[发明专利]基于RBF神经网络滑模控制微陀螺仪的方法

说明书

技术领域

本发明涉及控制系统技术领域，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。

背景技术

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。

发明内容

本发明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。本发明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，本发明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(1)，建立理想的动力学模型

设动力学模型的输出为q_m，其中q_m＝[x_my_mz_m]^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，y，z坐标轴方向上以给定的频率摆动，振幅为x_m＝A₁sin(ω₁t)，y_m＝A₂sin(ω₂t)，z_m＝A₃sin(ω₃t).；

步骤(2)，建立微陀螺仪系统动力学模型