微陀螺仪自适应神经网络全局滑模控制方法技术

本发明专利技术公开了一种微陀螺仪的自适应神经网络全局滑模控制方法。首先，在全局滑模控制器的基础上设计了一种新型的自适应辨识方法，在线实时更新微陀螺仪的角速度和其它系统参数的估计值，然后利用自适应神经网络系统输出动态调节滑模控制切换项中的切换增益以逼近系统不确定性和外部干扰的上界，将滑模控制的切换项转化为连续的神经网络输出，削弱了滑模控制中的抖振现象，并且有较强的自适应跟踪能力。本发明专利技术的自适应算法基于Lyapunov方法设计，从而保证微陀螺仪轨迹追踪上理想模型以及系统的全局渐进稳定性，使得辨识器的各项估计值输出都能够渐近收敛到各自的真值。

【技术实现步骤摘要】

本专利技术涉及一种，属于微陀螺仪控制
。
技术介绍
微陀螺仪是惯性导航和惯性制导系统的基本测量元件。因其在体积和成本方面的 巨大优势，微陀螺仪广泛应用于航空、航天、汽车、生物医学、军事以及消费电子领域。但是， 由于设计与制造中的误差存在和温度扰动，会造成原件特性与设计之间的差异，降低了微 陀螺仪系统的性能。微陀螺仪本身属于多输入多输出系统并且系统参数存在不确定性以及 易受外界环境的影响。补偿制造误差和测量角速度成为微陀螺仪控制的主要问题，有必要 对微陀螺仪系统进行动态补偿和调整。 目前有将各种先进控制方法应用到微陀螺仪的控制当中，典型的有自适应控制和 滑模控制方法。这些先进方法一方面补偿了制作误差引起的正交误差，另一方面实现了对 微陀螺仪的轨迹控制。但自适应控制对外界扰动的鲁棒性很低，易使系统变得不稳定。 由此可见，上述现有的陀螺仪在使用上，显然仍存在有不便与缺陷，而亟待加以进 一步改进。为了解决现有的陀螺仪在使用上存在的问题，相关厂商莫不费尽心思来谋求解 决之道，但长久以来一直未见适用的设计被发展完成。
技术实现思路
本专利技术的目的在于，克服现有的微陀螺仪控制方法存在的缺陷，特别是提高微陀 螺仪系统在存在模型不确定、参数摄动以及外界噪声等各种干扰，在消除系统抖振的情况 下而不影响理想轨迹的追踪性能和整个系统的鲁棒性，提供一种微陀螺仪的自适应神经网 络全局滑模控制方法。 本专利技术采用的技术方案是： 微陀螺仪的自适应神经网络全局滑模控制方法，包括如下步骤： 1)建立微陀螺仪的理想动力学方程； 2)根据旋转系中的牛顿定律建立微陀螺仪的无量纲动力学方程，并转化为状态空 间形式； 3)建立微陀螺仪的神经网络全局滑模控制系统，基于神经网络全局滑模控制设计 控制律，将其作为微陀螺仪的控制输入，对微陀螺仪进行控制，包括如下步骤： 3-1)定义跟踪误差e为 e = X-Xm (7) X为微陀螺仪运动轨迹，Xm为微陀螺仪理想运动轨迹； 3-2)设计全局动态滑模面s为：本文档来自技高网...

【技术保护点】
微陀螺仪的自适应神经网络全局滑模控制方法，其特征在于，包括如下步骤：1)建立微陀螺仪的理想动力学方程；2)根据旋转系中的牛顿定律建立微陀螺仪的无量纲动力学方程，并转化为状态空间形式；3)建立微陀螺仪的神经网络全局滑模控制系统，基于神经网络全局滑模控制设计控制律，将其作为微陀螺仪的控制输入，对微陀螺仪进行控制，包括如下步骤:3‑1)定义跟踪误差e为e＝X‑Xm        (7)X为微陀螺仪运动轨迹，Xm为微陀螺仪理想运动轨迹；3‑2)设计全局动态滑模面s为：s=e·+Ce-f(t),]]>令e·-f(t)=fe(t),]]>则s＝Ce+fe(t)其中，f(t)是为了达到全局滑模面而设计的函数，f(t)＝f(0)e‑kt，C为滑模系数，k为常数；3‑3)假设微陀螺仪的状态方程中不确定和外部干扰项fm(t)存在上界使用RBF神经网络逼近不确定和外部干扰项的上界得到不确定和外部干扰项的上界的估计值为：ρ‾^=ω^Tφ(x)]]>其中，为神经网络权重向量的估计值，φ(x)是高斯函数；3‑4)设计神经网络全局滑模控制律使微陀螺仪实际轨迹跟踪上理想轨迹：其中，K为参数矩阵K*的估计值，Am为微陀螺仪理想状态方程的系数矩阵，B为微陀螺仪状态方程的系数矩阵；4)基于lyapunov函数理论，设计参数矩阵和神经网络权重向量的自适应律，使控制系统进行在线更新，确保自适应神经网络全局滑模控制系统的渐进稳定性。...

【技术特征摘要】
1. 微陀螺仪的自适应神经网络全局滑模控制方法，其特征在于，包括如下步骤： 1) 建立微陀螺仪的理想动力学方程； 2) 根据旋转系中的牛顿定律建立微陀螺仪的无量纲动力学方程，并转化为状态空间形 式； 3) 建立微陀螺仪的神经网络全局滑模控制系统，基于神经网络全局滑模控制设计控制 律，将其作为微陀螺仪的控制输入，对微陀螺仪进行控制，包括如下步骤： 3-1)定义跟踪误差e为 e=X-Xm (7) X为微陀螺仪运动轨迹，Xm为微陀螺仪理想运动轨迹； 3-2)设计全局动态滑模面s为： S= + (.C- ./(,)， 令々-/(〇=./,:(〇,则S=Ce+fe(t) 其中，f(t)是为了达到全局滑模面而设计的函数，f(t) =f(0)eTkt，C为滑模系数，k为 常数； 3-3)假设微陀螺仪的状态方程中不确定和外部干扰项fm(t)存在上界卢，使 |/(〇||S卢，用RBF神经网络逼近不确定和外部干扰项的上界卢，得到不确定和外部干扰项 的上界卢的估计值/今为： P= ('OrHx) 其中，治为神经网络权重向量的估计值，小（X)是高斯函数； 3-4)设计神经网络全局滑模控制律供，使微陀螺仪实际轨迹跟踪上理想轨迹：其中，K为参数矩阵矿的估计值，Am为微陀螺仪理想状态方程的系数矩阵，B为微陀螺 仪状态方程的系数矩阵； 4) 基于lyapunov函数理论，设计参数矩阵和神经网络权重向量的自适应律，使控制系 统进行在线更新，确保自适应神经网络全局滑模控制系统的渐进稳定性。2. 根据权利要求1所述的微陀螺仪的自适应神经网络全局滑模控制方法，其特征在 于，所述步骤1)中，微陀螺仪的理想动力学方程为： xm =A1Sin(wjt),ym =A2sin(w2t) 其中，xm、ym分别是微陀螺仪在x轴和y轴方向上的理想运动轨迹，WpW2分别是微陀螺 仪在X轴和y轴方向上的振动频率，W1尹W2，且都不为零,ApA2分别为微陀螺仪在X轴和y 轴方向上的振幅，t是时间； 写成向量形式为：<im+Qm...

【专利技术属性】
技术研发人员：储云迪，费峻涛，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏;32