【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于pid控制優(yōu)化領(lǐng)域，尤其涉及一種用于腦卒中治療的智能電刺激控制方法。
技術(shù)介紹
1、功能性電刺激通過低強度電脈沖刺激腦卒中患者的癱瘓肌肉或周圍神經(jīng)，誘導(dǎo)肌肉收縮以模擬正常運動模式，幫助恢復(fù)上肢抓握、下肢步行等功能，同時改善血液循環(huán)、減少肌肉萎縮及關(guān)節(jié)僵硬，其機制基于激活殘余神經(jīng)通路，促進大腦神經(jīng)可塑性，加速運動功能重建，適用于腦卒中后偏癱、肌力減退及痙攣性癱瘓患者，技術(shù)優(yōu)勢在于無創(chuàng)，強度、頻率、脈寬參數(shù)可調(diào)及精準(zhǔn)定位，可適配不同康復(fù)階段需求，但療效受神經(jīng)損傷程度、肌肉狀態(tài)及患者耐受性影響，需個性化調(diào)整參數(shù)，未來發(fā)展方向聚焦智能化、可穿戴設(shè)備輕量化及多模態(tài)聯(lián)合治療，以提升康復(fù)精準(zhǔn)度與患者依從性，推動腦卒中康復(fù)從被動輔助向主動功能重塑轉(zhuǎn)型。
2、pid控制是一種閉環(huán)調(diào)節(jié)算法，通過實時計算目標(biāo)值與實際輸出的偏差，動態(tài)調(diào)整模型行為，其核心由比例（p）、積分（i）和微分（d）三部分構(gòu)成：比例環(huán)節(jié)基于當(dāng)前誤差快速響應(yīng)，但可能殘留穩(wěn)態(tài)誤差，積分環(huán)節(jié)累積歷史誤差以消除長期偏差，但易導(dǎo)致超調(diào)，微分環(huán)節(jié)預(yù)測誤差變化趨勢，抑制模型震蕩，三者通過線性組合實現(xiàn)響應(yīng)速度、穩(wěn)定性和精度的平衡，pid廣泛應(yīng)用于工業(yè)控制、汽車及醫(yī)療設(shè)備中，具有結(jié)構(gòu)簡單、適應(yīng)性強的特點，但參數(shù)整定依賴經(jīng)驗或算法優(yōu)化，且對非線性、強干擾模型效果有限，常需結(jié)合模糊控制或自適應(yīng)算法提升復(fù)雜場景下的魯棒性。
3、雪橇犬優(yōu)化算法（sdo）?是一種模擬雪橇犬群體協(xié)作行為的智能優(yōu)化算法，通過動態(tài)分配領(lǐng)頭犬和跟隨犬，結(jié)合信息共享機制平衡全局探索與局部開發(fā)能力
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于：針對傳統(tǒng)pid控制參數(shù)固化、抗干擾能力弱及神經(jīng)反饋滯后等問題，融合患者實時腦電信號、血氧代謝數(shù)據(jù)及病灶特征，構(gòu)建多目標(biāo)優(yōu)化模型，通過改進型雪橇犬優(yōu)化算法優(yōu)化腦卒中電刺激治療中pid控制器的動態(tài)性能，以提升電流調(diào)控的響應(yīng)速度與個體適配度，改進后的雪橇犬算法引入融合halton序列的混沌映射優(yōu)化策略、動態(tài)混合協(xié)同搜索策略與精英萊維動態(tài)導(dǎo)航策略，動態(tài)調(diào)整pid的比例、積分、微分參數(shù)，精準(zhǔn)匹配患者神經(jīng)可塑性變化曲線，實現(xiàn)電流強度、頻率及作用時間的閉環(huán)優(yōu)化控制，該技術(shù)突破傳統(tǒng)經(jīng)驗調(diào)參模式，創(chuàng)新性在于將群體智能算法與經(jīng)典pid控制深度耦合，為腦卒中電刺激治療提供兼具魯棒性與自適應(yīng)性的智能調(diào)控模型。
2、為了實現(xiàn)上述目的，本專利技術(shù)采用了如下的技術(shù)方案。
3、一種用于腦卒中電刺激治療的閉環(huán)優(yōu)化方法，具體步驟如下。
4、s1、構(gòu)建腦卒中電刺激控制模型，所述控制模型包括：誤差計算模塊、pid控制器模塊、改進雪橇犬優(yōu)化算法模塊、腦卒中電刺激治療受控對象模塊、電流檢測模塊。
5、s2、改進雪橇犬優(yōu)化算法，具體的改進策略如下：
6、s21、使用一種融合halton序列的混沌映射優(yōu)化策略生成算法的初始種群，在halton?序列的基礎(chǔ)上加入混沌擾動，將擾動后的種群作為算法的初始種群可以提高搜索空間覆蓋率，并增強初始個體的多樣性，幫助算法在早期階段更有效地進行探索；
