Design of high-performance digital twins to enhance magnetic resonance imaging patient positioning
Martin Zapf, Nicola Contartese, Gerhard-Benedikt Weiß, Martin Horn
a Siemens Healthineers AG, Germany
b Virtual Vehicle Research GmbH, Austria
c Graz University of Technology, Austria
磁共振成像（MRI）设备需要在强磁场环境下，对不同体重的患者实现高精度定位，并在整个使用寿命内保持稳定性能。数字孪生能够通过适应不断变化的运行条件改善运动控制，但高保真模型与轻量化模型之间存在精度和计算效率的权衡。
本文针对商用磁共振成像设备的皮带驱动式患者定位系统，提出两种互补的数字孪生架构。第一种是基于多体动力学模型的高保真物理数字孪生，包含50余个参数，通过周期性离线参数辨识和控制器优化，补偿设备长期运行产生的机械老化与磨损。第二种是采用二阶双参数模型的轻量化性能数字孪生，能够在每次定位运动开始后的1秒内完成在线参数辨识，并通过实时前馈补偿适应患者体重变化。两种架构均在传统级联比例积分（PI）控制器基础上实现控制性能提升。
实验结果表明，物理数字孪生能够有效补偿设备老化引起的性能退化，轻量化性能数字孪生则显著降低了不同患者体重条件下的定位误差。研究表明，将周期性深度校准与实时自适应控制相结合，有望进一步提高MRI定位系统的长期稳定性和控制精度。
对于磁共振成像设备来说，患者的定位精度直接影响成像质量，但患者体重差异和设备长期磨损给传统控制方法带来挑战。高保真数字孪生能够准确描述复杂动力学行为，但计算成本较高；轻量化模型响应迅速，却可能忽略部分系统特征。本文在同一商用磁共振成像设备上研究两种数字孪生控制架构，探索模型精度与自适应速度之间的平衡。
数字孪生通过建立与物理设备动态同步的虚拟模型，实现状态监测、性能预测和闭环控制，已在智能制造、机器人、汽车及医疗机电系统等领域得到广泛研究。
现有数字孪生控制方法主要从模型保真度和更新频率两个维度进行设计。高保真模型能够描述复杂的机械行为及多物理场效应，适合分析设备磨损和长期性能变化，但通常需要较高的计算资源。轻量化模型则通过简化动力学描述或采用数据驱动方法，实现快速参数更新，更适合处理负载变化等实时扰动。
在实际应用中，连续更新的数字孪生能够快速响应运行条件变化，而周期性更新的数字孪生更适合长期设备维护。近年来，研究人员也开始探索将两种方式结合，以兼顾模型精度和计算效率。
然而，现有研究较少在同一实体设备上验证两种架构的不同适用场景。针对这一问题，本文分别研究磁共振设备定位系统的长期机械老化补偿和实时患者体重适应，为数字孪生控制架构的选择提供实验依据。
3.1 系统建模与控制方法
本文研究的磁共振成像设备患者定位系统采用三级皮带传动机构，通过电机驱动检查床完成水平移动。为准确描述其动态行为，研究人员建立了包含50余个参数的多体动力学模型，综合考虑皮带刚度、阻尼、摩擦、传动惯量、机械间隙和振动等因素。
在此基础上，研究提出基于物理数字孪生的周期性自适应控制方法。系统首先定期采集检查床位移、电机电流和转速等运行数据，再利用非线性最小二乘法辨识模型参数，使数字孪生能够反映设备当前的机械状态。
随后，通过更新后的模型优化位置和速度控制器的增益参数，在减小轨迹跟踪误差的同时，对电机电流振荡施加约束，以保证控制系统的稳定性。优化结果最终反馈至实际设备，实现控制性能的周期性调整。
为降低计算复杂度，研究通过敏感性分析，从完整模型中筛选出10个对定位性能影响较大的参数进行辨识，使模型更新更加高效。
3.2 实验验证与老化补偿
研究采用硬件在环（HIL）实验平台，直接控制实际电机并采集运行数据，对数字孪生模型及控制优化方法进行验证。
