[发明专利]基于数据筛选的MEMS陀螺仪参数辨识驱动控制方法

摘要

本发明涉及一种基于数据筛选的MEMS陀螺仪参数辨识驱动控制方法，属于智能化仪器仪表领域。该方法将陀螺仪动力学模型转化为无量纲的动力学线性参数化模型；设计在线数据筛选方法选择合适的历史数据，并结合当前数据共同构建参数自适应律；采用区间激励的方式松绑参数辨识对持续激励条件的苛刻要求；设计控制器同时实现参数辨识和驱动控制。本发明设计的基于数据筛选的MEMS陀螺仪参数辨识驱动控制方法可解决参数辨识难以获取真值且对持续激励要求严苛的问题，获取精确的动力学模型，同时实现高精度陀螺仪驱动控制，进一步改善MEMS陀螺仪性能。

主权项

1.一种基于数据筛选的MEMS陀螺仪参数辨识驱动控制方法，其特征在于步骤如下：步骤1：考虑存在正交误差的MEMS陀螺动力学模型为：其中，m为检测质量块的质量；Ω_z为陀螺输入角速度，和x^*分别为MEMS陀螺仪检测质量块沿驱动轴的加速度、速度和位移，和y^*分别为沿检测轴的加速度、速度和位移，和为静电驱动力，c_xx和c_yy为阻尼系数，k_xx和k_yy为刚度系数，和为非线性系数，c_xy和c_yx为阻尼耦合系数，k_xy和k_yx为刚度耦合系数；上述参数根据振动式硅微机械陀螺参数选取；取无量纲化时间t＝ω_ot^*，无量纲化位移x＝x^*/q₀，y＝y^*/q₀，其中ω₀为参考频率，q₀为参考长度，对MEMS陀螺动力学模型进行无量纲化处理，并在等式两边同时除以得到其中，和x分别为MEMS陀螺仪检测质量块沿驱动轴的无量纲加速度、无量纲速度和无量纲位移，和y分别为沿检测轴的无量纲加速度、无量纲速度和无量纲位移；重新定义则式(2)可以改写为定义θ₁＝[x,y]^T，则式(3)可写为其中，U＝[u₁,u₂]^T，F(z)＝[f₁,f₂]^T，假设是待辨识的未知参数矩阵，是连续可微回归函数向量，则区间[t,t+Δt],内，存在有界Φ(z)使得正定；且对F(z)进行线性参数化，得到F(z)＝W^*TΦ(z)                          (5)其中，Φ(z)＝z；步骤2：给出MEMS陀螺动力学式(1)的参考轨迹为其中，和分别为检测质量块沿驱动轴和检测轴的参考振动位移信号，和分别为驱动轴和检测轴振动的参考振幅，ω₁和ω₂分别为驱动轴和检测轴振动的参考角频率，和分别为驱动轴和检测轴振动的相位；则无量纲动力学式(4)的参考轨迹为θ_1d＝[x_d,y_d]^T，其中，且待设计参数定义跟踪误差为e₁＝θ_1d‑θ₁，e₂＝θ_2d‑θ₂，则控制器设计为U＝U_n+U_pd‑U_ad                        (9)U_pd＝K₁e₁+K₂e₂                        (11)其中，是W^*的估计值，待设计参数和满足Hurwitz条件；给出参数的自适应律为其中，等式右边第一项采用当前时刻数据计算，第二项采用p_H个时刻点的历史数据计算，Φ(z_i)为Φ(z)在i(i＝1,2,…,p_H)时刻点的取值，F(z_i)为F(z)在i(i＝1,2,…,p_H)时刻点的取值，且待设计参数满足Hurwitz条件，B＝[0_2×2,I_2×2]^T；步骤3：定义一个矩阵Z_t存储数据Φ(z)，该矩阵行数为6，列数p随存储数据量变化且假设p^*是存储数据最后一个时刻点，为p^*时刻点的Φ(z)，ε为正常数；参数自适应律式(15)选用的在线数据筛选流程如下：①如果或者rank([Z_t,Φ(z)])>rank([Z_t])，执行步骤②，否则舍弃数据Φ(z)；②如果则将p_H时刻的Φ(z)存入Z_t矩阵，即令p_H＝p_H+1，Z_t(:,p_H)＝Φ(z)，否则执行步骤③；③计算当前Z_t矩阵的最小奇异值，并将之记为S_old；然后，分别在i(i＝1,2,…,p_H)时刻将Φ(z)存入Z_t矩阵，得到一组矩阵计算不同Z_t的最小奇异值，并选出所有最小奇异值中的最大值S；继续执行步骤④；④如果S>S_old，将p_H时刻的Φ(z)存入Z_t矩阵，即Z_t(:,p_H)＝Φ(z)，否则舍弃p_H时刻的Φ(z)；返回步骤①继续筛选数据；步骤4：基于步骤3记载的数据筛选方法和参数自适应律式(13)设计控制器式(9)驱动无量纲动力学式(4)，并通过量纲转换返回MEMS陀螺动力学模型式(1)，实现陀螺驱动控制和参数精确辨识。