控制理论与应用

作者：霍本岩,李祯,刘艳红,赵新刚,张宇波

单位：郑州大学电气与信息工程学院,郑州大学电气与信息工程学院,郑州大学电气与信息工程学院,中国科学院沈阳自动化研究所机器人与智能系统全国重点实验室,郑州大学电气与信息工程学院

关键词：功能性电刺激;Hammerstein模型;迭代学习控制;上肢康复系统

基金：国家重点研发计划项目(2022YFB4703203),国家自然科学基金青年科学基金项目(62103376)资助.

功能性电刺激(FES)是一种临床上常用的康复技术,但目前基于FES的康复设备需要由康复医师根据经验控制,控制精度难以保证.本文使用参数递推辨识方法建立上肢肌骨系统的Hammerstein模型,进而提出了基于数据驱动Hammerstein模型的最优迭代学习控制方法. 首先,分别使用神经网络(NN)、传递函数表示肌肉收缩过程中的招募曲线(IRC)与线性激活动态(LAD),建立预训练数据集并对模型参数进行递推辨识,从而建立上肢肌骨系统的改进Hammerstein模型;然后,根据模型的IRC与LAD分别设计NN非线性控制器与参数最优迭代学习控制器(POILC), 得到NN与POILC串联控制器(NPOILC);最后,搭建上肢康复系统实验平台,招募5位受试者对所提出的方法进行实验验证.实验结果表明:相较于传统的PD型迭代学习控制器和多项式与POILC串联控制器,本文提出的NPOILC最终迭代的均方根误差分别由8.02?与9.74?降低至4.87?,分别下降了39.3%与50.0%;收敛迭代数分别由平均5.0次与4.3次减至3.4次,分别下降了32.0%与20.9%. 实验结果验证了本文方法的有效性,实现了上肢康复系统的建模与控制,且具有较高的控制精度与较快的收敛速度.

来源：2026年第3期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2026年第3期