[发明专利]微陀螺仪双递归扰动模糊神经网络分数阶滑模控制方法

说明书

一种微陀螺仪双递归扰动模糊神经网络分数阶滑模控制方法，包括如下步骤：S1：建立微陀螺仪数学模型，并设计分数阶滑模面；S2：设计分数阶滑模控制律，将其作为控制输入对微陀螺仪进行滑模控制；S3：基于双递归扰动模糊神经网络和Lyapunov稳定性设计自适应控制算法，对神经网络未知参数进行实时更新，保证系统运动点的轨迹稳定跟踪动力学模型的轨迹。本发明利用模糊系统和神经网络的结合，在线实时对系统未知部分进行估计，用估计值代替其自身的真值，用于解决实际系统中含有未知参数的未知部分无法准确得到的问题。

技术领域

本发明涉及微陀螺仪双递归扰动模糊神经网络分数阶滑模控制方法，属于微陀螺仪的控制技术领域。

背景技术

陀螺仪运用的原理主要是角动量守恒定律，是一种具备传感、维持方向稳定和角运动检测功能的装置，具有抗拒方向改变的趋势。与传统的陀螺仪相比，微陀螺具备众多优点，应用范围广泛，可用于航空、航天、航海、汽车安全、生物工程、大地测量、环境监控等领域，特别是在对尺寸和重量等要求很严格的领域，相比于传统陀螺仪而言，微陀螺有极其显著的优势。

然而，由于MEMS工艺本身加工精度的限制以及设计原理本身的局限性，使得目前的技术还没有取得一个质的飞跃，依然停留在速率级上难以进步，很难达到战术级和惯性级的要求。其结构尺寸通常为微米级，集成封装后，尺寸也仅在毫米量级，导致硅微陀螺仪的灵敏度、精度等与理想的状况有所出入，微陀螺仪主要解决的问题就是补偿加工过程中的误差和对角速度进行测量。

发明内容

为了解决现有的技术缺陷，本发明提供一种微陀螺仪双递归扰动模糊神经网络分数阶滑模控制方法，利用模糊系统和神经网络的结合，在线实时对系统未知部分进行估计，用估计值代替其自身的真值，用于解决实际系统中含有未知参数的未知部分无法准确得到的问题。

一种微陀螺仪双递归扰动模糊神经网络分数阶滑模控制方法，包括如下步骤：

S1：建立微陀螺仪数学模型，并基于微陀螺仪数学模型设计分数阶滑模面；

S2：基于步骤S1建立的微陀螺仪数学模型和设计的分数阶滑模面设计分数阶滑模控制律，将其作为控制输入对微陀螺仪进行滑模控制，其中，所述控制律包括等效控制律和切换控制律；

S3：基于双递归扰动模糊神经网络和Lyapunov稳定性设计自适应控制算法，对神经网络未知参数进行实时更新，保证系统运动点的轨迹稳定跟踪动力学模型的轨迹。

优选地，所述步骤S1中建立微陀螺仪数学模型具体步骤如下：

S1-1：建立动力学模型的转动坐标系，转动坐标系包括微陀螺仪驱动振动的方向、检测振动的方向和输入角速度的方向，基于转动坐标系建立微陀螺仪驱动模态和检测模态的基本动力学模型，其中，设定X轴为微陀螺仪驱动振动的方向，Y轴为微陀螺仪检测振动的方向，Z轴为输入角速度的方向，微陀螺仪驱动模态和检测模态的基本动力学模型如公式(1)所示：

式中，m为质量块的质量，x,y为质量块在驱动振动方向和检测振动方向的位置向量，是x的一阶导数，是x的二阶导数，是y的一阶导数，是y的二阶导数，d_x为驱动振动方向的阻尼系数，d_y为检测振动方向的阻尼系数，k_x为驱动振动方向的刚度系数，k_y为检测振动方向的刚度系数，u_x为驱动振动方向的控制输入，u_y检测振动方向的控制输入，Ω_z为z轴上输入的角速度，是Ω_z的一阶导数；

S1-2：对基本动力学模型进行结构误差修正，如公式(2)所示：