一种微陀螺的鲁棒自适应神经网络H无穷控制方法技术

本发明专利技术公开了一种微陀螺的鲁棒自适应神经网络H无穷控制方法，采用基于黎卡提方程设计控制器，控制器包含两部分：一个是利用神经网络强大的在线逼近能力构造基本神经网络控制器；另一个是鲁棒控制项，用来克服外界干扰和参数不确定性对微陀螺仪系统输出跟踪误差的影响，保证系统闭环稳定，本发明专利技术采用基于Lyapunov稳定性定理自适应调整神经网络系统中的参数，从而保证系统的稳定性。本发明专利技术设计的控制器基于黎卡提方程，来补偿系统中的非线性现象，达到精确跟踪的目的，提高系统的稳定性和对外界干扰的鲁棒性，具有产业上的利用价值。

【技术实现步骤摘要】

本专利技术涉及了一种微陀螺仪系统的控制方法，特别是涉及了一种MEMS微陀仪的鲁棒自适应神经网络H无穷控制方法。
技术介绍
微机械陀螺仪(MEMSGyroscope)是利用微电子技术和微加工技术加工而成的用来感测角速度的惯性传感器。它通过一个由硅制成的振动的微机械部件来检测角速度，因此微机械陀螺仪非常容易小型化和批量生产，具有成本低和体积小等特点。近年来，微机械陀螺仪在很多应用中受到密切地关注，例如，陀螺仪配合微机械加速度传感器用于惯性导航、在数码相机中用于稳定图像、用于电脑的无线惯性鼠标等等。但是，由于生产制造过程中不可避免的加工误差以及环境温度的影响，会造成原件特性与设计之间的差异，导致微陀螺仪存在参数不确定性，难以建立精确的数学模型。再加上工作环境中的外界扰动作用不可忽略，使得微陀螺仪的轨迹追踪控制难以实现，且鲁棒性较低。传统的控制方法完全基于微陀螺仪的名义值参数设计，且忽略正交误差和外界扰动的作用，虽然在大部分情况下系统仍是稳定的，但追踪效果远不理想，这种针对单一环境设计的控制器具有很大的使用局限性。国内对于微陀螺仪的研究目前主要集中在结构设计及制造技术方面，以及上述的机械补偿技术和驱动电路研究，很少出现用先进控制方法补偿制造误差和控制质量块的振动轨迹，以达到对微陀螺仪的完全控制和角速度的测量。国内研究微陀螺仪的典型机构为东南大学仪器科学与工程学院及东南大学微惯性仪表与先进导航技术重点实验室。国际上的文章有将各种先进控制方法应用到微陀螺仪的控制当中，典型的有自适应控制和滑模控制方法。这些先进方法一方面补偿了制作误差引起的正交误差，另一方面实现了对微陀螺仪的轨迹控制。但自适应控制对外界扰动的鲁棒性很低，易使系统变得不稳定。由此可见，上述现有的陀螺仪在使用上，显然仍存在有不便与缺陷，而有待加以进一步改进。为了解决现有的陀螺仪在使用上存在的问题，相关厂商莫不费尽心思来谋求解决之道，但长久以来一直未见适用的设计被发展完成。
技术实现思路
为了解决现有技术中微陀螺仪控制方法存在的缺陷，特别是克服参数不确定性和外界干扰的对微陀螺仪控制系统的影响，本专利技术微陀螺的鲁棒自适应神经网络H无穷控制方法不需要知道系统的精确数学模型，可以补偿参数不确定性和外界干扰，大大提高系统的动态性能，减小不确定性对跟踪性能的影响，提高系统对参数变化和外界干扰的鲁棒性，从而使微陀螺仪两轴轨迹能高精度跟踪上给定的理想轨迹。为了解决上述问题，本专利技术所采取的技术方案是：一种微陀螺的鲁棒自适应神经网络H无穷控制方法，其特征在于：采用基于黎卡提方程设计的控制器包含两部分：第一部分是基本神经网络控制器；第二部分是鲁棒控制项，具体包括以下步骤：(1)、建立理想的动力学模型，设计参考模型为两个不同频率的正弦波：xm＝A1sin(w1t)，ym＝A2sin(w2t)，其中w1≠w2且都不为零，改写成向量形式为：其中，A1、A2分别是陀螺仪在x、y两个坐标轴方向上的振幅，t是时间，w1和w2分别为陀螺仪在x、y两个坐标轴方向上给定的震动频率；向量形式为：q··m+kmqm=0;]]>其中q=xmym,km=w1200w22;]]>(2)、建立微陀螺仪系统动力学模型，建立微陀螺仪系统的非量纲向量模型，(1)其中q=xy]]>为微陀螺仪质量块在x、y轴方向上的位置向量；u=u1u2]]>为微陀螺仪在x、y轴方向上的控制输入；Ω=0-ΩzΩz0]]>为角速度矩阵；D=dyydxydxydyy]]>为阻尼矩阵，K=wx2wxywxywy2]]>是包含了微陀螺仪固定频率、刚度系数和耦合刚度系数的系数项；d=d1d2]]>为系统的不确定项和外界干扰，若不考虑外界干扰，且参数D,Ω,Kb已知，则控制器可设计为：其中，k＝(kv,kp)T为控制器参数矩阵,为系统的跟踪误差矩阵；(3)、鲁棒自适应神经网络H无穷控制器的设计由于微陀螺仪系统的参数D,Ω,Kb未知，则基于黎卡提方程设计的控制器包含两部分：第一部分是神经网络控制器式中，是神经网络的输入，为系统的可测量信号；表示神经网络的权值向量；m代表了RBF网络隐含层节点的个数；ξ(X)是隐含层径向基函数输出向量；另一部分为H无穷鲁棒控制项ur＝v1+v2，其中，v2＝κsgn(BTPX)，λ＞0，κ＞0，矩阵P是正定的，并且是满足以下黎卡提方程PA+ATP+Q-2λPBBTP+1ρ2PBBTP=0]]>的解；(4)、基于lyapnov稳定性定理设计神经网络权值自适应律控制性能指标为：∫0TXTQX≤XT(0)PX(0)+1ηθ~T(0)θ~(0)+ρ2∫0T||d||t,]]>设计lyapunov函数设计为：其中P由黎卡提方程求得，η为正常数，Lyapunov函数对时间的导数为：V·=12X·TPX+12XTPX·+1ηtr(θ~Tθ~·),]]>为实现控制目标∫0TXTQX≤XT(0)PX(0)+1ηθ~T(0)θ~(0)+ρ2∫0T||d||t,]]>设计神经网络参数自适应律为：θ^·=θ~·=ηξXTPB.]]>前述的一种微陀螺的鲁棒自适应神经网络H无穷控制方法，其特征在于：步骤(1)中，为使系统可以精确跟踪参考轨迹，要实现下列H∞跟踪性能指标：∫0TXTQX≤XT(0)PX(0)+1ηθ~T(0)θ~(0)+ρ2∫0T||d||t---(2)]]>式中，e＝qm-q为系统的跟踪误差,T∈[0,∞),d∈L2[0,T]是神经网络逼近误差，Q和P是两个正定矩阵，是参数的误差向量，η＞0,ρ＞0是两个给定的参数。前述的一种微陀螺的鲁棒自适应神经网络H无穷控制方法，其特征在于：步骤(2)关于建立微陀螺仪系统动力学模型，具体步骤如下：微陀螺仪的理想动态特性是一种无能量损耗，两轴间无动态耦合的稳定正弦振荡，可以描述如下：xm＝A1sin(w1t)(3)ym＝A2sin(w2t)理想动态特性轨迹不仅是系统的参考模型，也是自适应律的输入信号，为了满足参数收敛到真值的必要条件，激励的持续性，必须保证参考轨迹包含两个不同频率，故有w1≠w2，参考模型写成向量形式为：q··m+kmqm=0---(4)]]>式中，q=xmym,km=w1200w22,]]>若不考虑外界干扰，且参数D,Ω,Kb已知,，则控制器可设计为：u*=(D+2Ω)q·本文档来自技高网...

