一种面向光电跟踪系统的神经网络控制系统及方法技术方案

本申请公开了一种面向光电跟踪系统的神经网络控制系统及方法，包括主控单元，驱动单元和运动平台；所述神经网络控制方法集成于主控单元中，所述神经网络控制技术通过运动平台中惯性测量单元采集外部扰动角速度和陀螺稳定平台自身的旋转变压器的位置信息，然后结合所述神经网络控制方法对运动平台外部扰动和轴系被控对象内部扰动控制量的补偿，经驱动单元作用于轴系被控对象上，稳定了陀螺稳定平台和运动平台的视轴。所述神经网络控制方法在扰动环境，通过自适应前馈补偿控制光电跟踪系统，在运动平台运动的过程中确保光电跟踪系统的视轴稳定于运动平台的惯性空间，抑制运动平台的运动对系统性能的影响，提高了光电跟踪系统的控制性能。

【技术实现步骤摘要】
一种面向光电跟踪系统的神经网络控制系统及方法
本申请涉及神经网络的
，具体而言，涉及一种面向光电跟踪系统的神经网络控制系统及方法。
技术介绍
目前光电跟踪系统常集成于运动平台上。当平台运动时，问题的关键是如何使得光电跟踪系统抑制载体运动对其视轴的扰动。由于载体的运动与振动以及内部摩擦等因素，会造成光电跟踪系统的视轴受到扰动而抖动，从而使图像成像质量降低，影响整个系统的跟踪精度。而现有技术中，对于光电跟踪系统，由于图像探测器的能力受限，其采样频率较低，从而限制了位置环的跟踪带宽。因此，运动平台上的光电跟踪系统通常需要加入陀螺稳定平台以抑制载体(即运动平台)的运动对系统的影响，使运动平台的视轴稳定于运动平台的惯性空间，从而陀螺稳定平台的惯性稳定精度会影响光电稳定系统的跟踪精度。
技术实现思路
为了提高陀螺稳定平台的控制性能，克服陀螺稳定平台的内部扰动以及载体平台的外部扰动；为了更加有效地克服载体的运动等外部扰动及陀螺稳定平台的内部扰动产生的干扰，提高陀螺稳定平台的控制性能，使运动平台的视轴稳定于惯性空间，提高光电跟踪系统设备的跟踪精度，保证系统的正常工作。本申请的技术方案是：本申请提供了一种面向光电跟踪系统的神经网络控制方法，包括速度环控制器的主控单元，一个驱动单元和包含一套陀螺的陀螺稳定平台的运动平台，其特征在于，主控单元还包括第一神经网络控制器NN1和第二神经网络控制器NN2，运动平台还包括一套惯性测量单元，陀螺稳定平台上的轴系被控对象和旋转变压器，进行以下步骤：在主控单元中根据运动平台的振动情况设定所需校正的角速度期望值x1d，陀螺稳定平台反馈测量的角速度y至主控单元；惯性测量单元采集由振动d对运动平台外部扰动产生的角速度ωd信号，陀螺稳定平台的陀螺和旋转变压器分别采集运动平台的角速度y和位置θm信号，并将所述的角速度y和位置θm信号输入到主控单元得到角速度的误差量e和综合误差量S；主控单元中神经网络控制器的第一神经网络控制器NN1接收角速度ωd信号，通过对神经网络自身的自适应前馈控制器输入运动平台外部扰动控制量的补偿，经神经网络自身的自适应前馈控制器输出得到前馈控制补偿量uod；主控单元中神经网络控制器的第二神经网络控制器NN2接收位置θm信号，通过对神经网络自身的自适应前馈控制器输入运动平台上轴系被控对象的内部扰动控制量的补偿，经神经网络自身的自适应前馈控制器输出得到前馈控制补偿量uid；主控单元输入角速度的误差量e传输给速度环控制器的模型输出得到闭环反馈控制量uc；由所述速度环控制器输出的闭环反馈控制量uc、所述第一神经网络控制器NN1的第一神经网络控制模型输出的前馈控制补偿量uod和所述第二神经网络控制器NN2的第二神经网络控制模型输出的前馈控制补偿量uid得到综合控制量u，并将综合控制量u输出至驱动单元；由主控单元输出的综合控制量u经驱动单元传输至轴系被控对象；轴系被控对象接收到驱动单元由综合控制量u转换的控制作用，对运动平台和陀螺稳定平台进行惯性稳定。