7、s22、使用一種動態(tài)混合協(xié)同搜索策略改進雪橇犬優(yōu)化算法的避障階段的數(shù)學(xué)模型，基于?動態(tài)慣性權(quán)重因子ω(t)和高斯變異項，隨著迭代次數(shù)的增加，不斷來調(diào)整種群位置的變化，從而進行種群位置的更新；
8、s23、使用一種精英萊維動態(tài)導(dǎo)航策略對雪橇犬優(yōu)化算法的迷失方向階段的數(shù)學(xué)模型進行改進，引入精英引導(dǎo)定向收斂和萊維飛行全局?jǐn)_動機制，萊維飛行的大步長擾動幫助逃離局部最優(yōu)，精英引導(dǎo)確保收斂方向正確性。
9、s3、利用改進雪橇犬優(yōu)化算法整定腦卒中電刺激控制模型中pid控制器模塊的參數(shù)，通過優(yōu)化得到最佳的kp、ki、kd參數(shù)。
10、s4、將得到的最佳kp、ki、kd參數(shù)，輸入到腦卒中電刺激控制模型中，優(yōu)化控制效果。
11、優(yōu)選地，所述s1中，構(gòu)建一種優(yōu)化腦卒中電刺激控制模型，該模型包括以下模塊：電刺激信號生成模塊、誤差計算模塊、pid控制器模塊、改進雪橇犬優(yōu)化算法模塊以及電流檢測模塊，電刺激信號生成模塊根據(jù)設(shè)定的脈沖參數(shù)生成初始電刺激信號，并通過雙極或多極表面電極與皮膚形成閉合電路，使電壓信號在電極-皮膚接觸界面產(chǎn)生電流，電流穿過皮膚表皮層后進入下層組織的肌肉或神經(jīng)，形成刺激路徑，采用串聯(lián)電阻與電容?c?的等效電路模型來模擬皮膚與電極之間的電傳導(dǎo)，初始電刺激信號如式(1)所示；
12、(1)；
13、式(1)中，表示實際輸出電流，表示基礎(chǔ)電壓幅值，f表示脈沖信號的幅度，b表示脈沖信號的寬度，表示t時刻生成脈沖信號的函數(shù)，表示初始接觸阻抗，表示動態(tài)阻抗變化幅度，表示阻抗變化速率，表示角頻率，c表示等效電容。
14、優(yōu)選地，所述s1中，該模型實際輸出電流通過電流檢測模塊進行實時監(jiān)測，并傳輸至誤差計算模塊，與設(shè)定的期望電流目標(biāo)進行比較，從而得到實時誤差信號?e(t)，該誤差信號被輸入至?pid?控制器，生成控制信號?u(t)，用于調(diào)節(jié)電刺激信號的幅值，經(jīng)由組織的非線性電阻抗網(wǎng)絡(luò)，最終形成實際施加到人體的電刺激電流，實現(xiàn)對輸出電流的精準(zhǔn)閉環(huán)控制，為提升模型的自適應(yīng)性與穩(wěn)定性，pid?控制器的參數(shù)可通過改進的雪橇犬優(yōu)化算法模塊進行在線整定，u(t)和計算公式分別如式(2)和式(3)所示；
15、(2)；
16、(3)；
17、式(2)和式(3)中，表示比例增益，表示積分增益，表示微分增益，e(t)表示實時誤差，表示實際施加到人體的電刺激電流。
18、優(yōu)選地，為精確模擬電刺激在組織內(nèi)的傳播與響應(yīng)動態(tài)行為，在基于實際施加到人體的電刺激電流?的基礎(chǔ)上，進一步引入二階傳遞函數(shù)?，用于描述電流信號在組織內(nèi)的慣性滯后與衰減特性，具體公式如式(4)所示；
19、(4)；
20、式(4)中，i(s)?為組織實際響應(yīng)電流的拉普拉斯表達，表示實際施加到人體的電刺激電流的拉普拉斯變換，s?表示拉普拉斯變換中的復(fù)頻域變量，表示自然頻率，表示阻尼比。
21、優(yōu)選地，所述s21中，使用一種融合halton序列的混沌映射優(yōu)化策略生成算法的初始種群，首先取halton序列中的前n個位置作為初始種群位置，在?halton?序列的基礎(chǔ)上加入混沌擾動，將擾動后的種群作為算法的初始種群，融合halton序列的混沌映射優(yōu)化策略的數(shù)學(xué)模型如式(5)所示；
22、(5)；
23、式(5)中，dog表示整個種群的初始化矩陣，l本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種用于腦卒中電刺激治療的閉環(huán)優(yōu)化方法，其特征在于，對雪橇犬優(yōu)化算法的數(shù)學(xué)模型進行改進，利用改進的雪橇犬優(yōu)化算法對腦卒中電刺激治療PID控制器進行參數(shù)優(yōu)化，具體步驟如下：
2.根據(jù)權(quán)利要求1所述的一種用于腦卒中電刺激治療的閉環(huán)優(yōu)化方法，其特征在于，所述S1中，構(gòu)建一種優(yōu)化腦卒中電刺激控制模型，該模型包括以下模塊：電刺激信號生成模塊、誤差計算模塊、PID控制器模塊、改進雪橇犬優(yōu)化算法模塊以及電流檢測模塊，電刺激信號生成模塊根據(jù)設(shè)定的脈沖參數(shù)生成初始電刺激信號，并通過雙極或多極表面電極與皮膚形成閉合電路，使電壓信號在電極-皮膚接觸界面產(chǎn)生電流，電流穿過皮膚表皮層后進入下層組織的肌肉或神經(jīng)，形成刺激路徑，采用串聯(lián)電阻與電容?C?的等效電路模型來模擬皮膚與電極之間的電傳導(dǎo)，初始電刺激信號如式(1)所示；