【技术保护点】
一种微陀螺的鲁棒自适应神经网络H无穷控制方法，其特征在于：采用基于黎卡提方程设计的控制器包含两部分：第一部分是基本神经网络控制器；第二部分是鲁棒控制项，具体包括以下步骤：(1)、建立理想的动力学模型，设计参考模型为两个不同频率的正弦波：xm＝A1sin(w1t)，ym＝A2sin(w2t)，其中w1≠w2且都不为零，改写成向量形式为：其中，A1、A2分别是陀螺仪在x、y两个坐标轴方向上的振幅，t是时间，w1和w2分别为陀螺仪在x、y两个坐标轴方向上给定的震动频率；向量形式为：其中(2)、建立微陀螺仪系统动力学模型，建立微陀螺仪系统的非量纲向量模型，其中为微陀螺仪质量块在x、y轴方向上的位置向量；为微陀螺仪在x、y轴方向上的控制输入；为角速度矩阵；为阻尼矩阵，是包含了微陀螺仪固定频率、刚度系数和耦合刚度系数的系数项；为系统的不确定项和外界干扰，若不考虑外界干扰，且参数D,Ω,Kb已知，则控制器可设计为：其中，k＝(kv,kp)T为控制器参数矩阵,为系统的跟踪误差矩阵；(3)、鲁棒自适应神经网络H无穷控制器的设计由于微陀螺仪系统的参数D,Ω,Kb未知，则基于黎卡提方程设计的控制器包含两部分：第一部分是神经网络控制器式中，是神经网络的输入，为系统的可测量信号；表示神经网络的权值向量；m代表了RBF网络隐含层节点的个数；ξ(X)是隐含层径向基函数输出向量；另一部分为H无穷鲁棒控制项ur＝v1+v2，其中，v2＝κsgn(BTPX)，λ＞0，κ＞0，矩阵P是正定的，并且是满足以下黎卡提方程的解；(4)、基于lyapnov稳定性定理设计神经网络权值自适应律控制性能指标为：设计lyapunov函数设计为：其中P由黎卡提方程求得，η为正常数，Lyapunov函数对时间的导数为：为实现控制目标设计神经网络参数自适应律为：...

