本发明专利技术公开了一种基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系统，包括陀螺仪和控制电路，所述控制电路包括滑模控制器和RBF神经网络，以三轴陀螺仪在x、y、z三个坐标轴方向上的位移与参考模型的位移之差为滑模控制器的输入。本发明专利技术的基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系统，将自适应滑模控制方法在陀螺仪控制中进行应用，以提高系统的稳定性和可靠性，采用RBF神经网络对不确定干扰上界进行自适应学习，减少测量误差和外界干扰的影响，有效的降低了抖振的发生，而且控制效果较好。
【技术实现步骤摘要】
本专利技术涉及陀螺仪的控制系统，属于自动控制系统领域。
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，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，因此，有必要用先进的控制系统控制陀螺仪。由此可见，上述现有的陀螺仪的控制系统在使用上，显然仍存在有不便与缺陷，而亟待加以进一步改进。为了解决陀螺仪的控制系统存在的问题，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。专利技术的内容本专利技术的主要目的在于，克服现有的陀螺仪的控制系统存在的缺陷，而提供一种新型结构的基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系统，MEMS陀螺仪是微机械陀螺仪，(MEMS即Micro Electro Mechanical Systems)，所要解决的技术问题是使其将自适应滑模控制方法在陀螺仪控制中进行应用，以提高系统的稳定性和可靠性，从而更加适于实用，且具有产业上的利用价值。本专利技术的目的及解决其技术问题是采用以下技术方案来实现的。本专利技术提出的一种基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系统，包括MEMS陀螺仪和控制所述MEMS陀螺仪运动的控制电路，所述控制电路包括基于自适应控制算法设计的滑模控制器和RBF神经网络。所述滑模控制器的输入包含e =q，其中，q = τ为所述MEMS陀螺仪在χ、y、ζ三个坐标轴方向上的位移，e为所述MEMS陀螺仪在x、y、ζ三个坐标轴方向上的位移q= T与一参考模型的输出位移qm= T之差。自适应法则调整滑模控制器，使滑模控制器能够到达理想的滑模运动轨迹，并保持在这个轨迹上运动。所述MEMS陀螺仪的控制目标保持惯性质量在χ、y、ζ三个坐标轴方向上以给定的频率摆动，所述参考模型形式为礼+I^ = 0，其中Qffl= T为三个坐标轴方向上的陀螺仪的目标位移，^11 = A1Sin(COlt), ym =A2Sin (ω 2t), zm = A3sin (ω 3t)，心=必+邓{糾2,6；22,6；32},其中，A1、A2、A3 分别是 MEMS 陀螺仪在X、y、ζ三个坐标轴方向上的振幅，t是时间，ω” ω2、ω3分别是MEMS陀螺仪在χ、y、 ζ三个坐标轴方向上给定的振动频率。所述滑模控制器的输出为输入所述MEMS陀螺仪的控制信号。所述RBF神经网络的输入为x = b引，所述RBF神经网络的输出为作用于所述 MEMS陀螺仪的系统的不确定参数上界值的估计值。所述RBF神经网络的输出为方(χ, ) = V(X)，其中，为RBF神经网络的权值，Φ (χ)为高斯函数，论(χ) = exp(-Ilx-^ll )，i = τCri1,2,…，η，其中η是输出节点的个数，Φ(χ) = τ，Φ i (χ)是第i个高斯函数Φ (x)，Hii是第i个神经元的中心位置，σ i为第i个神经元的宽度。所述控制信号u (t)为= -k“ -KiI- cei +k^+夂-^(Opj，式中，，τ ι『为可调参数，滑模面变量S = Cei+e2，其中，P1 —『^“，“为滑模的单位控制信号，方(0是通过RBF神经网络在线自适应学习的值，方⑴=乡(X, )。定义Lyapunov 函数为:V = ^st s+ ^tr + ^ηι Τ ,其中η = ε0-ε > 0, ε 0 和 ε i 的取值满足c/φ{χ)_ρ{ ) = ε(χ)且 | ε (χ) | < ε ” p{t)~\p{t)\ > S0 > S1，风0为不确定参数的上界。求得的自适应算法在线调整权值为S=T7Hp(X),!^ k4的自适应法则为 k3T (t) = -Msqr，k4T (t) = -Msqr。借由上述技术方案，本专利技术基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系统至少具有下列优点首先，采用先进的控制方法控制微陀螺仪，减少测量误差和外界干扰的影响，从而保证陀螺仪能正常的工作。其次，采用滑模控制器对陀螺仪系统进行控制，是利用滑模变结构控制的优点进行设计的。由于滑动模态可以进行设计且与对象参数及扰动无关，这就使得滑模控制具有快速响应、对应参数变化及扰动不灵敏、无需系统在线辨识、物理实现简单等优点。最后，现有技术中对不确定的干扰上界都是采用固定值估计，这样系统容易产生抖振，控制效果不是很好。RBF神经网络是一种三层前向网络，由输入到输出的映射是非线性的，而隐含层空间到输出空间的映射是线性的，从而大大加快了学习速度并避免局部极小的问题。本专利技术采用RBF神经网络对不确定干扰上界进行自适应学习，有效的降低了抖振的发生，而且控制效果较好。综上所述，本专利技术的基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系统，将自适应滑模控制方法在陀螺仪控制中进行应用，以提高系统的稳定性和可靠性，其具有上述诸多的优点及实用价值，其不论在结构上或功能上皆有较大的改进，在技术上有较大的进步，并产生了好用及实用的效果，且较现有的陀螺仪的控制系统具有增进的多项功效，从而更加适于实用，而具有产业的广泛利用价值，诚为一新颖、进步、实用的新设计。附图说明图1为本专利技术所述的基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系 统的原理图。具体实施例方式为更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合 附图及较佳实施例，对依据本专利技术提出的基于RBF神经网络滑模控制的MEMS陀螺仪的自适 应控制系统其具体实施方式、结构、特征及其功效，进行详细说明。如图1所示，本实例中的自适应滑模变结构控制器设计为三轴陀螺仪的动态方程为权利要求1.一种基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系统，其特征在于，包括MEMS陀螺仪和控制所述MEMS陀螺仪运动的控制电路，所述控制电路包括基于自适应控制算法设计的滑模控制器和RBF神经网络。2.根据权利要求1所述的基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系统，其特征在于，所述滑模控制器的输入包含e和q，其中，q= τ为所述MEMS陀螺仪在χ、y、ζ三个坐标轴方向上的位移，e为所述MEMS陀螺仪在x、y、ζ三个坐标轴方向上的位移q= T与一参考模型的输出位移qm= T之差。3.根据权利要求2所述的基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系统，其特征在于，所述参考模型形式为礼礼=0，其中qm= τ为三个坐标轴方向上的陀螺仪的目标位移，I = A1Sin(ω J)，ym = A2Sin(ω2 ), zm = A3Sin(ω3t)， km=diag{ai2^22^2},其中，A”A2、A3分别是MEMS陀螺仪在x、y、ζ三个坐标轴方向上的振幅，t是时间，ω” ω2、ω3分别是MEMS陀螺仪在x、y、z三个坐标轴方向上本文档来自技高网...
【技术保护点】
１．一种基于ＲＢＦ神经网络滑模控制的ＭＥＭＳ陀螺仪的自适应控制系统，其特征在于，包括ＭＥＭＳ陀螺仪和控制所述ＭＥＭＳ陀螺仪运动的控制电路，所述控制电路包括基于自适应控制算法设计的滑模控制器和ＲＢＦ神经网络。
【技术特征摘要】
【专利技术属性】
技术研发人员：费峻涛，丁红菲，杨玉正，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：32
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。