[发明专利]基于滑模补偿的微陀螺仪鲁棒神经网络控制系统及方法

说明书

技术领域：

本发明涉及微陀螺仪的神经网络控制系统及方法，特别是涉及一种基于滑模补偿的微陀螺仪鲁棒神经网络控制系统及方法。

背景技术

微陀螺仪（MEMS Gyroscope）是利用微电子技术和微加工技术加工而成的用来感测角速度的惯性传感器。它通过一个由硅制成的振动的微机械部件来检测角速度，因此微机械陀螺仪非常容易小型化和批量生产，具有成本低和体积小等特点。近年来，微机械陀螺仪在很多应用中受到密切地关注，例如，陀螺仪配合微机械加速度传感器用于惯性导航、在数码相机中用于稳定图像、用于电脑的无线惯性鼠标等等。但是，由于生产制造过程中不可避免的加工误差以及环境温度的影响，会造成原件特性与设计之间的差异，导致微陀螺仪存在参数不确定性，难以建立精确的数学模型。再加上工作环境中的外界扰动作用不可忽略，使得微陀螺仪的轨迹追踪控制难以实现，且鲁棒性较低。传统的控制方法完全基于微陀螺仪的名义值参数设计，且忽略正交误差和外界扰动的作用，虽然在大部分情况下系统仍是稳定的，但追踪效果远不理想，这种针对单一环境设计的控制器具有很大的使用局限性。

国内对于微陀螺仪的研究目前主要集中在结构设计及制造技术方面，以及上述的机械补偿技术和驱动电路研究，很少出现用先进控制方法补偿制造误差和控制质量块的振动轨迹，以达到对微陀螺仪的完全控制和角速度的测量。国内研究微陀螺仪的典型机构为东南大学仪器科学与工程学院及东南大学微惯性仪表与先进导航技术重点实验室。

国际上的文章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。

有鉴于上述现有的陀螺仪在控制使用上存在的缺陷，本发明人基于从事多年丰富的实务经验及专业知识，研究出一种基于滑模补偿的微陀螺仪鲁棒神经网络控制系统及方法，利用了神经网络强大的逼近能力，在线实时地估计并补偿建模误差和外界扰动作用，能够极大提高追踪性能和系统的鲁棒性，基于Lyapunov稳定性理论设计的权值更新算法，能够保证闭环系统的全局稳定性。滑模补偿项能够使得系统具有渐近稳定性，即实现无静差追踪以及抗干扰的强鲁棒性。

发明内容：

本发明的目的在于，克服现有的微陀螺仪控制方法存在的缺陷，特别是在存在模型不确定、参数摄动以及外界噪声等各种干扰情况下，为提高微陀螺仪系统对参考轨迹的追踪性能和整个系统的鲁棒性，提供一种基于滑模补偿的微陀螺仪鲁棒神经网络控制系统及方法。

本发明的目的及解决其技术问题是采用以下技术方案来实现的，

基于滑模补偿的微陀螺仪鲁棒神经网络控制系统，包括：

给定轨迹生成模块101，用于输出微陀螺仪两轴振动的参考轨迹；

滑模面定义模块102，用于接收追踪误差，并产生一个滑模面信号输出；

神经网络控制器103，用于接收参考轨迹和追踪误差信号，并产生神经网络控制器输出；

权值自适应机制模块104，用于接收滑模面信号，并产生神经网络权值更新算法；

常规比例微分控制模块105，用于接收滑模面信号，并产生比例微分控制输出；

滑模补偿器106，用于接收滑模面信号，并产生滑模补偿信号输出；

微陀螺仪系统107，被控对象数学模型，考虑了外界干扰的影响，输出振动轨迹的位置和速度信号；

第一加法器108，用于把参考轨迹与微陀螺仪的位置和速度输出相减，并产生追踪误差输出；

第二加法器109，用于接收神经网络输出信号，比例微分控制输出信号和滑膜补偿信号，产生微陀螺仪的控制输入。

前述的神经网络控制器103选用的神经网络结构为RBF神经网络，它包含三层结构：输入层，隐层和输出层，输入层接受系统中的可测量信号输入，隐层采用高斯基函数计算非线性映射后的输出，输出层通过加权各隐层节点的输出得到整个RBF神经网络的输出。

基于滑模补偿的微陀螺仪鲁棒神经网络控制系统的控制方法，包括以下步骤，

1）建立基于滑模面的微陀螺仪动力学模型；

2）设计控制器结构；

3）设计RBF网络权值的更新算法。

前述步骤1），建立基于滑模面的微陀螺仪动力学模型，具体为：