𝐾𝑑 + 𝑉𝑜𝑢𝑡𝐾𝑖
𝑅4 𝑑𝑉(𝑡) 1
−𝑉𝑜𝑢𝑡 = − ( ) 𝑉𝑖𝑛 − 𝑅5𝐶1 − ∫ 𝑉 (𝑡)𝑑𝑡
𝑅3 𝑑𝑡 𝐶2𝑅6
𝑅4 𝑑𝑉(𝑡) 1
−𝑉𝑜𝑢𝑡 = −( 𝑉𝑖𝑛 + 𝑅5𝐶1 + ∫ 𝑉 (𝑡)𝑑𝑡
𝑅3 𝑑𝑡 𝐶2𝑅6
𝑽𝒊𝒏 𝟏
=
𝑽𝒐𝒖𝒕 𝑹𝟒 𝒅𝑽(𝒕) 𝟏
− 𝑹𝟑 − 𝑹𝟓𝑪𝟏 𝒅𝒕 − 𝑪𝟐𝑹𝟔 ∫ 𝑽(𝒕)𝒅𝒕
17
A continuación, tal como se evidencia en la Figura 4, se realiza la simulación en Proteus
para confirmar su funcionamiento de una segunda forma.
Figura 4
Simulación PID con Proteus
Nota. Esta imagen representa modelo matemático con amplificadores simulado en Proteus.
Finalmente, en la simulación se coloca un osciloscopio como se observa en la Figura 5,
para obtener sus ondas de salida obteniendo las ondas que se ilustran en la Figura 6.
18
Figura 5
Osciloscopio PID con Proteus
Nota. Se puede observar la integración de un osciloscopio para ver el comportamiento de las ondas.
Figura 6
Resultado del Osciloscopio PID en Proteus
Nota. En esta gráfica se muestra la señal resultante del controlador PID operando sobre una señal
de entrada periódica.
19
Interpretación del Comportamiento del Controlador PID
La gráfica obtenida en el osciloscopio muestra la respuesta individual de las tres
componentes del controlador PID: proporcional, integral y derivativa. La señal amarilla representa
la entrada o señal de error, mientras que las señales azul, magenta y verde corresponden a las
salidas proporcional, integral y derivativa, respectivamente. Se observa que cada componente
responde de forma esperada: la proporcional sigue el error en fase, la integral suaviza la señal
acumulando el error, y la derivativa responde a los cambios bruscos amplificando variaciones
rápidas. Este comportamiento confirma el funcionamiento correcto del controlador PID,
contribuyendo al ajuste dinámico del sistema.
20
Resultados
Tras el desarrollo del proyecto, se logró modelar exitosamente el sistema fisiológico
encargado de medir la saturación de oxígeno utilizando luz infrarroja, tomando como base los
principios ópticos de la Ley de Beer-Lambert y la respuesta espectral de la hemoglobina. A partir
de este modelo, se obtuvo una función de transferencia que permitió representar matemáticamente
la dinámica del sistema oximétrico.
Con base en dicha función, se diseñó un controlador PID mediante el método de asignación
de polos, definiendo parámetros adecuados de ganancia proporcional (Kp), integral (Ki) y
derivativa (Kd). La implementación fue validada en dos entornos: MATLAB/Simulink y Proteus.
En ambos casos, la simulación permitió visualizar el comportamiento individual de cada
componente del controlador.
Los resultados mostraron que:
• La componente proporcional responde en fase con el error, brindando una corrección
inmediata.
• La componente integral proporciona estabilidad al acumular errores pasados.
• La componente derivativa anticipa cambios bruscos, mejorando la respuesta transitoria
del sistema.
La gráfica obtenida en el osciloscopio de Proteus confirmó que el sistema responde de
forma coherente y estable frente a señales dinámicas, validando así tanto el modelo teórico como
el diseño de control aplicado.
21
Conclusiones
El desarrollo del presente proyecto permitió llevar a cabo el modelado de un sistema
fisiológico enfocado en la medición de la saturación de oxígeno en sangre utilizando luz infrarroja,
integrando conocimientos clave de óptica, fisiología y control automático. A través del análisis
teórico y el uso de funciones de transferencia, se logró representar matemáticamente el
comportamiento dinámico del sistema, considerando aspectos fundamentales como la absorción
diferencial de la hemoglobina oxigenada y desoxigenada. Posteriormente, se diseñó un controlador
PID con el objetivo de mejorar la estabilidad y precisión del sistema ante perturbaciones e
interferencias comunes en entornos clínicos. La implementación electrónica del sistema, junto con
su visualización mediante osciloscopio, permitió identificar y evaluar la función de cada
componente del controlador: la acción proporcional como respuesta inmediata al error, la acción
integral como acumulador que corrige errores sostenidos en el tiempo, y la acción derivativa como
anticipador de variaciones rápidas. La correcta interacción entre estas tres acciones permitió
obtener una señal de salida estable y precisa, lo cual evidencia un diseño de control efectivo y
funcional. En conjunto, el proyecto demuestra la viabilidad de aplicar técnicas de modelado y
control en sistemas biomédicos, resaltando la importancia de comprender la dinámica fisiológica
para el diseño de soluciones electrónicas que mejoren la calidad del monitoreo clínico no invasivo.
22
Referencias bibliografías
Astrom, K. J., & Hägglund, T. (2006). The future of PID control. Control Engineering Practice,
9(11), 1163–1175. [Link]
Chan, E. D., Chan, M. M., & Chan, M. M. (2013). Pulse oximetry: Understanding its basic
principles facilitates appreciation of its limitations. Respiratory Medicine, 107(6), 789–
799. [Link]
Fung, P. C. W., Zhou, D., & Lam, Y. (2019). Modeling and simulation of pulse oximeter dynamics
using transfer functions. Biomedical Signal Processing and Control, 50, 252–260.
[Link]
Ogata, K. (2010). Modern Control Engineering (5th ed.). Pearson Education.
Shoemaker, W. C., Appel, P. L., & Kram, H. B. (1992). Hemodynamic monitoring: Physiological
monitoring and optimization of oxygen delivery in critical care. Chest, 102(4), 190S–196S.
[Link]
23