[发明专利]微陀螺仪的递归模糊神经网络非奇异终端滑模控制方法

权利要求书

1.一种基于新型递归模糊神经网络的微陀螺传感器非奇异终端滑模控制方法，其特征在于，包括：

构建微陀螺仪的无量纲动力学方程；根据定义的跟踪误差设计微陀螺仪系统的非奇异终端滑模面函数；

基于第一Lyapunov稳定性判据函数确定加入非奇异终端滑模面函数的非奇异终端滑模控制律，所述非奇异终端滑模控制律包括不确定项；

构建递归模糊神经网络，用递归模糊神经网络输出代替非奇异终端滑模控制律中的不确定项，基于第二Lyapunov稳定性判据构函数建递归模糊神经网络输出的结果和非奇异终端滑模控制律构建最终的控制律，利用最终系统控制律对微陀螺仪系统跟踪控制；

所定义的非奇异终端滑模面函数为：

其中e为系统输出信号和期望信号之间的跟踪误差,为e的导数，β、p、q均为非奇异终端滑模面参数，要求β＞0，p＞q且p和q均为正奇数；

所述非奇异终端滑模控制律的表达式如下：

其中q_m是陀螺仪系统驱动模态和感应模态期望信号构成的矩阵，是q_m的二阶导数，f(q,t)是陀螺仪系统中存在的不确定参数项，L是外界干扰d(t)的上界值，η＞0、η′＞0为指数趋近律中增益常数，sat(s)是非奇异终端滑模面函数的饱和函数；

所述递归模糊神经网络包括输入层、模糊化层和输出层，所述输出层与输入层之间嵌入双闭环连接，所述递归模糊神经网络的系统函数的输入参数包括最优权值W^*，最优中心向量c^*，最优基宽b^*，最优内层反馈增益r^*和最优外层反馈增益所述递归模糊神经网络输出表达式为，

Γ(q,t)＝W^*Tl^*+ε

其中，ε为映射误差，q为非奇异终端滑模面参数；

所述第二Lyapunov稳定性判据函数V₂的表达式为：

其中η₁是权值自适应增益，η₂是中心向量自适应增益，η₃是基宽自适应增益，η₄是内层增益自适应增益，η₅是层增益自适应增益；tr(·)是矩阵的迹，是网络权值真实值和预测值间的偏差，是中心向量真实值和预测值间的偏差，是基宽真实值和预测之间的偏差，是内层增益真实值和预测值之间的偏差，是外层增益真实值和预测值间的偏差，·^T是矩阵的转置，s是非奇异终端滑模面函数；

用递归模糊神经网络的输出代替滑模控制律中的不确定参数项，得到最终控制律为：

其中q_m是陀螺仪系统驱动模态和感应模态期望信号构成的矩阵，是q_m的二阶导数是递归模糊神经网络通过预测陀螺仪系统不确定参数项得到的输出，e为系统输出信号和期望信号之间的跟踪误差,为e的导数，β、p和q均为滑模面设计的参数，L是外界干扰d(t)的上界值，η＞0、η′＞0为指数趋近律中增益常数，s是非奇异终端滑模面函数，sat(s)是非奇异终端滑模面函数的饱和函数；

饱和函数sat(s)表达式为，

其中k为边界层厚度的倒数，δ为边界层厚度；

所述第一Lyapunov函数稳定性判据函数为V₁的表达式为：

其中s是非奇异终端滑模面函数。