实验结果表明，经过控制器参数优化后，检查床的轨迹跟踪精度显著提高，轨迹跟踪误差平方积分降低约80%，同时保持了系统稳定性。相比之下，如果仅追求误差最小化而不限制电流振荡，虽然能够改善轨迹跟踪性能，却可能引起控制系统不稳定。
为进一步验证长期适应能力，研究人员通过高频次往复运动模拟设备加速老化。随着机械磨损增加，系统的摩擦特性和电流振荡发生明显变化。通过重新辨识模型参数并优化控制器，数字孪生能够有效降低老化后的定位误差，表明该方法可以跟踪设备长期运行状态的变化，并通过周期性调整维持控制性能。
4.1 轻量化模型与实时自适应控制
与高保真物理数字孪生不同，轻量化性能数字孪生主要用于应对患者体重变化带来的快速扰动。
由于不同患者的体重会改变检查床的动力学响应，采用固定参数的传统PI控制器难以在所有负载条件下保持一致的定位精度。为此，研究采用仅包含两个待辨识参数的二阶动力学模型，利用少量关键参数描述系统的主要运动特征，从而降低模型计算复杂度。
在控制策略方面，研究在传统级联PI控制器基础上引入模型补偿机制，根据实时辨识的动力学参数调整控制输入，以减小患者体重变化对定位精度的影响。
每次检查床开始运动后，系统利用最初1秒内采集的控制输入、速度和加速度等数据，通过最小二乘法辨识当前模型参数。参数更新后，在该次运动的剩余阶段保持不变，从而兼顾快速适应能力和控制稳定性。
同时，研究采用低通滤波、参数有效性检查和数值约束等措施，降低测量噪声及异常参数对控制效果的影响，使轻量化数字孪生能够在有限计算资源下可靠运行。
4.2 实验结果与性能分析
研究在商用磁共振成像设备患者定位系统上开展了56次定位实验，覆盖轻体重、平均体重和重体重患者的代表性负载，并分别测试检查床的正向和反向运动。
图11 不同患者体重条件下数字孪生控制前后的定位误差对比
实验将采用轻量化数字孪生补偿的PI控制器与未采用补偿的传统PI控制器进行比较。结果表明，传统控制器的定位误差随患者体重明显变化，而数字孪生能够根据实时辨识的参数调整补偿量，使不同负载条件下的定位误差保持在较小范围内。
综合56次实验结果，轻量化数字孪生使目标位置误差降低79%，速度跟踪误差降低62%，轨迹跟踪误差平方积分降低79%，而控制作用量仅增加约4%。
研究还发现，数字孪生在检查床正反两个运动方向上均能保持较好的定位性能，说明该方法能够适应不同负载及机械特性差异。
此外，在线参数辨识可在运动开始后的1秒内完成，无需人工重新校准或复杂的离线计算，具有较低的计算成本，为其在嵌入式控制系统及实际医疗设备中的应用提供了基础。
本文提出的两种数字孪生架构分别面向不同时间尺度的扰动，具有明显的互补性。
高保真物理数字孪生适合处理皮带老化、摩擦变化及零部件磨损等缓慢变化的问题。通过周期性模型校准和控制器优化，可以在设备长期运行过程中维持定位性能，但需要较高的计算资源和离线优化过程。
轻量化性能数字孪生则适合处理患者体重变化等快速扰动。其双参数模型计算量较小，能够在每次定位运动开始后快速完成参数辨识，通过实时补偿改善控制性能，更适合部署于嵌入式控制系统。
需要指出的是，两种方法分别针对机械老化和患者体重变化进行验证，其实验结果反映的是不同场景下的控制改善效果，并不意味着某一种架构在所有条件下优于另一种。
研究认为，未来可以将两种架构结合，在设备定期维护时利用高保真数字孪生更新基础模型和控制参数，并通过轻量化数字孪生实时适应不同患者的负载条件，从而兼顾长期稳定性与实时控制精度。
本文针对商用磁共振设备患者定位系统，提出并验证了高保真物理数字孪生与轻量化性能数字孪生两种控制架构，展示了数字孪生在医疗设备精准运动控制中的应用潜力。
研究表明，基于物理模型的数字孪生能够通过周期性参数辨识和控制器优化，有效补偿设备长期老化与磨损引起的性能退化；轻量化性能数字孪生则能够通过快速在线参数辨识，实现对不同患者体重的实时适应，并在较低计算成本下显著改善定位精度。
两种架构的实验结果进一步说明，数字孪生模型的选择应综合考虑扰动特征、计算资源和控制目标，而非单纯追求模型复杂度。未来，将周期性深度校准与实时自适应补偿相结合的混合数字孪生架构，有望进一步提升MRI定位系统的长期稳定性和运行可靠性，并为其他高精度医疗机电系统的智能控制提供参考。
