基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系统

摘要

本发明公开了一种基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系统，包括陀螺仪和控制电路，所述控制电路包括滑模控制器和RBF神经网络，以三轴陀螺仪在x、y、z三个坐标轴方向上的位移与参考模型的位移之差为滑模控制器的输入。本发明的基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系统，将自适应滑模控制方法在陀螺仪控制中进行应用，以提高系统的稳定性和可靠性，采用RBF神经网络对不确定干扰上界进行自适应学，减少测量误差和外界干扰的影响，有效的降低了抖振的发生，而且控制效果较好。

主权项

1.一种基于RBF神经网络滑模控制的MEMS陀螺仪的自适应控制系统，其特征在于，包括MEMS陀螺仪和控制所述MEMS陀螺仪运动的控制电路，所述控制电路包括基于自适应控制算法设计的滑模控制器和RBF神经网络；所述滑模控制器的输入包含e和q，其中，q＝[x y z]^T为所述MEMS陀螺仪在x、y、z三个坐标轴方向上的位移，e为所述MEMS陀螺仪在x、y、z三个坐标轴方向上的位移q＝[x y z]^T与一参考模型的输出位移q_m＝[x_m y_m z_m]^T之差；所述参考模型形式为其中q_m＝[x_m y_m z_m]^T为三个坐标轴方向上的陀螺仪的目标位移，x_m＝A₁sin(ω₁t)，y_m＝A₂sin(ω₂t)，z_m＝A₃sin(ω₃t)，k_m＝diag{ω₁²,ω₂²,ω₃²},其中，A₁、A₂、A₃分别是MEMS陀螺仪在x、y、z三个坐标轴方向上的振幅，t是时间,ω₁、ω₂、ω₃分别是MEMS陀螺仪在x、y、z三个坐标轴方向上给定的振动频率；所述滑模控制器的输出为输入所述MEMS陀螺仪的控制信号；所述RBF神经网络的输入为$x=\left[\begin{array}{cc}q& \stackrel{·}{q}\end{array}\right],$所述RBF神经网络的输出为作用于所述MEMS陀螺仪的系统的不确定参数上界值的估计值；所述RBF神经网络的输出为其中，为RBF神经网络的权值，φ(x)为高斯函数，i＝1,2,…,n,其中n是输出节点的个数，φ(x)＝[φ₁,φ₂,…,φ_n]^T,φ_i(x)是第i个高斯函数φ(x)，m_i是第i个神经元的中心位置，σ_i为第i个神经元的宽度；所述控制信号u(t)为：$u\left(t\right)=-{k_3}^{T}q-{k_4}^T\stackrel{·}{q}-{\mathrm{ce}}_2+k_{m}q+{\stackrel{··}{q}}_m-\hat{\bar{\rho }}\left(t\right)\frac{s}{\left|\right|s\left|\right|},$式中，c,k₃^T,k₄^T为可调参数，滑模面变量s＝ce₁+e₂，其中，$\left\{\begin{array}{c}{e}_1=q-q_m\\ e_2=\stackrel{·}{q}-{\stackrel{·}{q}}_m\end{array}\right.,$为滑模的单位控制信号，是通过RBF神经网络在线自适应学习的值，$\hat{\bar{\rho }}\left(t\right)=\hat{\bar{\rho }}(x,\omega ).$