《Computers & Chemical Engineering》：A Gut-Inspired STructure-preserving (GIST) PID controller: Learning from Intestinal Peristaltic Transport
编辑推荐：
摘要变形管状系统中的协调材料输送需要分布式传感和执行，但此类系统的高保真闭环控制器往往过于复杂，难以进行实时工程实现。肠蠕动为此问题提供了生物学蓝图，因为局部壁变形被感知并转化为极化肌肉执行以推动管腔内容物。此前，我们使用生物物理神经网络控制器（BNC）（Zhu 等人，202
摘要
变形管状系统中的协调材料输送需要分布式传感和执行，但此类系统的高保真闭环控制器往往过于复杂，难以进行实时工程实现。肠蠕动为此问题提供了生物学蓝图，因为局部壁变形被感知并转化为极化肌肉执行以推动管腔内容物。此前，我们使用生物物理神经网络控制器（BNC）（Zhu 等人，2026）再现了类离体蠕动，但其高维性和计算成本限制了工程部署。在此，我们通过将生物物理神经网络控制器的输入-输出行为提炼为显式 PID 型激活定律，同时保留肠运动控制的分布式和极化架构，开发了一种受肠启发的结构保持型（GIST）PID 控制器。该提炼控制器以约 99% 的准确率预测了兴奋性和抑制性运动神经元的激活状态。在本计算框架的开环和闭环验证中，它再现了持续的类 BNC 蠕动波，但在波传播、收缩特征和净流体输送方面仍存在定量差异。控制器的 25 秒仿真计算时间减少了 84%，实时因子从 2.5 降低到 0.4。传感器噪声下的鲁棒性测试显示蠕动传播得以保持，跨测试噪声水平的应变和波速几乎未变。P/I/D 分解进一步表明，比例贡献主导了激活模式，而积分和微分项细化了波时序和传播。这些结果表明，这是一种从复杂生物控制器推导可解释、实时分布式控制定律的过程系统工程路径，在化学、制药和食品处理系统的自适应管状输送中具有潜在应用。
引言
通过变形管状系统的输送发生在食品加工、制药制造和蠕动泵送中。与通过刚性管道的输送相比，这些系统需要协调调节壁变形、局部机械状态和流体运动。因此，其控制在本质上空间上分布：多个传感器和执行器必须通过过程动力学相互作用以产生有组织的输送模式。开发自适应、可解释且计算上适合实时实现的控制器仍然是过程系统工程面临的挑战。
生物输送系统为此挑战提供了演化解决方案。在肠道中，局部壁变形被肠神经环路感知并转化为协调的平滑肌执行，这与管腔流体相互作用以推动内容物前进。它不依赖集中式控制器，而是通过分布式局部反馈产生协调输送。因此，肠蠕动不仅可以被视为一种生理现象，还可以被视为管状输送分布式过程控制的生物原型。
最近，我们开发了 CREST，一种用于肠神经性蠕动闭环仿真的力学生理框架（Zhu 等人，2026）。在 CREST 中，生物物理神经网络控制器（BNC，其简要综述见补充材料 S1）调节壁肌肉中主动力的产生。BNC 结合了沿肠轴组织的机械感受器、中间神经元以及兴奋性和抑制性运动通路。此类框架有可能推进肠蠕动的离体模型。例如，在当前的近实时消化道（NERDT）（Peng 等人，2021）中，壁运动通常事先规定而不是自适应调整。通过引入传感器运动反馈，该系统可以实现响应机械刺激的壁运动。
然而，直接将 BNC 部署为工程控制器面临两个挑战。首先，其详细的局部神经元和突触动力学涉及超过 50 个耦合的常微分方程和代数方程以及 30 多个相互关联的参数，导致控制器输出的计算成本高昂。其次，虽然 BNC 每个组件的生理意义相对明确，但由于许多神经和突触过程之间的非线性相互作用，理解从机械反馈到运动神经元输出的整体传感器运动映射具有挑战性。因此，这种系统级输入-输出控制行为难以表达为紧凑的工程控制定律，需要一个代理控制器来近似 BNC 的输入-输出行为，同时保留足够的可解释性以供工程实现。
