CN109240083B - 微陀螺仪系统的自适应模糊超扭曲滑模控制方法 - Google Patents
微陀螺仪系统的自适应模糊超扭曲滑模控制方法 Download PDFInfo
- Publication number
- CN109240083B CN109240083B CN201811137047.7A CN201811137047A CN109240083B CN 109240083 B CN109240083 B CN 109240083B CN 201811137047 A CN201811137047 A CN 201811137047A CN 109240083 B CN109240083 B CN 109240083B
- Authority
- CN
- China
- Prior art keywords
- micro
- gyroscope
- control
- self
- adaptive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013461 design Methods 0.000 claims abstract description 19
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 8
- 230000006978 adaptation Effects 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000013016 damping Methods 0.000 claims description 4
- 230000010355 oscillation Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000004088 simulation Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000013013 elastic material Substances 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种微陀螺仪系统的自适应模糊超扭曲滑模控制方法,包括如下步骤:(1)建立微陀螺仪系统的无量纲动力学方程;(2)设计微陀螺仪系统的自适应模糊超扭曲滑模控制器,所述控制器由等效控制项和基于超扭曲控制算法的切换控制项组成;(3)用模糊系统来逼近超扭曲滑模控制器参数,在线辨识估计增益项,实现控制器参数的自适应调节。本发明提供的控制方法设计简易,应用方便,进一步扩展了微陀螺仪的应用范围,能够实现对被控系统的有效控制,使微陀螺仪系统的轨迹跟踪具有较强的鲁棒性,较快的收敛速度及较高的精确度。
Description
技术领域
本发明涉及一种微陀螺仪系统的自适应模糊超扭曲滑模控制方法,属于微陀螺仪系统的控制技术领域。
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,微陀螺仪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,微陀螺仪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,使得微陀螺仪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。
超扭曲滑模控制由于其能够有效抑制控制输入抖振的优点而被广泛应用,但其控制器的增益值选取较为复杂,在数值仿真中需要不断调节使其达到最优,不仅增加了数值仿真的难度而且降低仿真效率,而且当存在干扰并且干扰变化率较大时,超扭曲滑模控制的增益项也要相应变大,因此就会产生抖振现象,降低算法原始的优越性,因此对超扭曲控制算法的参数设计一种有效的自适应逼近算法能够有效地提高控制算法的优越性。
发明内容
目的:为了改善微陀螺仪系统性能,提高其鲁棒性,解决微陀螺仪现存的缺陷和传统控制方法不足等问题,本发明充分利用模糊控制、自适应控制和超扭曲滑模控制的优点,提供一种微陀螺仪系统的自适应模糊超扭曲滑模控制方法。
技术方案:首先采用自适应控制,设计自适应律逼近微陀螺仪系统未知参数,实现在线实时估计和更新微陀螺仪的未知参数和角速度;其次采用超扭曲滑模控制实现对系统参考轨迹的精确跟踪,有效抑制输入抖振,提高控制系统性能和对外界干扰的鲁棒性;最后为了更加有效地发挥超扭曲控制算法的优越性,采用模糊系统万能逼近原理实时逼近控制器参数的增益值,在线实时调节控制器参数,实现控制系统的最优控制。
具体步骤如下:
(1)建立微陀螺仪系统的无量纲动力学方程,如下:
(2)设计微陀螺仪系统的自适应模糊超扭曲滑模控制器,控制器由等效控制项和超扭曲滑模控制项组成。首先设计等效控制项,在不考虑微陀螺仪系统不确定性和外界干扰的情况下,设计设计微陀螺仪的等效控制项ueq,定义e=q-qr为跟踪误差,q为微陀螺仪系统的输出轨迹,qr为微陀螺仪系统的期望轨迹,定义滑模面为
所述微陀螺仪系统的输出轨迹选取稳定正弦振荡为参考模型,其中,x=A1sin(ω1t),y=A2sin(ω2t)。
在不考虑外界干扰的情况下,系统的模型可描述为:
