[发明专利]微陀螺双反馈模糊神经网络超扭曲滑模控制系统设计方法

说明书

本发明公开了微陀螺双反馈模糊神经网络超扭曲滑模控制系统设计方法，控制系统参考模型、滑模面、自适应律、双反馈模糊神经网络逼近器、超扭曲模糊滑模控制器和微陀螺系统。本发明针对实际微陀螺系统模型未知及其参数不确定性等问题，提出了基于双反馈模糊神经网络的微陀螺系统的自适应超扭曲滑模控制方法。相比于传统的神经网络控制，本发明设计的双闭环模糊神经网络具有全调节的优势，可以任意设定中心向量及基宽的初值，中心向量、基宽值以及神经网络的权值都会随着所设计的自适应算法根据不同的输入自适应调整到最佳值，自适应算法通过Lyapunov稳定性理论得出，动态双反馈神经网络由于加入了信号回归回路，能够存储更多的信息，对微陀螺系统未知模型逼近的精度更高，同时结合高阶超扭曲算法的优越性，能够有效抑制系统的控制输入抖振，能够保证系统在有限时间内收敛，快速精确跟踪参考轨迹，从而提高控制系统性能，并利用MATLAB对算法的优越性进行了实验验证。

技术领域

本发明涉及基于双反馈模糊神经网络的微陀螺系统自适应超扭曲滑模控制方法，属于微陀螺的控制技术领域。

背景技术

陀螺是惯性导航和惯性制导系统的基本测量元件。微陀螺因其在成本、体积、结构等方面存在巨大的优势，从而被广泛地应用在航海、航天、航空及油田勘测开发和陆地车辆的导航与定位等民用、军事领域中。因其在设计和制造中存在误差和温度的影响,会导致原件特性和设计之间的差异，从而导致陀螺仪系统灵敏度和精度的降低,微陀螺控制的主要问题是补偿制造误差和测量角速度。经过几十年的研究发展，微陀螺虽然在结构设计和精度等方面取得了显著的进步，但是由于其设计原理本身的局限性及工艺加工精度自身的限制，使得微陀螺的发展难以取得质的飞跃。

并且对于实际的微陀螺系统而言，微陀螺无量纲模型中模型参数是未知的或无法准确获取的，所以在实施控制时，无法精确地实施所设计的控制律，因此选取一种有效的方法对微陀螺未知模型的逼近也极为重要，使控制律的设计不依赖于精确的数学模型。

双反馈模糊神经网络可以有效地逼近任意非线性模型，并且具有全调节的优点，可以任意设定中心向量及基宽的初值，中心向量、基宽值以及神经网络的权值都会随着所设计的自适应算法根据不同的输入自适应调整到最佳值，自适应算法通过Lyapunov稳定性理论得出，动态双反馈神经网络由于加入了信号回归回路，能够存储更多的信息，对微陀螺系统未知模型逼近的精度更高。高阶超扭曲算法能够有效抑制系统的控制输入抖振，能够保证系统在有限时间内收敛，快速精确跟踪参考轨迹，从而提高控制系统性能

发明内容

为了改善微陀螺系统性能，提高其鲁棒性为，解决微陀螺现存在的缺陷和传统控制方法不足等问题，本发明提出微陀螺双反馈模糊神经网络超扭曲滑模控制系统设计方法，充分利用双反馈模糊神经网络控制，自适应控制和超扭曲滑模控制的优点。

本发明中主要采用的技术方案为：

微陀螺双反馈模糊神经网络超扭曲滑模控制系统，所述控制系统包括参考模型、滑模面、自适应律、双反馈模糊神经网络逼近模型、超扭曲模糊滑模控制器和微陀螺系统，其中，参考模型为控制系统提供参考信号，双反馈模糊神经网络逼近模型用于逼近微陀螺系统的未知模型，与超扭曲模糊滑模控制器共同形成整个控制系统的控制器，并且双反馈模糊神经网络的参数根据所设计的自适应律实现全调节，其中，所述超扭曲模糊滑模控制器包括超扭曲滑模控制器和等效滑模控制器。

微陀螺双反馈模糊神经网络超扭曲滑模控制系统设计方法，具体步骤如下：

步骤1：结合参考模型，建立微陀螺系统的无量纲动力学方程及微陀螺系统的等效模型；

步骤2：设计微陀螺系统的超扭曲滑模控制器，其中，超扭曲模糊滑模控制器的控制律包括等效滑模控制器的等效控制项u_eq和超扭曲滑模控制器的超扭曲滑模控制项u_sw；

步骤3：采用双反馈模糊神经网络逼近微陀螺系统的未知模型f，建立双反馈模糊神经网络逼近模型