基于青蒿素优化算法的预测增强型PID-F控制策略在功能性电刺激系统中的应用研究

本研究针对功能性电刺激(FES)系统存在的非线性、噪声干扰等问题，提出了一种新型预测比例-积分-滤波微分(PPID-F)控制器。通过青蒿素优化算法(AO)对控制器参数进行优化，结合时间加权绝对误差积分(ITAE)和峰值响应(ypeak)构建目标函数。实验表明，该控制器使目标函数值降低48.19%，显著改善了FES系统的时域性能和频域特性，为瘫痪患者运动功能康复提供了更优控制方案。

　　

功能性电刺激(FES)技术作为帮助瘫痪患者恢复运动功能的重要手段，其控制效果直接影响康复质量。然而，人体肌肉骨骼系统的非线性和噪声特性，以及传统PID控制器存在的微分冲击效应(DKE)等问题，严重制约了FES系统的性能提升。针对这些挑战，Ozay Can和Erding Sahin团队在《Scientific Reports》发表研究，创新性地将预测控制理念与PID-F控制器相结合，并采用新型生物启发算法进行参数优化，为FES系统控制提供了全新解决方案。

研究采用三个关键技术方法：(1)构建包含预测项的PPID-F控制器结构，整合PID-F控制器与Smith预测器优点；(2)应用新开发的青蒿素优化算法(AO)进行六参数联合优化；(3)设计融合ITAE指标和峰值响应的复合目标函数。实验使用100g质量、20N/m弹簧常数的Hill肌肉模型作为测试平台。

功能性电刺激(FES)系统

研究基于牛顿力学定律建立肌肉Hill模型，推导出二阶传递函数G_FES(s)=1/(ms²+(c+μmg)s+K_s)，并采用一阶Padé近似处理传感器时延。该系统参数包括：质量m=100g，弹簧常数K_s=20N/m，阻尼系数c=4N·s/m，为后续控制策略验证奠定基础。

提出的PID-F预测项(PPID-F)控制器

创新控制器结构如图2所示，在PID-F基础上增加预测通路，数学表达为U(s)=(K_p+K_i/s+sK_dN/(s+N))E(s)-K_pd(1/s)(1-e^-sτ_d)U(s)。其中N为滤波器系数，K_pd和τ_d分别表示预测增益和时延常数，共同增强系统对未来行为的预测能力。

青蒿素优化器(AO)

算法模拟疟疾治疗过程设计三阶段优化：(1)综合消除阶段采用指数衰减模型C(t)=C₀e^-kt模拟药物分布；(2)局部清除阶段基于归一化适应度值引导搜索；(3)巩固后阶段设置5%保留概率防止早熟收敛。该生物启发机制有效平衡全局探索与局部开发能力。

仿真研究与结果

时域分析显示，AO:PPID-F控制器将目标函数从PID-F的0.4862降至0.2519，提升48.19%。阶跃响应中超调量仅1.5%，调节时间0.8522秒，显著优于对比算法（表5）。频域分析获得5.61dB增益裕度、35.2°相位裕度和0.412秒时延裕度（图9），验证了鲁棒性。在±25%参数扰动下，该控制器保持最优ITAE指标（表8），且抗干扰实验中ITAE值61.8595为各组最低。

这项研究通过算法创新和控制器结构改进，实现了FES系统性能的突破性提升。提出的PPID-F控制器首次将预测机制与滤波微分相结合，配合AO算法独特的生物启发搜索策略，为复杂生物医学系统的控制提供了新范式。成果不仅可直接改善瘫痪患者的康复体验，其方法学框架对解决其他具有时变特性、非线性特征的生物系统控制问题也具有重要参考价值。特别是AO算法在解决多参数、多目标优化问题方面展现的潜力，为智能控制与生物医学工程的交叉研究开辟了新方向。