
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于人工智能的自适应增益调节技术,用于在不确定性条件下实现稳健的数据驱动心脏节律控制
《Scientific Reports》:Artificial intelligence-based adaptive gain tuning for robust data-driven cardiac rhythm control under uncertainty
【字体: 大 中 小 】 时间:2026年08月06日 来源:Scientific Reports 4.9
编辑推荐:
摘要本研究提出了一种基于数据的控制器(DDC),用于稳定心脏节律动态。该控制器整合了总扰动观测器(TDO),用以估算未建模动态和外部扰动,从而提升对不确定性的抵御能力。为避免手动调整控制增益,通过随机心脏模型仿真离线训练了一个演员-评论家智能调优算法。在闭环运行过程中,训练好的演
本研究提出了一种基于数据的控制器(DDC),用于稳定心脏节律动态。该控制器整合了总扰动观测器(TDO),用以估算未建模动态和外部扰动,从而提升对不确定性的抵御能力。为避免手动调整控制增益,通过随机心脏模型仿真离线训练了一个演员-评论家智能调优算法。在闭环运行过程中,训练好的演员权重保持不变,而策略则在线生成有界且与状态相关的控制增益。此外,奖励函数中还加入了控制力惩罚项,以抑制过度驱动,从而减少控制力,并避免仿真中出现不必要的突然动作。所提出的策略在三个稳健性维度上进行了评估:(i)频率范围为0.8–30 Hz的合成带限扰动,这些扰动被划分为德尔塔波、西塔波、阿尔法波和贝塔波对应的频率区间;(ii)不同强度的加性随机噪声;(iii)参考心跳的变化以及执行器饱和约束。仿真结果表明,与非最优的iPID控制器、超局部模型(ULM)以及传统滑模控制(SMC)相比,该策略能够实现更精准的参考心跳跟踪,并具备更高的稳健性。在所有测试条件下,经过STA调优的DDC策略始终能获得更低的均方根误差和平均绝对误差值,性能指标也更优,同时与参考心跳的跟踪延迟也保持在最低水平。