[发明专利]微陀螺仪的神经网络全局滑模控制方法

说明书

技术领域

本发明涉及微陀螺仪的控制方法，特别是涉及微陀螺仪的神经网络全局滑模控制方法。

背景技术

微陀螺仪是惯性导航和惯性制导系统的基本测量元件。因其在体积和成本方面的巨大优势，微陀螺仪广泛应用于航空、航天、汽车、生物医学、军事以及消费电子领域。但是，由于设计与制造中的误差存在和温度扰动，会造成原件特性与设计之间的差异，降低了微陀螺仪系统的性能。微陀螺仪本身属于多输入多输出系统并且系统参数存在不确定性以及易受外界环境的影响。补偿制造误差和测量角速度成为微陀螺仪控制的主要问题，有必要对微陀螺仪系统进行动态补偿和调整。

目前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。

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，特别是提高微陀螺仪系统在存在模型不确定、参数摄动以及外界噪声等各种干扰，在消除系统抖振的情况下而不影响理想轨迹的追踪性能和整个系统的鲁棒性，提供一种微陀螺仪的神经网络全局滑模控制方法。

本发明采用的技术方案是：

微陀螺仪的神经网络全局滑模控制方法，包括如下步骤：

1）建立微陀螺仪的理想动力学方程；

2）根据旋转系中的牛顿定律建立微陀螺仪的无量纲动力学方程；

3）建立神经网络全局滑模控制系统，基于神经网络全局滑模控制设计控制律，将其作为微陀螺仪的控制输入，包括如下步骤

3-1）设计全局动态滑模面s为：

其中，e为跟踪误差，e＝q-q_m，q为微陀螺仪运动轨迹，q_m为理想轨迹

f(t)是为了达到全局滑模面而设计的函数，f(t)＝f(0)e^-kt

c为滑模系数，k为常数；

3-2）设计神经网络全局滑模控制律u₁，使微陀螺仪实际轨迹跟踪上理想轨迹，

u₁＝u_eq+u_vs+u_n

其中，

其中M，K为微陀螺仪向量方程中的参量，q为微陀螺仪的实际运动轨迹，u_n是RBF神经网络的输出，是神经网络中被估计的权重向量，φ(x)＝[φ₁(x),φ₂(x)...φ_n(x)]^T是高斯函数，n表示神经网络隐层节点的个数，R=-(-q..m+cq.m)]]>

4）采用lyapunov函数理论，设计自适应律，验证所述神经网络全局滑模控制系统的渐进稳定性

所述lyapunov函数V设计为：

自适应律设计为：

其中，r是学习速率，ω＝[ω₁,ω₂...ω_n]^T是神经网络中的权重向量，是被估计的权重向量的误差，

前述的步骤1）中，微陀螺仪的理想动力学方程为：

x_m＝A₁sin(w₁t),y_m＝A₂sin(w₂t)