[发明专利]基于干扰观测器的MEMS陀螺仪复合学习控制方法

摘要

本发明公开了一种基于干扰观测器的MEMS陀螺仪复合学习控制方法，用于解决现有MEMS陀螺仪的模态控制方法实用性差的技术问题。技术方案是首先设计干扰观测器，对干扰进行估计与补偿，降低滑模抖振；同时根据模糊预测误差和跟踪误差，设计模糊逻辑权值的复合自适应法则律，修正模糊逻辑的权重系数，实现未知动力学的有效动态估计。本发明考虑预测误差和跟踪误差，设计模糊逻辑权值的复合学习更新律，修正模糊逻辑的权重系数，实现未知动力学的有效动态估计。结合滑模控制理论，实现对MEMS陀螺未知动力学的前馈补偿，进一步提高MEMS陀螺仪的控制精度。设计干扰观测器，在滑模控制中对干扰进行补偿，从而降低滑模抖振，实用性好。

主权项

1.一种基于干扰观测器的MEMS陀螺仪复合学习控制方法，其特征在于包括以下步骤：(a)考虑正交误差的MEMS陀螺仪的动力学模型为：其中，m为检测质量块的质量；Ω_z为陀螺输入角速度；为静电驱动力；x^*分别是MEMS陀螺仪检测质量块沿驱动轴的加速度，速度和位移；y^*分别是检测质量块沿检测轴的加速度，速度和位移；d_xx，d_yy是阻尼系数；k_xx，k_yy是刚度系数；d_xy是阻尼耦合系数，k_xy是刚度耦合系数；为提高机理分析准确度，对MEMS陀螺动力学模型进行无量纲化处理；取无量纲化时间t^*＝ω_ot，然后在式(1)两边同时除以参考频率的平方参考长度q₀和检测质量块质量m，得到MEMS陀螺的无量纲化模型为其中，重新定义相关系统参数为则MEMS陀螺的无量纲化模型化简为令A＝2S‑D，B＝Ω²‑K，考虑环境因素和未建模因素造成的参数波动以及外部干扰，则式(4)表示为该模型由状态变量q＝[x y]^T和控制输入u＝[u_x u_y]^T组成；其中，x，y分别为无量纲化后检测质量块沿驱动轴和检测轴的运动位移；u_x，u_y分别表示无量纲化后施加在驱动轴和检测轴的力；A、B、C是模型的参数，且其值与陀螺仪的结构参数和动力学特性有关；P为模型参数不确定带来的未知动力学，且ΔA，ΔB为环境因素和未建模因素造成的未知的参数波动；d(t)为外部干扰；(b)构造模糊逻辑系统逼近所述模糊逻辑系统由M条IF‑THEN语句描述，其中第i条规则有如下形式：采用乘积推理机、单值模糊器和中心平均解模糊器，模糊系统的输出为其中，X_in是模糊逻辑系统的输入向量，且为模糊逻辑的权值矩阵；θ(X_in)为M维模糊基向量；模糊基向量的第i个元素为其中，分别是x_i，y_i到论域A_1i，A_2i，A_3i，A_4i的隶属度，的隶属函数设计为如下高斯函数：其中，σ_i分别是该高斯函数的中心和标准差；定义最优估计参数w^*为其中，ψ是w的集合；因此，动力学模型的不确定项表示为其中，ε为模糊系统的逼近误差；且不确定项的估计误差为其中，且(c)设计干扰观测器为其中，为外部干扰d(t)的估计值；L为正定矩阵；z为中间变量；定义干扰观测器的估计误差为故有(d)建立MEMS陀螺的动力学参考模型为其中，q_d为参考振动位移信号，为q_d的二阶导数；A_x，A_y分别为检测质量块沿驱动轴和检测轴振动的参考振幅；ω_x，ω_y分别为检测质量块沿驱动轴和检测轴振动的参考角频率；构建跟踪误差为e＝q‑q_d                  (15)定义滑模面其中，β满足Hurwitz条件；则滑模控制器设计为其中，K₀为正定矩阵；将滑模控制器式(18)代入式(17)，有定义并且定义新的信号定义建模误差为预测误差；为了使闭环系统保证s和的收敛，考虑预测误差和滑模函数，模糊逻辑权值矩阵的复合学习更新律设计为其中，λ，为正定矩阵；(e)根据得到的干扰观测器(12)，滑模控制器式(18)和复合学习权重更新律式(21)，返回到MEMS陀螺的动力学模型式(5)，对陀螺检测质量块的振动位移和速度进行跟踪控制。