[发明专利]微陀螺仪的神经网络全局滑模控制方法

摘要

本发明公开了一种微陀螺仪的神经网络全局滑模控制方法，建立神经网络全局滑模控制系统，设计控制律，并将其作为微陀螺仪的控制输入，并基于Lyapunov函数理论设计自适应律，验证闭环系统的稳定性。全局滑模控制通过设计动态非线性滑模面来实现，其消除滑模控制的到达运动阶段不具有鲁棒性的缺点，使系统在响应的全过程都具有鲁棒性，神经网络全局滑模控制利用全局滑模控制和神经网络的智能控制功能，以降低各自的缺点。本发明简化了滑模系数的选取，提高了滑模控制系统的瞬态特性和鲁棒性，使闭环控制系统具有了全局鲁棒性，并消除了滑模控制中的抖振，为微陀螺仪应用范围的扩展提供了有力基础。

主权项

1.微陀螺仪的神经网络全局滑模控制方法，其特征在于，包括如下步骤：1）建立微陀螺仪的理想动力学方程；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）建立神经网络全局滑模控制系统，基于神经网络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）设计全局动态滑模面s为：其中，e为跟踪误差，e＝q-q_m，q为微陀螺仪运动轨迹，q_m为理想轨迹，f(t)是为了达到全局滑模面而设计的函数，f(t)＝f(0)e^-kt，c为滑模系数，k为常数；3-2）设计神经网络全局滑模控制律u₁，使微陀螺仪实际轨迹跟踪上理想轨迹，u₁＝u_eq+u_vs+u_n        （⁸）其中，其中，M，K为微陀螺仪向量方程中的参量，q为微陀螺仪的实际运动轨迹，u_n是RBF神经网络的输出，是神经网络中被估计的权重向量，φ(x)＝[φ₁(x),φ₂(x)...φ_n(x)]^T是高斯函数，n表示神经网络隐层节点的个数，R=-(-q..m+cq.m);]]>4）采用lyapunov函数理论，设计自适应律，验证所述神经网络全局滑模控制系统的渐进稳定性所述lyapunov函数V设计为：自适应律设计为：其中，r是学习速率，ω＝[ω₁,ω₂...ω_n]^T是神经网络中的权重向量，是被估计的权重向量的误差，