[发明专利]基于复合学习的MEMS陀螺仪预设性能非奇异滑模控制方法

说明书

本发明涉及一种基于复合学习的MEMS陀螺仪预设性能非奇异滑模控制方法，该方法考虑存在参数摄动的MEMS陀螺动力学模型，结合平行估计模型构建神经网络预测误差，设计神经网络权值的复合自适应律，修正神经网络的权重系数，实现未知动力学的有效动态估计；引入性能函数使跟踪误差受限，并通过误差转换将受限的跟踪误差转换为不受限的转换误差，设计基于转换误差的滑模控制器和复合学习律，实现MEMS陀螺的预设性能控制；设计非奇异终端滑模控制器实现未知动力学的前馈补偿，并避免系统奇异问题。本发明解决MEMS陀螺系统奇异、超调及跟踪误差无法预先设计的问题，进一步提高MEMS陀螺仪的控制精度，改善陀螺性能。

技术领域

本发明涉及一种MEMS陀螺仪的模态控制方法，特别是涉及一种基于复合学习的MEMS陀螺仪预设性能非奇异滑模控制方法，属于智能化仪器仪表领域。

背景技术

MEMS陀螺仪是一种体积小、功耗低、成本低、易集成的角运动测量传感器，广泛应用于各种低精度的消费电子及工业领域。为进一步提高MEMS陀螺的测量精度，《Slidingmode control of MEMS gyroscopes using composite learning》(Rui Zhang,TianyiShao,Wanliang Zhao,Aijun Li,Bin Xu，《Neurocomputing》，2018)一文提出一种基于平行估计模型的MEMS陀螺仪复合学习控制方法。一方面构建神经网络预测误差和跟踪误差，设计神经网络权值的复合自适应律，修正神经网络的权重系数，实现未知动力学的有效动态估计；另一方面由于系统处于滑动模态时，对参数不确定不敏感，设计滑模控制器，实现未知动力学的前馈补偿。这种方法虽然通过提高MEMS陀螺驱动控制精度改善了陀螺性能，但并未考虑滑模控制的奇异问题以及系统超调、跟踪误差无法预先设计的问题。

发明内容

要解决的技术问题

为克服现有技术未考虑滑模控制奇异问题以及系统超调、跟踪误差无法预先设计的不足，本发明提出了一种基于复合学习的MEMS陀螺仪预设性能非奇异滑模控制方法。该方法一方面引入性能函数使跟踪误差受限，并通过误差转换将受限的跟踪误差转换为不受限的转换误差，设计基于转换误差的滑模控制器和复合学习律，实现MEMS陀螺的预设性能控制；另一方面给出非奇异滑模控制器，避免系统的奇异问题。

技术方案

1.一种基于复合学习的MEMS陀螺仪预设性能非奇异滑模控制方法，其特征在于步骤如下：

步骤1：考虑存在参数摄动的MEMS陀螺动力学模型为：

其中，m为检测质量块的质量；Ω_z为陀螺输入角速度；和x^*分别为MEMS陀螺仪检测质量块沿驱动轴的加速度，速度和位移；和y^*分别为沿检测轴的加速度，速度和位移；和为静电驱动力；d_xx和d_yy为阻尼系数；k_xx和k_yy为刚度系数；和为非线性系数；d_xy为阻尼耦合系数，k_xy为刚度耦合系数；且其中和是参数标称值，根据MEMS陀螺参数选取；Δk_xx、Δk_yy、Δd_xx、Δd_yy、Δk_xy和Δd_xy是未知的不确定参数；

取无量纲化时间t^*＝ω_ot，并在(1)两边同时除以参考频率的平方参考长度q₀和检测质量块质量m，对MEMS陀螺动力学模型进行无量纲化处理，得到

其中，

重新定义相关系统参数为