[发明专利]一种基于神经网络的微陀螺仪反演全局滑模模糊控制方法

权利要求书

1.一种基于神经网络的微陀螺仪反演全局滑模模糊控制方法，其特征在于：包括以下步骤：

1)、建立微陀螺仪的理想对力学方程；

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)、建立基于神经网络的反演全局滑模模糊控制器，基于神经网络的反演全局滑模模糊控制设计控制律，将其作为微陀螺仪的控制输入，包括如下步骤：

3-1)、设计反演PID全局滑模面S(t)为：

其中，e₁为跟踪误差，e₁＝X₁-q_d，X₁＝q为微陀螺仪的运动轨迹，q_d为微陀螺仪的理想运动轨迹，e₂＝X₂-α₁，α₁为虚拟控制量，f(t)是为了达到全局滑模面而设计的函数，λ₁，λ₂为滑模系数；

3-2)、设计反演全局滑模控制律u^BGSMC，使微陀螺仪实际轨迹跟踪上理想轨迹，控制律设计为：

uBGSMC=α·1-Γ(z)-e··1-λ1e·1-λ2e1+f·(t)-S||S||2e1Te2-ρS||S||---(19)]]>

其中：ρ≥E+ξ，ξ是一个任意小的正常数；

3-3)、用RBF神经网络的输出逼近陀螺仪系统的未知动态Γ(z)＝-MX₂-KX₁，设计基于神经网络的反演全局滑模控制律u^BGSMCNN，使微陀螺仪实际轨迹跟踪上理想轨迹，控制律设计为:

uBGSMCNN=α·1-W^Tφ(z)-e··1-λ1e·1-λ2e1+f·(t)-S||S||2e1Te2-ρS||S||---(20)]]>

其中：是Φ的估计值，为RBF神经网络的输出，为RBF神经网络的实时权值，在线不断更新，φ(x)＝[φ₁(x),φ₂(x)…φ_n(x)]^T是高斯基函数；

3-4)、由于ρ未知，用模糊系统的输出逼近整个滑模项，切换控制器的输出变为：设计基于神经网络的反演全局滑模模糊控制律u^BFGSMCNN，使微陀螺仪实际轨迹跟踪上理想轨迹，控制律设计为：

uBFGSMCNN=α·1-W^Tφ(z)-e··1-λ1e·1-λ2e1+f·(t)-S||S||2e1Te2-h^---(21)]]>

其中：h是模糊系统的理想输出，h＝θ^Tψ+σ,σ是误差，在理想模糊参数下，模糊系统的误差最小，σ一致有界，||σ||≤σ_b，σ_b为σ的上界，是h的估计值，为模糊控制系统的输出；

4)、基于lyapunov函数理论，设计自适应律，验证所述基于神经网络的反演全局滑模模糊控制器的稳定性。