上述任一项技术方案中，进一步地，所述主控单元中神经网络控制器的第一神经网络控制器NN1接收角速度ωd信号，通过对神经网络自身的自适应前馈控制器输入运动平台外部扰动控制量的补偿，经神经网络自身的自适应前馈控制器输出得到前馈控制补偿量uod包括：主控单元(1)中神经网络控制器的第一神经网络控制器NN1接收惯性测量单元输入的角速度ωd信号，通过对神经网络自身的自适应前馈控制器输入运动平台外部扰动控制量的补偿，采用Sigmoid函数作为神经网络的激活函数，经神经网络自身的自适应前馈控制器的第一神经网络控制模型输出得到神经网络前馈控制补偿量uod；所述主控单元中神经网络控制器的第二神经网络控制器NN2接收位置θm信号，通过对神经网络自身的自适应前馈控制器输入运动平台上轴系被控对象的内部扰动控制量的补偿，经神经网络自身的自适应前馈控制器输出得到前馈控制补偿量uid包括：主控单元中神经网络控制器的第二神经网络控制器NN2接收旋转变压器输入的位置θm信号，通过对神经网络自身的自适应前馈控制器输入运动平台上轴系被控对象的内部扰动控制量的补偿，采用径向基函数作为神经网络的激活函数，经神经网络自身的自适应前馈控制器的第一神经网络控制模型输出得到神经网络前馈控制量前馈控制补偿量uid。上述任一项技术方案中，进一步地，所述第一神经网络控制器NN1的第一神经网络自适应控制模型的输出前馈控制补偿量uod为：uod＝W1Th1(xo)1-3式1-3中，W1为第一神经网络自适应控制模型的权值，是一个11维初值为0的列向量，T为矩阵转置，h1(xa)为第一神经网络激活函数为Sigmoid模型。上述任一项技术方案中，进一步地，所述第一神经网络控制器NN1的神经网络模型采用自适应控制模型，满足第一自适应更新率模型的输出条件为：式1-4中，为W1的微分，γ1为学习率，取值为100，S为综合误差量，h1(xo)为第一神经网络激活函数为Sigmoid模型。上述任一项技术方案中，进一步地，所述第二神经网络控制器NN2的第二神经网络自适应控制模型输出的前馈控制补偿量uid为：式1-7中，W2为第二神经网络自适应控制模型的权值，是一个2维初值为0的列向量，h2(xj)为xi的径向基函数，T为矩阵转置。上述任一项技术方案中，进一步地，所述第二神经网络控制器NN2(8)的神经网络模型采用自适应控制模型，满足第二自适应更新率模型的输出条件为：式1-9中，为W2的微分，γ2为学习率，取值为10，S为综合误差量。上述任一项技术方案中，进一步地，所述速度环控制器输出的闭环反馈控制量uc、所述第一神经网络控制器NN1的第一神经网络控制模型输出的前馈控制补偿量uod和所述第二神经网络控制器NN2的第二神经网络控制模型输出的前馈控制补偿量uid得到综合控制量u，并将综合控制量u输出至驱动单元包括：由所述主控单元系统模型将各补偿量传输给总补偿模型，经其输出得到综合控制量u为：u＝uc+uid+uod1-11并将综合控制量u传输给驱动单元(2)；其中，uc为所述速度环控制器输出的闭环反馈控制量，uod为第一神经网络控制器NN1输出的神经网络前馈控制补偿量，uid为第二神经网络控制器NN2输出的神经网络前馈控制补偿量。本申请还提供了一种面向光电跟踪系统的神经网络控制系统，包括：依次连接的主控单元、驱动单元和运动平台，所述主控单元包括第一神经网络控制器NN1和第二神经网络控制器NN2、微分运算单元和速度环控制器，所述主控单元用于隔离运动平台(3)的运动，并进行神经网络抗扰动自适应算法的计算；所述驱动单元用于执行所述主控单元输出的模拟驱动电压信号，隔离所述运动平台的外部与内部的扰动；所述运动平台包括惯性测量单元和陀螺稳定平台，所述惯性测量单元连接主控单元，用于测量外部敏感扰动角速度ωd信号本文档来自技高网...

