随着当前医疗技术水平的飞速发展,各种各样复杂的治疗手段层出不穷,因此对手术精度以及术中病人安全的要求也变得越来越高,在这种情况下,良好的术中麻醉显得尤为重要。临床实践中,对病人的麻醉操作多由麻醉师来完成,而麻醉师同时还需对病人的生理指标进行实时的监测,工工作任务繁重。为减轻麻醉师的工作压力,研究人员提出了麻醉过程闭环控制的想法,并且已在麻醉控制领域内实现了多种有效的闭环算法,其中最有前景的应该是基于模型的控制算法。但由于房室模型本身的非线性特性,这些基于模型的闭环控制研究多数先对病人模型参数进行经验性的预估,从而再加以控制,以消除非线性的影响。但是,这样反而会导致病人模型的特异性不突出,进而影响辨识与控制效果。针对该问题,本文提出了一种新型的基于子空间辨识的病人房室Wiener模型辨识方法。首先对异丙酚三房室Wiener模型进行线性化处理,再对处理后的线性模型进行子空间正交投影辨识,最后通过辨识出的状态空间系统矩阵以及线性化关系对原来的房室模型进行还原。接下来,对所辨识出的线性模型进行简单的处理,建立辅助被控变量,利用基于模型的扩展预测自适应控制算法,实现对病人镇静深度的间接管理。仿真结果证明,针对非线性系统所设计出的辨识算法能够很好地还原系统本身的特性,同时仍具有一定的可扩展性。该算法所需的先验知识极少,所辨识出模型的准确性较高。同时,根据该模型所构建的辅助被控变量也能够在一定程度上间接描述Wiener系统中间变量的变化趋势。该闭环控制算法首次用于麻醉过程镇静深度的控制,在该方向上有着较大的创新与指导意义。