.png){kind=icon}
返回
Neural ODE-driven safe model predictive control for functional electrical stimulation cycling
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2026.133055.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
功能性电刺激（FES）自行车训练虽能带来显著的康复益处，但因其肌肉动力学具有非线性、相位依赖性、患者个体差异以及实时安全要求等因素，存在重大控制挑战。本文提出了一种计算高效、以安全为导向的控制框架，该框架整合了基于神经常微分方程（Neural ODE）的策略代理与有限时间扰动补偿机制。Neural ODE在连续时间中近似最优非线性模型预测控制（NMPC）策略，无需在线优化，并将每个控制周期的计算负载降低超过70%，同时强制执行基于生理学原理的安全约束。有限时间校正层强制执行输入约束并确保快速扰动抑制，在执行器饱和、未建模神经肌肉动力学和外部扰动下保持鲁棒性和安全性。仿真结果表明，该框架实现了准确的踏频跟踪，与基线NMPC相比均方根误差（RMSE）降低52%，并在严格的驱动限制和±20%扭矩扰动下保持稳定性能。该框架兼具预测最优性、学习型效率和有限时间鲁棒性，非常适合用于实时、安全关键型FES自行车应用。
Keyword:
Functional electrical stimulation cycling
Neural ordinary differential equations
Model predictive control
Data-driven nonlinear control
Safety-constrained control
Robust control under uncertainty
Computationally efficient control
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
引用论文
An extended neural ordinary differential equation network with grey system and its applications具有灰色系统的扩展神经常微分方程网络及其应用.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Multi-model based MPC to improve the ramp rate for renewable energy consumptionNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Review on Advanced Model Predictive Control Technologies for High-Power Converters and Industrial Drives先进模型预测控制技术在高压变频器与工业驱动中的应用综述ELECTRONICS
OAAI
ELECTRONICSIF2.6
OAAI分享收藏Eigen-informed neural ordinary differential equations: Incorporating knowledge of system properties基于系统属性的神经常微分方程：融入系统属性知识Neurocomputing
OAAI
NeurocomputingIF6.5
OAAI分享收藏A Novel Dynamic Multiobjective Optimization Algorithm With Hierarchical Response System一种基于分层响应系统的新型动态多目标优化算法
PREAI
分享收藏Neuromechanics-Based Neural Feedback Controller for Planar Arm Reaching MovementsBIOENGINEERING-BASELOAAI
BIOENGINEERING-BASELIF3.7
OAAI分享收藏Data-Driven Predictive Control of Exoskeleton for Hand Rehabilitation with Subspace IdentificationSENSORSOAAI
SENSORSIF3.5
OAAI分享收藏
查看更多内容