3.根據(jù)權(quán)利要求2所述的一種用于腦卒中電刺激治療的閉環(huán)優(yōu)化方法，其特征在于，所述S21中，使用一種融合Halton序列的混沌映射優(yōu)化策略生成算法的初始種群，首先取Halton序列中的前N個位置作為初始種群位置，在Halton序列的基礎(chǔ)上加入混沌擾動，將擾動后的
4.根據(jù)權(quán)利要求3所述的一種用于腦卒中電刺激治療的閉環(huán)優(yōu)化方法，其特征在于，所述S22中，使用一種動態(tài)混合協(xié)同搜索策略對雪橇犬優(yōu)化算法的避障階段的數(shù)學(xué)模型進行改進，通過引入動態(tài)慣性權(quán)重因子ω(t)，動態(tài)地調(diào)整每個雪橇犬的搜索步長或速度，引入高斯變異項，為搜索過程引入了隨機性，有助于算法跳出局部最優(yōu)解，增強全局搜索能力，引入實現(xiàn)一種領(lǐng)導(dǎo)者與跟隨者的機制，當(dāng)隨機因子時，執(zhí)行初始避障位置的更新，當(dāng)隨機因子時，執(zhí)行領(lǐng)頭犬引領(lǐng)群體朝向更優(yōu)路徑移動位置的更新，改進的避障階段的數(shù)學(xué)模型如式(6)和式(7)所示；
5.根據(jù)權(quán)利要求4所述的一種用于腦卒中電刺激治療的閉環(huán)優(yōu)化方法，其特征在于，所述S23中，使用一種精英萊維動態(tài)導(dǎo)航策略對雪橇犬優(yōu)化算法的迷失方向階段的數(shù)學(xué)模型進行改進，引入萊維飛行生成隨機擾動并使用最優(yōu)位置對種群的更新進行引導(dǎo)，改進的迷失方向階段的數(shù)學(xué)模型如式(9)所示；
6.根據(jù)權(quán)利要求5所述的一種用于腦卒中電刺激治療的閉環(huán)優(yōu)化方法，其特征在于，所述S3中，利用改進雪橇犬優(yōu)化算法整定腦卒中電刺激控制模型中PID控制器模塊的參數(shù)，具體步驟為：
7.根據(jù)權(quán)利要求5所述的一種用于腦卒中電刺激治療的閉環(huán)優(yōu)化方法，其特征在于，所述的S35中，通過改進雪橇犬優(yōu)化算法數(shù)學(xué)模型對種群中個體的位置進行更新，主要分為避障階段，正常行駛階段和迷失方向階段，具體步驟為：
...【技術(shù)特征摘要】
1.一種用于腦卒中電刺激治療的閉環(huán)優(yōu)化方法，其特征在于，對雪橇犬優(yōu)化算法的數(shù)學(xué)模型進行改進，利用改進的雪橇犬優(yōu)化算法對腦卒中電刺激治療pid控制器進行參數(shù)優(yōu)化，具體步驟如下：
2.根據(jù)權(quán)利要求1所述的一種用于腦卒中電刺激治療的閉環(huán)優(yōu)化方法，其特征在于，所述s1中，構(gòu)建一種優(yōu)化腦卒中電刺激控制模型，該模型包括以下模塊：電刺激信號生成模塊、誤差計算模塊、pid控制器模塊、改進雪橇犬優(yōu)化算法模塊以及電流檢測模塊，電刺激信號生成模塊根據(jù)設(shè)定的脈沖參數(shù)生成初始電刺激信號，并通過雙極或多極表面電極與皮膚形成閉合電路，使電壓信號在電極-皮膚接觸界面產(chǎn)生電流，電流穿過皮膚表皮層后進入下層組織的肌肉或神經(jīng)，形成刺激路徑，采用串聯(lián)電阻與電容?c?的等效電路模型來模擬皮膚與電極之間的電傳導(dǎo)，初始電刺激信號如式(1)所示；
3.根據(jù)權(quán)利要求2所述的一種用于腦卒中電刺激治療的閉環(huán)優(yōu)化方法，其特征在于，所述s21中，使用一種融合halton序列的混沌映射優(yōu)化策略生成算法的初始種群，首先取halton序列中的前n個位置作為初始種群位置，在halton序列的基礎(chǔ)上加入混沌擾動，將擾動后的種群作為算法的初始種群，融合halton序列的混沌映射優(yōu)化策略的數(shù)學(xué)模型如式(5)所示；
4.根據(jù)權(quán)利要求3所述的一種用于腦卒中電刺激治療的...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張玉璘，李賽楠，李忠濤，蘇冠群，許浩，
申請(專利權(quán))人：濟南大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。