一种估计时变角速度的Z轴陀螺仪滑模控制方法技术

本申请公开了一种估计时变角速度的Z轴陀螺仪滑模控制方法。所述方法在获得微陀螺仪跟踪误差和设计的滑模面的基础上，基于所述跟踪误差和滑模面，采用RBF神经网络估计时变角速度参数矩阵，并根据所述滑模面和所述估计时变角速度参数矩阵设计微陀螺仪控制律，最终正确估计出连续变化的角速度信号。本发明专利技术方法能够在角速度连续变化的情况下，采用神经网络对时变角速度进行估计，通过设计神经网络权值自适应规律完成权值的自适应调整，保证系统的稳定性，提高陀螺仪的测量精度。

A sliding mode control method for z-axis gyroscope with time-varying angular velocity estimation

The application discloses a sliding mode control method for z-axis gyroscope to estimate time-varying angular velocity. Based on the tracking error and sliding surface, RBF neural network is used to estimate the time-varying angular velocity parameter matrix, and the control law of the micro gyroscope is designed according to the sliding surface and the estimated time-varying angular velocity parameter matrix. The method of the invention can estimate the time-varying angular speed by using neural network under the condition of continuous change of angular speed, and complete the adaptive adjustment of the weight by designing the weight adaptive law of neural network, so as to ensure the stability of the system and improve the measurement accuracy of gyroscope.

【技术实现步骤摘要】
一种估计时变角速度的Z轴陀螺仪滑模控制方法
本专利技术涉及自动控制系统领域，尤其涉及一种估计时变角速度的Z轴陀螺仪滑模控制方法。
技术介绍
MEMS陀螺仪是常用的传感器，用于测量角速度。主要应用于导航、手机、四轴飞行器等场合。陀螺仪的工作原理是基于科里奥利力引起检测质量的惯性效应。当有角速度输入时，会在微陀螺仪上产生一个同时垂直于角速度方向和初始振动方向的科氏力，并且它的大小正比于输入角速度。通过检测由科氏力引起的振动位移，并经过解调、放大、滤波等一系列处理后便可得到所需的角速度信号。通常，在陀螺控制系统中，可以采用自适应滑模控制来实现期望的轨迹跟踪并通过自适应算法完成角速度信号的估计。但是，传统自适应算法只适用于角速度信号长期恒定的情况。而在实际情况中，物体旋转的角速度肯定是变化的，这样就使得传统自适应算法对角速度估计的不准确。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种估计时变角速度的Z轴陀螺仪滑模控制方法，旨在通过采用神经网络对时变角速度进行估计，通过设计神经网络权值自适应规律完成权值的自适应调整，保证系统的稳定性。为解决上述技术问题，本专利技术提供了一种估计时变角速度的Z轴陀螺仪滑模控制方法，包括以下步骤：1)建立微陀螺仪动力学模型，根据所述模型输出微陀螺仪运动轨迹；所述模型如下式所示：上式中，式中，q为陀螺仪的运动轨迹，u为陀螺仪的控制输入，D为阻尼参数矩阵，K为弹簧参数矩阵，Ω为角速度参数矩阵，d为外界干扰；2)根据步骤1)得到的微陀螺仪运动轨迹计算跟踪误差，根据跟踪误差建立滑模面；所述跟踪误差如下式所示：e＝qd-q(2)上式中，e为跟踪误差，qd为微陀螺仪运动参考轨迹；所述滑模面根据如下公式建立：式中，S为滑模面，λ为滑模面参数；3)采用RBF神经网络根据所述跟踪误差输出估计时变角速度参数矩阵，并根据所述滑模面和所述估计时变角速度参数矩阵设计微陀螺仪的控制律；所述估计时变角速度参数矩阵为：上式中，为估计时变角速度参数矩阵，为RBF神经网络权值，φ1，φ2为高斯基函数；所述微陀螺仪的控制律为：上式中，u为微陀螺仪的控制律，为q的一阶导数，为qd的一阶导数，ρ为鲁棒项增益，sgn()为符号函数；4)基于Lyapunov稳定性理论，设计Lyapunov函数，根据Lyapunov函数设计RBF神经网络权值的更新算法，并将所述更新算法应用于RBF神经网络，以确保跟踪误差收敛到零，保证系统稳定；所述Lyapunov函数为：其中，η1、η2为RBF神经网络权值自适应律增益参数，取为正数，为权值估计误差；所述更新算法为：其中，为微陀螺仪在X，Y轴上的速度，S1，S2为X，Y轴的滑模面。优选的，根据所述滑模面和所述估计时变角速度参数矩阵设计微陀螺仪的控制律，具体为：滑模面的一阶导数为：上式中，为S的一阶导数，为qd的二阶导数；根据RBF神经网络估计时变角速度参数矩阵，令所述并根据所述估计时变角速度参数矩阵设计微陀螺仪的等效控制律，所述等效控制律为：上式中，ueq为微陀螺仪的等效控制律；根据所述滑模面，设计控制律的鲁棒项，所述控制律的鲁棒项为：us＝ρsgn(S)(10)根据所述等效控制律和鲁棒项，设计微陀螺仪的控制律为：与现有技术相比，本专利技术公开了一种估计时变角速度的Z轴陀螺仪滑模控制方法，所述方法在获得微陀螺仪跟踪误差和设计的滑模面的基础上，基于所述跟踪误差和滑模面，采用RBF神经网络估计时变角速度参数矩阵，并根据所述滑模面和所述估计时变角速度参数矩阵设计微陀螺仪控制律，最终正确估计出连续变化的角速度信号。可见，应用本专利技术方法，可以有效补偿系统参数误差，有效提高了控制效果和参数估计效果，进而可以提高微陀螺仪的测量精度。由于RBF神经网络可以逼近任意连续函数，因此也可以将其应用于时变角速度信号的测量。与传统的自适应算法相比，本专利技术能够在陀螺系统测量角速度时变的情况下，采用神经网络对时变角速度进行估计，通过设计神经网络权值自适应规律完成权值的自适应调整，避免角速度估计不准确，保证系统的稳定性。附图说明图1为本专利技术实施例提供的估计时变角速度的Z轴陀螺仪滑模控制方法原理图。图2为本专利技术实施例中X,Y轴位置跟踪曲线；图3为本专利技术实施例中X,Y轴位置跟踪误差曲线；图4为本专利技术实施例中Z轴陀螺仪模型时变角速度参数辨识曲线。具体实施方式为了进一步理解本专利技术，下面结合实施例对本专利技术优选实施方案进行描述，但是应当理解，这些描述只是为了进一步说明本专利技术的特征和优点，而不是对本专利技术权利要求的限制。如图1所示，本专利技术提供了一种估计时变角速度的Z轴陀螺仪滑模控制方法，包括如下步骤：1)建立微陀螺仪动力学模型，根据所述模型输出微陀螺仪运动轨迹：微陀螺仪的数学模型为：其中，x、y为微陀螺仪在X、Y轴方向上的位移，ux、uy为微陀螺仪在X、Y轴方向上的控制输入，dxx、dyy为X、Y轴方向弹簧的弹性系数，ωxx、ωyy为X、Y轴方向的阻尼系数，dxy、dyx、ωxy、ωyx是由于加工误差等引起的耦合参数，Ωz为质量块自转的角速度。将陀螺模型写成状态空间表达式得：其中，q1＝q，式中，q为陀螺仪的运动轨迹，u为陀螺仪的控制输入，D为阻尼参数矩阵，K为弹簧参数矩阵，Ω为角速度参数矩阵。考虑外界干扰，则系统模型可以写成：其中d为外界干扰.我们做以下合理假设假设1.外界干扰存在上界，并假设上界为D，D为一正数。系统外界干扰d和干扰上界D满足不等式D-d≥Δ，Δ为一小正数。2)根据步骤1)得到的微陀螺仪运动轨迹计算跟踪误差，根据所述跟踪误差建立滑模面：理想振动轨迹为为实际振动轨迹。定义微陀螺仪的跟踪误差为：e＝qd-q(15)根据所述跟踪误差，设计滑模面为：其中，λ为滑模面参数，取为二阶对角阵，且其对角线元素为正数。3)采用RBF神经网络根据所述跟踪误差输出估计时变角速度参数矩阵，并根据所述滑模面和所述估计时变角速度参数矩阵设计微陀螺仪的控制律：不考虑外界干扰，对滑模面进行求导并令滑模面导数可以得到等效控制律为上式中，ueq为微陀螺仪的等效控制律，为q的导数，为qd的导数；根据所述滑模面，设计控制律的鲁棒项为：us＝ρsgn(S)(18)上式中，us为微陀螺仪控制律的鲁棒项，ρ为鲁棒项增益，sgn()为符号函数；在系统模型完全已知的情况下，可以设计最终控制律为其中，u为微陀螺仪的控制律。由于控制律中包含微陀螺仪角速本文档来自技高网...

