[发明专利]一种用于癫痫脑刺激的滑模控制方法

说明书

本发明公开一种基于宽度学习(BLS)的癫痫病脑刺激自适应快速非奇异终端滑模(AFNTSM)控制方法；基于标准化的丘脑机理模型，设计了一种新颖的快速非奇异终端滑模面，并且推导出使滑模运动渐进稳定的充分条件；结合快速非奇异终端滑模技术和宽度学习系统，设计了一种自适应快速非奇异终端滑模控制器，以确保滑模运动的可达性；通过闭环跟踪控制系统的稳定性和可达性分析促进了设计参数更好的选择，最后通过仿真对比确保了该设计方案更为卓越的控制性能。

技术领域

本发明涉及神经信息控制技术领域，其具体涉及自适应癫痫脑刺激控制问题。

背景技术

癫痫病是一种严重的神经系统疾病，其特征在于无故复发，世界范围内约有五千万人患有癫痫病。即使在许多国家已经进行了许多有关癫痫治疗的研究工作，仍有超过30％的癫痫患者在接受治疗后继续复发。此外，癫痫患者的社交生活的各个方面都受到癫痫的严重影响。癫痫病的研究在全世界仍然属于重难点问题，并且真正能够做到在癫痫治疗上具有重大价值突破的则更是少之又少。因此，针对癫痫发作的刺激控制方法研究是当今癫痫治疗最为迫切而严重的问题。

当下世界上针对癫痫发作治疗的闭环控制技术才处于起步阶段，癫痫闭环控制成果非常稀少，将各种在控制系统上广泛应用的控制方法运用在在癫痫治疗上具有广阔的前景。癫痫发作系统中存在不可忽略的干扰及不确定，但是神经系统的高度非线性导致了干扰的估计具有一定的难度，Ge Yafang教授所用的RBFNN神经网络估计具有一定的估计效果，但是对于更准确的估计仍然有较大的空间，可以开发更为新型的神经网络对干扰进行准确估计，这对闭环系统的控制意义重大，当下针对丘脑机理模型的闭环控制，效果相对明显并且较为出色是Ge Yafang教授团队所提出的鲁棒闭环控制策略，虽然在控制任务上基本达到要求，但是其方法在控制精度与速度上仍然具有较大的提升空间，可以开发更优的控制策略实现稳定的闭环控制。

目前，由于未知干扰和模型不确定性等对非线性系统的控制性能影响较大，国内外许多学者已经开展了此类问题的深入研究，神经网络逼近器用于解决该类问题具有较好的效果，滑模控制器可保证闭环系统全局范围内的稳定性、鲁棒性。此外，本发明采用的方法在基于癫痫病脑刺激控制的其他公开资料及文献未见有详细报道。

发明内容

鉴于上述现有技术中的不足，本发明提出一种基于宽度学习的癫痫病脑刺激自适应快速非奇异终端滑模控制，通过以下步骤组成：

步骤1、建立丘脑皮质系统建模及标准化步骤如下所示：

丘脑皮质系统神经场模型由皮质PY-IN子网和皮质RE-TC子系统组成。带有箭头的线表示兴奋性突触功能，带有中断条的线表示抑制性突触功能。PY：兴奋性锥体神经元，IN：抑制性锥体神经元，TC：丘脑皮质中继核，RE：丘脑网状核。其中PY，IN，TC和RE都是状态变量，代表每个神经元种群中的分数边缘活动。

由于癫痫发作时丘脑内部的脑血流量，葡萄糖代谢、血氧水平依赖性(BOLD)和电磁干扰等诸多不确定性因素普遍存在，且会影响网络连接性和神经电信号测量反馈，所以非线性项、未建模动态和外部干扰等是在系统建模时必须考虑的要素，因此癫痫病人丘脑皮质系统内的相互作用通过微分方程可建模为：

经过相关的数学推导可以转换为：