几种成熟的建模范式解决了构建复杂动态行为可处理表示的挑战。系统辨识从观察到的输入-输出行为推断动态模型（Narendra 和 Parthasarathy，1990），灰箱建模将数据驱动估计与可用的机理或结构知识相结合（Xiong 和 Jutan，2002），降阶建模将高维动力学压缩为低维表示（Zhao 等人，2022），机器学习代理模型为非线性过程动力学的预测和控制提供计算高效的近似（Chen 等人，2020）。这些范式与当前问题相关，因为它们提供了用可处理模型近似复杂输入-输出行为的不同方法。与这些方法不同，本工作专门通过将从机械反馈到运动神经元激活的 BNC 传感器运动映射重述为显式分布式 PID 型控制定律来简化控制器。
从学习角度看，本问题也与模仿学习相关，其中学习者复现专家的行为（Ross 等人，2011），以及教师-学生知识蒸馏，其中从复杂教师转移到更简单学生的知识（Hinton 等人，2015；Touvron 等人，2021）。从控制架构角度看，去中心化和分布式 PID 方案协调多个局部反馈控制器在交互或网络化系统中（He 等人，2005）。仿生研究同时已在人工肌肉泵中再现肠道蠕动（Nakamura 和 Suzuki，2011），最近将自主去中心化控制引入受肠启发的蠕动混合泵（Hanamura 等人，2026）。
为了加速计算并获得 BNC 传感器运动映射的可解释控制定律表示，一种直观的方法是采用成熟的 PID 控制进行近似。它将反馈驱动的控制动作表达为瞬时误差、累积历史和误差变化率的组合。值得注意的是，已在多样的生物系统中识别出控制理论原理。积分反馈控制已被证明是细菌趋化中稳健完美适应的基础（Yi 等人，2000）和酵母渗透调节的基础（Muzzey 等人，2009），而比例-微分（PD）反馈控制已被用于解释人体姿态控制（Peterka，2002）。这些观察激发了这样的假设：高维 BNC 传感器运动映射可以通过分布式 PID 型控制定律近似，且分解为 P/I/D 组件可能揭示哪些组件主导蠕动波产生。
在本工作中，我们为肠蠕动输送开发了一种 GIST PID 控制器。为简明起见，文本中使用完整术语 GIST PID 控制器，而图中使用 GIST 作为简化的图形标签。控制器是通过将肠神经控制的关键仿生结构（分布式轴向组织、分层模块化和极化兴奋性和抑制性通路）转化为显式 PID 型工程架构，同时提炼 BNC 输入-输出行为到相应的控制定律中而获得的。以肠蠕动输送作为闭环演示案例，我们评估了激活状态预测、从神经输出到主动力和壁变形的误差传播、计算加速以及对传感器噪声的鲁棒性。我们进一步将其与简化控制定律和结构变体进行基准比较。最后，分析了比例、积分和微分项各自的贡献。
章节片段
仿生控制器提炼框架
所提出的方法是一种仿生控制器提炼框架，通过学习高保真生物教师控制器（BNC）构建工程 PID 型控制器（GIST PID 控制器）。在本框架中，教师信息通过 BNC 派生的二元激活标签而不是软化的输出概率传递（Hinton 等人，2015）；因此，实现对应于硬标签蒸馏，这种表述也已被使用
激活保真度
使用主要对称高斯目标定义，池化五折 OOF 准确率为兴奋性通路 99.1%，抑制性通路 98.6%。图 5 中的混淆矩阵显示小的非对角线条目，对应于漏检和假激活，以及对正（活动）样本和负（静息）样本的准确预测。重要的是，这种高一致性通过仅拟合每条通路的四个可解释参数实现，即
肠启发的智能：分布式传感器运动控制
脑启发的智能在工程和计算科学中受到了大量关注，而通常被称为"第二大脑"的肠道作为智能控制的灵感来源却备受关注较少。肠道不仅仅是一个被动输送管；它整合机械感受、肠神经调节、平滑肌执行、分泌和流体-结构相互作用，在高度变化的条件下实现自适应消化和输送
结论
本研究提出了一种过程系统工程策略，将高维分布式生物控制器转化为紧凑、可解释且实时可实现的工程控制器。以肠蠕动作为生物学蓝图和自适应管状输送的闭环演示，我们将 BNC 的输入-输出行为提炼为 GIST PID 控制器，同时保留其空间组织和极化通信。
提炼的控制器
CRediT 作者贡献声明
朱宏（Hong Zhu）：写作 - 审阅与编辑，写作 - 原稿，可视化，验证，软件，方法学，调查，正式分析，数据整理。肖杰（Jie Xiao）：写作 - 审阅与编辑，监督，资源，项目管理，方法学，资金获取，正式分析，概念化。
朱宏（Hong Zhu）| 肖杰（Jie Xiao）