【技术保护点】
1.一种估计时变角速度的Z轴陀螺仪滑模控制方法，其特征在于，包括以下步骤：/n1)建立微陀螺仪动力学模型，根据所述模型输出微陀螺仪运动轨迹；/n所述模型如下式所示：/n

【技术特征摘要】
1.一种估计时变角速度的Z轴陀螺仪滑模控制方法，其特征在于，包括以下步骤：
1)建立微陀螺仪动力学模型，根据所述模型输出微陀螺仪运动轨迹；
所述模型如下式所示：



上式中，
式中，q为陀螺仪的运动轨迹，u为陀螺仪的控制输入，D为阻尼参数矩阵，K为弹簧参数矩阵，Ω为角速度参数矩阵，d为外界干扰；
2)根据步骤1)得到的微陀螺仪运动轨迹计算跟踪误差，根据跟踪误差建立滑模面；
所述跟踪误差如下式所示：
e＝qd-q；
上式中，e为跟踪误差，qd为微陀螺仪运动参考轨迹；
所述滑模面根据如下公式建立：



式中，S为滑模面，λ为滑模面参数；
3)采用RBF神经网络根据所述跟踪误差输出估计时变角速度参数矩阵，并根据所述滑模面和所述估计时变角速度参数矩阵设计微陀螺仪的控制律；
所述估计时变角速度参数矩阵为：



上式中，为估计时变角速度参数矩阵，为RBF神经网络权值，φ1，φ2为高斯基函数；
所述微陀螺仪的控制律为：



上式中，u为微陀螺仪的控制律，为q的一阶导数，为qd的一阶导数，ρ为鲁棒项增益，sgn()为符号函数...

【专利技术属性】
技术研发人员：卢成，王慧敏，付建源，朱宁远，张小虎，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏;32