主权项 |
微陀螺仪神经网络动态PID全局滑模控制方法,其特征在于,包括如下步骤: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)建立神经网络动态PID全局滑模控制器,基于神经网络动态PID全局滑模控制设计控制律,将其作为微陀螺仪的控制输入,包括如下步骤:3‑1)设计PID全局滑模面S(t)为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>S</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><mover><mi>e</mi><mo>·</mo></mover><mo>+</mo><msub><mi>λ</mi><mn>1</mn></msub><mi>e</mi><mo>+</mo><msub><mi>λ</mi><mn>2</mn></msub><msubsup><mo>∫</mo><mn>0</mn><mi>t</mi></msubsup><mi>e</mi><mrow><mo>(</mo><mi>τ</mi><mo>)</mo></mrow><mi>dτ</mi><mo>-</mo><mi>f</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000648092900000011.GIF" wi="680" he="112" /></maths>其中,e为跟踪误差,e=q‑q<sub>m</sub>,q为微陀螺仪的运动轨迹,q<sub>m</sub>为微陀螺仪的理想运动轨迹,f(t)是为了达到全局滑模面而设计的函数,λ<sub>1</sub>,λ<sub>2</sub>为滑模系数,k为常数;3‑2)设计动态PID全局滑模面ζ(t)为:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>ζ</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><mover><mi>S</mi><mo>·</mo></mover><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>λ</mi><mn>3</mn></msub><mi>S</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>λ</mi><mn>4</mn></msub><msubsup><mo>∫</mo><mn>0</mn><mi>t</mi></msubsup><mi>S</mi><mrow><mo>(</mo><mi>τ</mi><mo>)</mo></mrow><mi>dτ</mi></mrow>]]></math><img file="FDA0000648092900000012.GIF" wi="681" he="109" /></maths>其中,λ<sub>3</sub>,λ<sub>4</sub>为滑模系数;3‑3)设计神经网络动态PID全局滑模控制律<img file="FDA0000648092900000013.GIF" wi="231" he="84" />使微陀螺仪实际轨迹跟踪上理想轨迹,控制律设计为:<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msubsup><mi>U</mi><mi>qs</mi><mi>RBFDGSMC</mi></msubsup><mo>=</mo><msubsup><mo>∫</mo><mn>0</mn><mi>t</mi></msubsup><msubsup><mover><mi>U</mi><mo>·</mo></mover><mi>qs</mi><mi>RBFDGSMC</mi></msubsup><mrow><mo>(</mo><mi>τ</mi><mo>)</mo></mrow><mi>dτ</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000648092900000014.GIF" wi="1656" he="149" /></maths><maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><mfenced open='' close=''><mtable><mtr><mtd><msubsup><mover><mi>U</mi><mo>·</mo></mover><mi>qs</mi><mi>RBFDGSMC</mi></msubsup><mo>=</mo><msub><mover><mi>q</mi><mrow><mo>·</mo><mo>·</mo><mo>·</mo></mrow></mover><mi>m</mi></msub><mo>-</mo><mover><mi>H</mi><mo>·</mo></mover><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>-</mo><mi>M</mi><mo>·</mo><mi>Kq</mi><mo>+</mo><mi>MU</mi><mo>+</mo><mi>K</mi><mover><mi>q</mi><mo>·</mo></mover><mo>-</mo><mover><mi>f</mi><mrow><mo>·</mo><mo>·</mo></mrow></mover><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mtd></mtr><mtr><mtd><mo>+</mo><msub><mi>p</mi><mn>1</mn></msub><mi>ψ</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>p</mi><mn>2</mn></msub><mover><mi>e</mi><mo>·</mo></mover><mo>+</mo><msub><mi>p</mi><mn>3</mn></msub><mi>e</mi><mo>+</mo><msub><mi>p</mi><mn>4</mn></msub><msubsup><mo>∫</mo><mn>0</mn><mi>t</mi></msubsup><mi>e</mi><mrow><mo>(</mo><mi>τ</mi><mo>)</mo></mrow><mi>dτ</mi><mo>-</mo><msub><mi>λ</mi><mn>3</mn></msub><mover><mi>f</mi><mo>·</mo></mover><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>λ</mi><mn>4</mn></msub><mi>f</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>+</mo><mover><mi>Φ</mi><mo>^</mo></mover><mo>+</mo><msub><mi>K</mi><mi>v</mi></msub><mi>ζ</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000648092900000015.GIF" wi="1659" he="205" /></maths>其中:<img file="FDA0000648092900000016.GIF" wi="616" he="86" />p<sub>1</sub>=(λ<sub>1</sub>+λ<sub>3</sub>),p<sub>2</sub>=(λ<sub>2</sub>+λ<sub>1</sub>λ<sub>3</sub>+λ<sub>4</sub>),p<sub>3</sub>=(λ<sub>2</sub>λ<sub>3</sub>+λ<sub>1</sub>λ<sub>4</sub>),p<sub>4</sub>=(λ<sub>2</sub>λ<sub>4</sub>),<img file="FDA0000648092900000017.GIF" wi="733" he="77" />K<sub>v</sub>为正常数;<img file="FDA0000648092900000018.GIF" wi="362" he="81" />是动态PID全局滑模控制系统中的不确定项,<img file="FDA0000648092900000019.GIF" wi="46" he="69" />是Φ的估计值,为RBF神经网络的输出;4)基于lyapunov函数理论,设计自适应律,验证所述神经网络动态PID全局滑模控制器的稳定性。 |