[发明专利]一种微陀螺自适应动态面双神经网络控制方法

摘要

本发明公开了一种微陀螺自适应动态面双神经网络控制方法，包括以下步骤：1)建立微陀螺仪的数学模型；2)设计两个自适应神经网络控制器，分别为第一神经网络控制器和第二神经网络控制器；利用神经网络控制方法，用第一神经网络控制器的输出逼近微陀螺仪的动态特性和外界干扰之和，再用第二神经网络控制器的输出逼近滑模切换项；3)基于动态面设计自适应动态面双神经网络控制器；4)基于自适应动态面双神经网络控制器控制微陀螺仪。本发明基于动态面涉及的自适应双神经网络控制器对微陀螺仪进行动态控制，可使微陀螺仪系统能以很快的速度达到稳态，补偿了制造误差和环境干扰，降低了系统的抖振，提高了系统的灵敏度及鲁棒性。

主权项

1.一种微陀螺自适应动态面双神经网络控制方法，其特征在于，包括以下步骤：1)建立微陀螺仪的数学模型；2)设计两个自适应神经网络控制器，分别为第一神经网络控制器和第二神经网络控制器；利用神经网络控制方法，用第一神经网络控制器的输出逼近微陀螺仪的动态特性和外界干扰之和，再用第二神经网络控制器的输出逼近滑模切换项；3)基于动态面设计自适应动态面双神经网络控制器；4)基于自适应动态面双神经网络控制器控制微陀螺仪；所述步骤1)建立微陀螺仪的数学模型，具体为，1‑1)采用微陀螺仪的数学模型为：其中，x、y分别代表微陀螺仪在X、Y轴方向上的位移，d_xx、d_yy分别为X、Y轴方向的阻尼系数，k_xx、k_yy分别为X、Y轴方向弹簧的弹性系数，d_xy、k_xy是由于加工误差所引起的耦合参数，m为陀螺仪质量块的质量，Ω_z为质量块自转的角速度，u_x、u_y分别是X、Y轴的输入控制力，形如的参数表示Γ的一阶导数，形如的参数表示Γ的二阶导数；1‑2)对微陀螺仪的数学模型进行无量纲处理得到无量纲化模型：等式两边同时除以m，并且使得则无量纲化模型为：将无量纲化模型改写成向量形式：其中，u为动态面控制律，1‑3)考虑系统参数不确定和外界干扰，将向量形式的模型写成：其中，ΔD,ΔK是参数扰动，d是外界干扰；将式(4)写成状态方程形式为：其中，q₁＝q，1‑4)定义q＝x₁，x₁、x₂为输入变量；则，状态方程形式的模型变为：f为：f＝‑(D+ΔD+2Ω)x2‑(K+ΔK)x1+d    (7)其中，f为微陀螺仪的动态特性和外界干扰之和；所述步骤2)中的利用神经网络控制方法，用第一神经网络控制器的输出逼近微陀螺仪的动态特性和外界干扰之和，再用第二神经网络控制器的输出逼近滑模切换项，具体为，2‑1)以x(t)为RBF神经网络的输入向量，设RBF神经网络的径向基函数为φ＝[φ1,φ2,…φi…φl]T，其中φi为高斯基函数，即：式中，c＝[c1,c2,c3,…cl]T是网络隐含层节点的中心向量，与输入向量的维数相同；b＝[b1,b2,b3,…bl]T是决定区域大小的网络隐含层节点的基宽向量，l是隐含层神经元个数，RBF网络输入层到隐含层的权值为1，网络隐含层到输出层权向量为W＝[w1,w2,w3,…wl]T；RBF神经网络输出为，y＝WT*φ    (9)其中，φ为径向基函数，WT为网络隐含层到输出层权向量的转置；将RBF神经网络的ci和bi保持固定，而仅调节网络权值W，则RBF神经网络的输出与隐层输出成线性关系；2‑2)利用神经网络逼近特性，用第一神经网络控制器的输出来逼近微陀螺仪的动态特性和外界干扰之和f；RBF神经网络的输出为：其中，φ1*为第一神经网络控制器的径向基函数；定义第一神经网络控制器的最优逼近常量为W*，其中，Ω为W的集合；令则：f＝W*Tφ1*(x1,x2)+ε1    (13)其中，ε1是第一神经网络控制器的逼近误差，对于给定的任意小常量ε1，其中ε1＞0，如下不等式成立：|f‑W*Tφ1*(x1,x2)|≤ε1；2‑3)用第二神经网络的输出对滑模切换项ηsgn(s)进行逼近，其中，φ₂^*为第二神经网络控制器的径向基函数，s为滑模面；定义第一神经网络控制器和第二神经网络控制器整体的逼近误差为：其中，W*为第一神经网络控制器的最优逼近常量，θ*为第二神经网络控制器的最优逼近常量，整体的逼近误差w≤η，η为任意小的常数。