[发明专利]一种基于神经网络辨识参数的Z轴陀螺仪控制方法

说明书

本申请公开了一种基于神经网络辨识参数的Z轴陀螺仪控制方法，所述方法在获得微陀螺仪跟踪误差和设计的滑模面的基础上，基于所述跟踪误差和滑模面，采用RBF神经网络估计弹簧参数矩阵，并根据所述滑模面和所述估计弹簧参数设计微陀螺仪控制律，最终实现弹簧参数的准确估计。本发明方法能够在陀螺系统框架为非对称结构，存在弹簧参数未知或标称值与实际值不符的情况下，采用神经网络对弹簧参数进行估计，通过设计神经网络权值自适应规律完成权值的自适应调整，保证系统的稳定性，提高陀螺仪的测量精度。

技术领域

本发明涉及自动控制系统领域，尤其涉及一种基于神经网络辨识参数的Z轴陀螺仪控制方法。

背景技术

MEMS陀螺仪是常用的传感器，用于测量角速度。主要应用于导航、手机、四轴飞行器等场合。陀螺仪的工作原理是基于科里奥利力引起检测质量的惯性效应。当有角速度输入时，会在微陀螺仪上产生一个同时垂直于角速度方向和初始振动方向的科氏力，并且它的大小正比于输入角速度。通过检测由科氏力引起的振动位移，并经过解调、放大、滤波等一系列处理后便可得到所需的角速度信号。

实际上，微陀螺仪制造过程中小的制造误差总是存在，导致陀螺系统的弹簧参数和其标称值之间有一定的偏差，同时制造误差会导致微陀螺仪结构不对称，左右驱动和感测装置不对齐以及质量块重心偏移等问题，会产生不必要的交错耦合作用，形成以机械和静电力形式的系统固有干扰，降低了微陀螺仪的性能。传统的控制方法采用自适应滑模估计系统弹簧参数，跟踪效果比较差。

发明内容

有鉴于此，本发明的目的在于提供一种基于神经网络辨识参数的Z轴陀螺仪控制方法，旨在通过采用神经网络对弹簧参数进行估计，通过设计神经网络权值自适应规律完成权值的自适应调整，保证系统的稳定性。

为解决上述技术问题，本发明提供了一种基于神经网络辨识参数的Z轴陀螺仪控制方法，包括以下步骤：

1)建立微陀螺仪动力学模型，根据所述模型输出微陀螺仪运动轨迹；

所述模型如下式所示：

上式中，

式中，q为陀螺仪的运动轨迹，u为陀螺仪的控制输入，D为阻尼参数矩阵，K为弹簧参数矩阵，Ω为角速度参数矩阵，d为外界干扰；

2)根据步骤1)得到的微陀螺仪运动轨迹计算跟踪误差，根据跟踪误差建立滑模面；

所述跟踪误差如下式所示：

e＝q_d-q (2)

上式中，e为跟踪误差，q_d为微陀螺仪运动参考轨迹；

所述滑模面根据如下公式建立：

式中，S为滑模面，λ为滑模面参数；

3)采用RBF神经网络根据所述跟踪误差输出估计弹簧参数矩阵，并根据所述滑模面和所述估计弹簧参数矩阵设计微陀螺仪的控制律；

所述估计弹簧参数矩阵为：

上式中，为估计弹簧参数矩阵，为RBF神经网络权值，φ₁，φ₂，φ₃，φ₄为高斯基函数；

所述微陀螺仪的控制律为：

上式中，u为微陀螺仪的控制律，为q的导数，为q_d的导数，ρ为鲁棒项增益，sgn()为符号函数；