[发明专利]基于递归模糊神经网络的微陀螺传感器终端滑模控制系统

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终端滑模控制系统，其特征在于，包括：系统无量纲动力学方程构建模块、终端滑模面函数构建模块、终端滑模控制律确定模块、递归模糊神经网络建立模块、稳定性判断模块、系统控制律确定模块以及系统控制模块；

所述系统无量纲动力学方程构建模块，用于构建微陀螺仪的无量纲动力学方程；

所述终端滑模面函数构建模块，用于基于系统无量纲动力学方程构建模块确定的所述无量纲动力学方程，根据设定的跟踪误差设计微陀螺仪系统的终端滑模面函数；

所述终端滑模控制律确定模块，用于基于终端滑模面函数构建模块构建的所述终端滑模面函数确定包括系统不确定参数的终端滑模控制律；

所述递归模糊神经网络建立模块，用于构建递归模糊神经网络，并用递归模糊神经网络的输出逼近系统终端滑模控制律中的不确定参数；

系统控制律确定模块，用于基于所述稳定性判断模块的判定结果及所述递归模糊神经网络建立模块的输出结果，确定最终系统控制律；

所述稳定性判断模块，用于验证所述控制系统的渐进稳定性以及验证最终系统控制律的渐进稳定性；

所述系统控制模块，用于利用最终系统控制律对微陀螺仪系统跟踪控制；

所述终端滑模面函数构建模块构建的终端滑模面函数表达式为：

β、p和q均为滑模面参数，为跟踪误差e的导数，β是一个常数，p,q均为正奇数，且满足0＜q＜p；

所述终端滑模控制律确定模块确定的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，f(q,t)是陀螺仪系统中存在的不确定参数项，为跟踪误差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和η′为指数趋近律中增益常数，η＞0，η′＞0；s是终端滑模面函数，sat(s)为饱和函数；

所述递归模糊神经网络建立模块用于逼近不确定项的新型递归模糊神经网络结构由输入层、模糊化层和输出层三层构成，其中输出层与输入层之间嵌入内外双层反馈环连接；

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，q为滑模面参数,ε为映射误差；

所述递归模糊神经网络建立模块中用递归模糊神经网络的输出代替终端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的期望信号构成的矩阵，是期望信号的二阶导数构成的矩阵，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，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和η′为指数趋近律中增益常数，η＞0，η′＞0,s是终端滑模面函数,sat(s)为饱和函数；

饱和函数为

其中δ为边界层厚度；

Lyapunov稳定性判据函数的表达式如下：

其中S是终端滑模面函数，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是外层增益自适应增益；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。