本网讯（通讯员 李子骞）近日，以电气信息学院教师张盼为第一作者、黄自鑫教授为通信作者的研究论文《Broad Learning System-based Deformation Tracking Control of A Small Magnetic Soft Robot》（DOI: 10.1109/TIE.2026.3715946）被工业电子领域国际Top期刊《IEEE Transactions on Industrial Electronics》录用。
《IEEE Transactions on Industrial Electronics》是IEEE工业电子领域的旗舰汇刊，创刊于1982年，致力于发表电子技术、控制理论与通信技术在制造系统中的创新应用方面的高水平论文，是中科院工程技术1区Top期刊，也是衡量各高校控制领域学术水准的标志性期刊。
磁性软体机器人因其可由非接触式磁场驱动，易于微型化，在生物医疗等领域具有广阔的应用前景。特别是小型磁性软体机器人，凭借其多样的运动模式，非常适合在生物体内部等复杂环境中作业。然而，其材料的超弹性和粘滞性导致其机械响应呈现高度非线性，给机器人建模和控制带来了挑战。
本研究提出了一种基于宽度学习系统（Broad Learning System, BLS）的无模型变形跟踪控制方法，以实现对小型磁性软体机器人拱形高度（即变形）的精确控制。该方法无需对机器人进行精确建模，通过理论分析和实验研究，将复杂的变形控制问题简化为对磁场强度的控制。所提出的BLS控制器能够直接建立从几何变形误差到磁场强度的映射，并利用在线梯度下降算法实时更新网络权重，从而自主补偿由环境或材料滞后引起的变形误差。
实验结果表明，该控制方法在跟踪矩形波和正弦波等复杂轨迹时，均表现出比传统PID控制方法更快的收敛速度和更高的跟踪精度。在受到外部随机扰动时，该方法也能保持更好的稳定性。此外，与深度神经网络控制方法相比，该方法在保证控制精度的同时，计算效率更高，更能满足实时控制的需求。
本研究将宽度学习系统的应用拓展至软体机器人闭环变形控制领域，为狭窄腔道内机器人自适应爬行提供关键技术支撑，对推动磁性软体机器人在医疗领域的落地应用具有重要价值。电气信息学院坚持以科研创新与产业应用为抓手，紧密对接国家重大战略与区域产业发展需求，引导师生深耕控制科学前沿，稳步提升学科综合实力与人才培养质量。
（审稿：谢春晖）
论文链接：https://ieeexplore.ieee.org/document/11670534
论文信息：Pan Zhang, Zonglei Yang, Peng Huang, Zixin Huang. Broad Learning System-based Deformation Tracking Control of A Small Magnetic Soft Robot, IEEE Transactions on Industrial Electronics, 2026, DOI: 10.1109/TIE.2026.3715946.