【技术特征摘要】
1.一种微陀螺的鲁棒自适应神经网络H无穷控制方法，其特征在于：采用基于黎卡提方程设计的控制器包含两部分：第一部分是基本神经网络控制器；第二部分是鲁棒控制项，具体包括以下步骤：
(1)、建立理想的动力学模型，
设计参考模型为两个不同频率的正弦波：xm＝A1sin(w1t)，ym＝A2sin(w2t)，其中w1≠w2且都不为零，改写成向量形式为：其中，A1、A2分别是陀螺仪在x、y两个坐标轴方向上的振幅，t是时间，w1和w2分别为陀螺仪在x、y两个坐标轴方向上给定的震动频率；向量形式为：其中(2)、建立微陀螺仪系统动力学模型，
建立微陀螺仪系统的非量纲向量模型，其中为微陀螺仪质量块在x、y轴方向上的位置向量；为微陀螺仪在x、y轴方向上的控制输入；为角速度矩阵；为阻尼矩阵，是包含了微陀螺仪固定频率、刚度系数和耦合刚度系数的系数项；为系统的不确定项和外界干扰，若不考虑外界干扰，且参数D,Ω,Kb已知，则控制器可设计为：其中，k＝(kv,kp)T为控制器参数矩阵,为系统的跟踪误差矩阵；
(3)、鲁棒自适应神经网络H无穷控制器的设计
由于微陀螺仪系统的参数D,Ω,Kb未知，则基于黎卡提方程设计的控制器包含两部分：第一部分是神经网络控制器式中，是神经网络的输入，为系统的可测量信号；表示神经网络的权值向量；m代表了RBF网络隐含层节点的个数；ξ(X)是隐含层径向基函数输出向量；
另一部分为H无穷鲁棒控制项ur＝v1+v2，其中，v2＝κsgn(BTPX)，λ＞0，κ＞0，矩阵P是正定的，并且是满足以下黎卡提方程的解；
(4)、基于lyapnov稳定性定理设计神经网络权值自适应律控制性能指标为：设计lyapunov函数设计为：其中P由黎卡提方程求得，η为正常数，Lyapunov函数对时间的导数为：为实现控制目标设计神经网络参数自适应律为：2.根据权利要求1所述的一种微陀螺的鲁棒自适应神经网络H无穷控制方法，其特征在于：步骤(1)中，为使系统可以精确跟踪参考轨迹，要实现下列H∞跟踪性能指标：
式中，为系统的跟踪误差,T∈[0,∞),d∈L2[0,T]是神经网络逼近误差，Q和P是两个正定矩阵，是参数的误差向量，η＞0,ρ＞0是两个给定的参数。
3.根据权利要求2所述的一种微陀螺的鲁棒自适应神经网络H无穷控制方法，其特征在于：步骤(2)关于建立微陀螺仪系统动力学模型，具体步骤如下：
微陀螺仪的理想动态特性是一种无能量损耗，两轴间无动态耦合的稳定正弦振荡，可以描述如下：
xm＝A1sin(w1t)
ym＝A2sin(w2t)(3)
理想动态特性轨迹不仅是系统的参考模型，也是自适应律的输入信号，为了满足参数收敛到真值的必要条件，激励的持续性，必须保证参考轨迹包含两个不同频率，故有w...

【专利技术属性】
技术研发人员：吴丹，方韵梅，费峻涛，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏;32