主权项 |
1.微陀螺仪的自适应模糊神经全局快速终端滑模控制方法,其特征在于,包括以下步骤;1)构建微陀螺仪系统的数学模型为:<maths num="0001"><![CDATA[<math><mrow><mover><mi>q</mi><mrow><mo>·</mo><mo>·</mo></mrow></mover><mo>+</mo><mrow><mo>(</mo><mi>D</mi><mo>+</mo><mn>2</mn><mi>Ω</mi><mo>)</mo></mrow><mover><mi>q</mi><mo>·</mo></mover><mo>+</mo><mi>Kq</mi><mo>=</mo><mi>u</mi><mo>+</mo><mi>f</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow></math>]]></maths>其中,q为微陀螺仪的质量块在驱动轴和感测轴两轴的位置向量,为微陀螺仪系统的输出;u为微陀螺仪的控制输入;D为阻尼矩阵;K包含了两轴的固有频率和耦合的刚度系数;Ω为角速率矩阵;f为系统的参数不确定性和外部干扰;2)构建全局快速终端滑模面s为:<maths num="0002"><![CDATA[<math><mrow><mi>s</mi><mo>=</mo><mover><mi>e</mi><mo>·</mo></mover><mo>+</mo><mi>αe</mi><mo>+</mo><msup><mi>βe</mi><mrow><msub><mi>p</mi><mn>2</mn></msub><mo>/</mo><msub><mi>p</mi><mn>1</mn></msub></mrow></msup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow></math>]]></maths>其中,α=diag(α<sub>1</sub>,α<sub>2</sub>),β=diag(β<sub>1</sub>,β<sub>2</sub>)是滑模面常数;e=q-q<sub>r</sub>为跟踪误差;q<sub>r</sub>为质量块沿两轴的理想位置输出向量;q为微陀螺仪的两轴位置输出向量;p<sub>1</sub>,p<sub>2</sub>(p<sub>1</sub>>p<sub>2</sub>)为正奇数;3)构建自适应模糊神经全局快速终端滑模控制器:3-1)对于所述微陀螺仪系统,采用式(6)的滑模面,全局快速终端滑模控制律U由三个控制律组成:U=u<sub>0</sub>+u<sub>1</sub>+u<sub>2</sub> (7)其中,u<sub>0</sub>=a+(D+2Ω)v+Kq,D,K,Ω为微陀螺仪的三个参数矩阵,<img file="FDA0000413504450000013.GIF" wi="554" he="78" /><maths num="0003"><![CDATA[<math><mrow><msub><mi>u</mi><mn>1</mn></msub><mo>=</mo><mo>-</mo><mi>W</mi><mfrac><mi>s</mi><mrow><mo>|</mo><mo>|</mo><mi>s</mi><mo>|</mo><mo>|</mo></mrow></mfrac><mo>,</mo><mi>W</mi><mo>=</mo><mi>diag</mi><mrow><mo>(</mo><msub><mi>w</mi><mn>1</mn></msub><mo>,</mo><msub><mi>w</mi><mn>2</mn></msub><mo>)</mo></mrow><mo>;</mo></mrow></math>]]></maths>W为滑模控制器参数;<img file="FDA0000413504450000015.GIF" wi="441" he="134" />为系统的参数不确定性和外部干扰f的上界;3-2)由于微陀螺仪的三个参数矩阵D,K,Ω未知,根据自适应控制理论,用估计值<img file="FDA0000413504450000016.GIF" wi="251" he="64" />替代参数矩阵D,K,Ω,并设计三个估计值的自适应算法,在线实时更新估计值,则控制律u<sub>0</sub>调整为u'<sub>0</sub>:<maths num="0004"><![CDATA[<math><mrow><msubsup><mi>u</mi><mn>0</mn><mo>′</mo></msubsup><mo>=</mo><mi>a</mi><mo>+</mo><mrow><mo>(</mo><mover><mi>D</mi><mo>^</mo></mover><mo>+</mo><mn>2</mn><mover><mi>Ω</mi><mo>^</mo></mover><mo>)</mo></mrow><mi>v</mi><mo>+</mo><mover><mi>K</mi><mo>^</mo></mover><mi>q</mi><mo>;</mo></mrow></math>]]></maths>3-3)根据模糊神经网络理论,采用模糊神经网络来逼近系统的参数不确定性和外部干扰f的上界ρ(t),并设计模糊神经网络权值的自适应算法,在线实时更新模糊神经网络的输出,模糊神经网络的输出<img file="FDA0000413504450000022.GIF" wi="544" he="76" />其中,<img file="FDA0000413504450000023.GIF" wi="54" he="60" />是模糊神经网络的权值,φ(X)为模糊神经网络的归一化可信度,<maths num="0005"><![CDATA[<math><mrow><mi>X</mi><mo>=</mo><msup><mfenced open='[' close=']'><mtable><mtr><mtd><mi>q</mi></mtd><mtd><mover><mi>q</mi><mo>·</mo></mover></mtd></mtr></mtable></mfenced><mi>T</mi></msup></mrow></math>]]></maths>为模糊神经网络的输入,则控制律u<sub>2</sub>调整为u'<sub>2</sub>:<maths num="0006"><![CDATA[<math><mrow><msubsup><mi>u</mi><mn>2</mn><mo>′</mo></msubsup><mo>=</mo><mo>-</mo><mover><mi>ρ</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mfrac><mi>s</mi><mrow><mo>|</mo><mo>|</mo><mrow><mi>s</mi><mo>|</mo><mo>|</mo></mrow></mrow></mfrac><mo>;</mo></mrow></math>]]></maths>3-4)用所述步骤3-2)和步骤3-3)调整后的控制律u'<sub>0</sub>和u'<sub>2</sub>,代替步骤3-1)中的控制律u<sub>0</sub>和u<sub>2</sub>,得到自适应模糊神经全局快速终端滑模控制器的控制律U''U''=u'<sub>0</sub>+u<sub>1</sub>+u'<sub>2</sub>;3-5)将自适应模糊神经全局快速终端滑模控制器的控制律U''作为微陀螺仪系统的控制输入,带入微陀螺仪系统的数学模型中,实现对微陀螺仪系统的跟踪控制。 |