基于RBF神经网络滑模控制微陀螺仪的方法技术

技术编号:7682326 阅读:176 留言:0更新日期:2012-08-16 05:43
本发明专利技术公开了的一种基于RBF神经网络滑模控制微陀螺仪的方法,将切换函数作为RBF神经网络的输入,滑模控制器作为RBF网络的输出,利用神经网络的学习功能,可实现单入单出的神经滑模控制,并综合滑变结构控制、自适应算法以及RBF神经网络的优点,能够达到控制效果。自适应算法根据可达条件实时在线调整RBF神经网络连接权值,从而使得系统最终到达滑模面,完成跟踪,还能够自适应滑模控制策略能够及时的修正和估计所有的硬性错误,阻尼等,通过Lyapunov稳定性定理可知所提出的自适应滑模控制器的稳定性是存在的,系统的鲁棒性较好,还对三维微陀螺仪的数字仿真证明本发明专利技术控制微陀螺仪的方法的有效性。

【技术实现步骤摘要】

本专利技术涉及控制系统
,具体涉及一种自适应的基于RBF神经网络滑模控制微陀螺仪的方法
技术介绍
陀螺仪是很多应用领域中最常用的测量角速度的传感器,比如导航、制导和控制稳定性。陀螺仪是用科里奥利力(即地球自转偏向力)将一个轴上的能量转移到另一个轴上的装置。传统的操作模式缺少驱动陀螺仪从一个模式到一个已知的摆动运动,而检测到的科里奥利加速度耦合到振动的感知模式,振动是和驱动模式是垂直的。振动感知模式的响应提供关于实用角速度的信息。结构的不完整性通常会引起横断面硬度指数和正交阻尼影响的结果,微陀螺仪的性能也受时变参数以及诸如热噪声、机械噪声、感知电路噪声、环境变量、积分误差、参数变量和外部扰动等噪声源的制约,这些干扰在两个振动轴之间产生一个振动失谐频率,而自适应控制是在被控对象的模型知识或环境知识知之不全甚至知之甚少的情况下,使系统能够自动地工作于最优或接近于最优的运行状态,给出高品质的控制性能。模型参考自适应控制是从模型跟踪问题或模型参考控制问题引申出来的。在模型参考控制中,只要设计者非常了解被控对象和它应当满足的要求,即可提出一个被称为“参考模型”的模型,用以描述希望的闭环系统的输入输出性能。模型参考控制的设计任务是寻求一种反馈控制律,使被控对象闭环系统的性能与参考模型的性能完全相同,滑模变结构控制的本质上是一类特殊的非线性控制,其非线性表现为控制的不连续性,这种控制策略和其它控制不同之处在于系统的结构并不固定,而是可以根据系统在动态过程中根据系统的当前状态有目的地不断变化,迫使系统按照预定的滑动模态的状态轨迹运动,但是该方法的存在当状态轨迹到达滑模面后,难于严格地沿着滑模面向着平衡点滑动,而是在滑模面两侧来回穿越,从而产生颤动的缺点。
技术实现思路
本专利技术的目的是为了克服现有技术中单独采用滑模变结构对微陀螺仪控制时,当状态轨迹到达滑模面后,难于严格地沿着滑模面向着平衡点滑动,而是在滑模面两侧来回穿越,从而产生颤动的缺点的问题。本专利技术提供的方法能使得状态轨迹最终到达滑模面,完成跟踪,可实现单入单出的神经滑模控制,提高微陀螺仪控制的稳定性和可靠性。为了解决上述技术问题,本专利技术所采用的技术方案是一种基于RBF神经网络滑模控制微陀螺仪的方法,包括应用在RBF神经网络的滑模控制器上控制系统,其特征在于利用RBF神经网络滑模对微陀螺仪的进行控制,包括以 下步骤,步骤⑴,建立理想的动力学模型设动力学模型的输出为qni,其中qni = [x^y^zjT为三个方向上的陀螺仪的位移,控制目标是保持惯性质量在X,y,z坐标轴方向上以给定的频率摆动,振幅为xm =权利要求1.基于RBF神经网络滑模控制微陀螺仪的方法,其特征在于利用RBF神经网络滑模对微陀螺仪的进行控制,包括以下步骤, 步骤(I),建立理想的动力学模型 设动力学模型的输出为qm,其中qm = T为三个方向上的陀螺仪的位移,控制目标是保持惯性质量在X,I, Z坐标轴方向上以给定的频率摆动,振幅为xm = A1Sin(ω^), ym=A2Sin (ω 2t), zm = A3Siru ω ,t) ·; 步骤(2),建立微陀螺仪系统动力学模型 建立微陀螺仪的状态空间模型方程2.根据权利要求I所述的基于RBF神经网络滑模控制微陀螺仪的方法,其特征在于所述步骤⑵的建立微陀螺仪的状态空间模型S +抑+ Μ = 〃-2Ω^具体包括以下步骤, 1)根据三轴陀螺仪的动态方程3.根据权利要求I所述的基于RBF神经网络滑模控制微陀螺仪的方法,其特征在于所述步骤(4)的建立RBF神经网络的权值调整函数的具体包括以下步骤, I)基于李雅普诺夫理论,到达滑模面的条件是k<0,如果能够选择适当的控制量u (t),使可达条件成立,那么控制系统将会收敛于设计的滑模面上,采用自适应算法不断调整网络权值来寻找最优权值,最小化M的值,RBF神经网络的权值调整的指标为全文摘要本专利技术公开了的一种基于RBF神经网络滑模控制微陀螺仪的方法,将切换函数作为RBF神经网络的输入,滑模控制器作为RBF网络的输出,利用神经网络的学习功能,可实现单入单出的神经滑模控制,并综合滑变结构控制、自适应算法以及RBF神经网络的优点,能够达到控制效果。自适应算法根据可达条件实时在线调整RBF神经网络连接权值,从而使得系统最终到达滑模面,完成跟踪,还能够自适应滑模控制策略能够及时的修正和估计所有的硬性错误,阻尼等,通过Lyapunov稳定性定理可知所提出的自适应滑模控制器的稳定性是存在的,系统的鲁棒性较好,还对三维微陀螺仪的数字仿真证明本专利技术控制微陀螺仪的方法的有效性。文档编号G05B13/04GK102636995SQ20121013456公开日2012年8月15日 申请日期2012年5月3日 优先权日2012年5月3日专利技术者丁红菲, 费峻涛 申请人:河海大学常州校区本文档来自技高网
...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员:费峻涛丁红菲
申请(专利权)人:河海大学常州校区
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1