【技术保护点】
1.一种面向光电跟踪系统的神经网络控制方法，包括速度环控制器(7)的主控单元(1)，一个驱动单元(2)和包含一套陀螺(11)的陀螺稳定平台(5)的运动平台(3)，其特征在于，主控单元(1)还包括第一神经网络控制器NN1(6)和第二神经网络控制器NN2(8)，运动平台(3)还包括一套惯性测量单元(4)，陀螺稳定平台(5)上的轴系被控对象(10)和旋转变压器(12)，进行以下步骤：/n在主控单元(1)中根据运动平台(3)的振动情况设定所需校正的角速度期望值x

【技术特征摘要】
1.一种面向光电跟踪系统的神经网络控制方法，包括速度环控制器(7)的主控单元(1)，一个驱动单元(2)和包含一套陀螺(11)的陀螺稳定平台(5)的运动平台(3)，其特征在于，主控单元(1)还包括第一神经网络控制器NN1(6)和第二神经网络控制器NN2(8)，运动平台(3)还包括一套惯性测量单元(4)，陀螺稳定平台(5)上的轴系被控对象(10)和旋转变压器(12)，进行以下步骤：
在主控单元(1)中根据运动平台(3)的振动情况设定所需校正的角速度期望值x1d，陀螺稳定平台(5)反馈测量的角速度y至主控单元(1)；
惯性测量单元(4)采集由振动d对运动平台(3)外部扰动产生的角速度ωd信号，陀螺稳定平台(5)的陀螺(11)和旋转变压器(12)分别采集运动平台(3)的角速度y和位置θm信号，并将所述的角速度y和位置θm信号输入到主控单元(1)得到角速度的误差量e和综合误差量S；
主控单元(1)中神经网络控制器的第一神经网络控制器NN1(6)接收角速度ωd信号，通过对神经网络自身的自适应前馈控制器输入运动平台(3)外部扰动控制量的补偿，经神经网络自身的自适应前馈控制器输出得到前馈控制补偿量uod；主控单元(1)中神经网络控制器的第二神经网络控制器NN2(8)接收位置θm信号，通过对神经网络自身的自适应前馈控制器输入运动平台(3)上轴系被控对象(10)的内部扰动控制量的补偿，经神经网络自身的自适应前馈控制器输出得到前馈控制补偿量uid；主控单元(1)输入角速度的误差量e传输给速度环控制器(7)的模型输出得到闭环反馈控制量uc；
由所述速度环控制器(7)输出的闭环反馈控制量uc、所述第一神经网络控制器NN1(6)的第一神经网络控制模型输出的前馈控制补偿量uod和所述第二神经网络控制器NN2(8)的第二神经网络控制模型输出的前馈控制补偿量uid得到综合控制量u，并将综合控制量u输出至驱动单元(2)；
由主控单元(1)输出的综合控制量u经驱动单元(2)传输至轴系被控对象(10)；
轴系被控对象(10)接收到驱动单元(2)由综合控制量u转换的控制作用，对运动平台(3)和陀螺稳定平台(5)进行惯性稳定。


2.根据权利要求1所述的神经网络控制方法，其特征在于，所述主控单元(1)中神经网络控制器的第一神经网络控制器NN1(6)接收角速度ωd信号，通过对神经网络自身的自适应前馈控制器输入运动平台(3)外部扰动控制量的补偿，经神经网络自身的自适应前馈控制器输出得到前馈控制补偿量uod包括：
主控单元(1)中神经网络控制器的第一神经网络控制器NN1(6)接收惯性测量单元(4)输入的角速度ωd信号，通过对神经网络自身的自适应前馈控制器输入运动平台(3)外部扰动控制量的补偿，，采用Sigmoid函数作为神经网络的激活函数，经神经网络自身的自适应前馈控制器的第一神经网络控制模型输出得到神经网络前馈控制补偿量uod；
所述主控单元(1)中神经网络控制器的第二神经网络控制器NN2(8)接收位置θm信号，通过对神经网络自身的自适应前馈控制器输入运动平台(3)上轴系被控对象(10)的内部扰动控制量的补偿，经神经网络自身的自适应前馈控制器输出得到前馈控制补偿量uid包括：
主控单元(1)中神经网络控制器的第二神经网络控制器NN2(8)接收旋转变压器(12)输入的位置θm信号，通过对神经网络自身的自适应前馈控制器输入运动平台(3)上轴系被控对象(10)的内部扰动控制量的补偿，采用径向基函数作为神经网络的激活函数，经神经网络自身的自适应前馈控制器的第一神经网络控制模型输出得到神经网络前馈控制量前馈控制补偿量uid。


3.根据权利要求2所述的神经网络控制方法，其特征在于，所述第一神经网络控制器NN1(6)的第一神经网络自适应控制模型的输出前馈控制补偿量uod为：
uod＝W1Th1(xo)(1-3)
式(1-3)中，W1为第一神经网络模型的第一自适应高效率模型输出的积分，作为第一神经网络自适应控制模型的权值，是一个11维初值为0的列...

【专利技术属性】
技术研发人员：赵远洋，方昉，吴海涛，
申请(专利权)人：武汉华中天易星惯科技有限公司，
类型：发明
国别省市：湖北;42