[发明专利]一种MEMS陀螺仪无超调保性能模糊小波神经控制方法

说明书

本发明公开了一种MEMS陀螺仪无超调保性能模糊小波神经控制方法，涉及MEMS陀螺仪的自动控制技术领域，首先，建立包含集总干扰的MEMS陀螺仪无量纲严格反馈动力学模型；其次，设计基于双曲余割特性和不依赖于跟踪误差精确初始值的单边无超调快收敛保性能机制，构造陀螺仪位移跟踪误差转换模型；再次，利用最小参数学习法MLP设计具有低计算复杂度和强泛化性能的FWNN逼近器对陀螺仪系统中的集总干扰进行在线辨识；最后，基于单边无超调保性能位移跟踪误差转换模型和FWNN集总干扰估计给出MEMS陀螺仪无超调保性能模糊小波神经控制律。本发明解决了MEMS陀螺仪误差跟踪暂态性能无超调保性能控制以及多源干扰下闭环稳定性和鲁棒性恶化的难题。

技术领域

本发明涉及MEMS陀螺仪的自动控制技术领域，具体为一种MEMS陀螺仪无超调保性能模糊小波神经控制方法，应用于多源干扰下不依赖系统精确零点的MEMS陀螺仪跟踪误差暂态无超调快收敛保性能鲁棒跟踪控制。

背景技术

微机电(Micro electro mechanical system，简写为MEMS)陀螺仪作为常见的惯性角速度传感器，是军事制导过程中载体角速度信息测量的首选角速度传感器，具有体积小、重量轻、成本低、耗能少、便于携带等众多优势，为适应多源干扰影响下的高精度角速率动态测量需求，设计跟踪误差无超调快收敛保性能强鲁棒控制律对陀螺仪角速度测量至关重要。在此背景下，传统基于锁相环的陀螺仪开环驱动方法，以PID、最优控制、鲁棒控制、反馈线性化为代表的一类线性闭环控制策略均不再适用，必须对适应MEMS陀螺仪非线性模型特征并满足更高控制要求的闭环保性能鲁棒控制系统进行探索。

目前，MEMS惯性器件保性能鲁棒控制系统的设计面临如下主要问题：第一，MEMS陀螺仪机械制造缺陷会产生零点漂移，其零点初值无法精确获知，现有的预设性能控制机制由于存在对精确误差初值的严重依赖而无法保证跟踪误差的无超调快速保性能收敛，从而影响了陀螺仪角速度的暂态测量性能；第二，传统的双边预设性能函数虽然能够对跟踪误差的暂态和稳态性能均进行约束，但是对超调的抑制效果甚微，理论上无法满足跟踪误差快速收敛的同时实现小超调甚至无超调的要求，是MEMS陀螺仪动态角速度测量性能提升的瓶颈问题；第三，以神经网络逼近器为代表的智能控制处于控制理论发展的高级阶段，已经能够实现不依赖于模型本身的系统干扰在线估计，但存在计算复杂度过高、时延较大导致高性能测量应用存在较大偏差等难题，为陀螺仪系统的实时高响应控制提出了严峻挑战。针对传统神经网络逼近器不能满足陀螺仪高实时性和高精度要求的问题，现有研究方法无法实现MEMS陀螺仪跟踪误差暂态无超调保性能控制以及多源干扰下闭环稳定性和鲁棒性恶化的难题，需要改进现有的控制方法，使其更有利于高性能实时采样控制。

发明内容

本发明为了解决现有研究方法无法实现MEMS陀螺仪跟踪误差暂态无超调保性能控制以及多源干扰下闭环稳定性和鲁棒性恶化的难题，提供一种MEMS陀螺仪无超调保性能模糊小波神经控制方法，首先，建立包含集总干扰的MEMS陀螺仪无量纲严格反馈动力学模型；其次，设计基于双曲余割特性和不依赖于跟踪误差精确初始值的单边无超调快收敛保性能机制，构造陀螺仪位移跟踪误差转换模型；再次，利用最小参数学习法(Minimallearning parameter，MLP)设计具有低计算复杂度和强泛化性能的模糊小波神经网络(Fuzzy wavelet neural networks，FWNN)逼近器对陀螺仪系统中的集总干扰进行在线辨识；最后，基于单边无超调保性能位移跟踪误差转换模型和FWNN集总干扰估计给出MEMS陀螺仪无超调保性能模糊小波神经控制律。

本发明是通过如下技术方案来实现的：一种MEMS陀螺仪无超调保性能模糊小波神经控制方法，包括如下步骤：

(1)建立包含集总干扰的MEMS陀螺仪无量纲严格反馈动力学模型：

给出MEMS陀螺仪无量纲严格反馈动力学模型如下：