基于超扭曲控制算法,设计切换控制律为:
所以得到微陀螺仪系统的控制律为:
但由于实际微陀螺仪系统模型模型未知,控制律(5)式无法实施,采用了Lyapunov稳定性理论设计微陀螺仪未知参数的自适应算法,在线辨识,并实时更新系统的未知参数,设计D,K,Ω的估计值来代替未知的真值D,K,Ω,其中所采用的Lyapunov函数为:
有益效果:将模糊控制、自适应控制与超扭曲滑模控制相结合,并且利用Lyapunov稳定性理论设计自适应律,不但能够确保系统能够在有限时间内快速收敛,达到稳定状态,而且利用模糊逼近更加有效地发挥了超扭曲控制算法的优越性,更加优化被控对象的控制效果,利用自适应控制逼近系统未知模型,使控制系统的设计不依赖于系统的精确模型,简化了控制系统的设计,降低了控制器设计对系统精确模型的要求。
附图说明
图1为本发明实例中微陀螺仪系统的简化模型图;
图2为本发明实例中基于微陀螺仪系统的自适应模糊超扭曲滑模控制系统结构框图;
图3为本发明实例中微陀螺仪系统X轴Y轴位置跟踪曲线;
图4为本发明实例中微陀螺仪系统X轴Y轴位置跟踪误差曲线;
图5为本发明实例中微陀螺仪系统滑模面收敛曲线;
图6为本发明实例中微陀螺仪系统X轴Y轴控制输入曲线;
图7为本发明实例中微陀螺系统参数dxx,dxy,dyy自适应辨识曲线;
图9为本发明实例中微陀螺仪角速度Ωz的自适应辨识曲线;
图10为本发明实例中微陀螺仪系统超扭曲滑模控制器参数k1的模糊逼近曲线;
图11为本发明实例中微陀螺仪系统超扭曲滑模控制器参数k2的模糊逼近曲线。
具体实施方式
下面结合附图和实施例对本发明作更进一步的说明。
一、微陀螺仪的数学模型:
微振动陀螺仪通常由弹性材料支撑悬挂的质量块、静电驱动装置和感测装置三部分组成,可以将其简化为图1所示的一个由质量块和弹簧构成的有阻尼振荡系统,其显示了笛卡尔坐标系下的简化的z轴微机械振动陀螺仪模型。
根据旋转系中的牛顿定律,综合考虑各种制造误差等对微陀螺的影响,得到微机械陀螺仪的数学模型为:
上式(12)中,m是质量块的质量,x,y为质量块在驱动轴和感测轴两轴的位置向量,dxx,dyy表示x,y两轴的阻尼系数,kxx,kyy分别是x,y两轴的弹簧系数,ux,uy是表示x,y两轴的控制输入,kxy,dxy是制造误差引起的耦合弹簧系数和阻尼系数,Ωz表示微陀螺仪工作环境中的角速度,是科里奥利力。
微机械陀螺仪的数学模型(12)式是一种有量纲的形式,也就是说,方程中的物理量不仅要考虑数值大小,而且其物理单位的一致性还要考虑在内,因此增加了控制器设计的复杂度,不容易实现数值模拟。为了解决以上两个问题,有必要对模型进行无量纲化处理,无量纲化在数值仿真时容易实现,同时它能为各种各样的微陀螺系统设计提供一个统一的数学公式。
将式(11)的两侧同时除以微陀螺基础质量块的质量m,参考长度q0,两轴的共振频率的平方ω0 2,得到无量纲化模型如下:
(1)式中,各无量纲量的表达式为:
为了简化控制器的设计,对无量纲化模型(1)进行等效变换,模型的等效变换有益于控制器的设计和系统的稳定性分析以及各种先进控制方法的应用。于是将模型(1)改写为如下向量形式:
考虑系统的参数不确定性和外界干扰,则根据式(13)所描述的微陀螺仪系统的等效模型,微陀螺仪系统模型可修改为:
式中,ΔD为惯性矩阵D+2Ω的未知参数的不确定性,ΔK为矩阵K的未知参数的不确定性,d是外界干扰。
进一步式(13)可表示为:
式中有:
二、微陀螺仪系统自适应模糊超扭曲滑模控制:
基于微陀螺仪系统自适应模糊超扭曲滑模控制系统,结构框图如图2所示;
自适应控制方法提供了一种解决系统未知模型的逼近方法,使控制器的设计不依赖于系统的精确模型,并且利用模糊逼近可以有效地逼近超扭曲滑模控制切换增益,简化控制器的设计,调高精度,达到所要求的控制效果。
定义滑模面为:
所以有:
式中,q为微陀螺仪系统的输出轨迹,qr为微陀螺仪系统的期望轨迹。
将(2)式代入(3)式得:
基于超扭曲控制算法,设计切换控制律为:
所以得到微陀螺仪系统的控制律为:
因此控制律式(6)变为:
定义最优参数为:
其中Ωh,Ωf分别为θh,θf的集合。
在考虑外界干扰情况下式(13)可以写为:
将控制律(21)式代入(23)式得:
三、稳定性证明:
定义Lyapunov函数为:
对V求其对时间的一阶导数可得:
将式(24)代入式(25)得
同理可得:
因此式(26)可以写为:
四、实验仿真分析:
利用MATLAB仿真软件对本章所提出的微陀螺高阶自适应超扭曲滑模控制方法进行验证,并对微陀螺系统的未知参数D,K,Ω进行在线实时估计,并用模糊系统理论辨识超扭曲滑模控制器参数。
微陀螺仪实验仿真的参数选择如下:
m=1.8×10-7kg,kxx=63.955N/m,kyy=95.92N/m,kxy=12.779N/m
dxx=1.8×10-6Ns/m,dyy=1.8×10-6Ns/m,dxy=3.6×10-7Ns/m
假定输入的角速度为Ωz=100rad/s,对微陀螺仪系统进行无量纲化处理,选取参考长度为q0=1μm,参考频率为ω0=1000Hz,得到微陀螺仪系统的无量纲参数如下:
ωx 2=355.3,ωy 2=532.9,ωxy=70.99,dxx=0.01
dyy=0.01,dxy=0.002,Ωz=0.1
因此系统的无量纲参数矩阵可表示为:
仿真实验中,选取系统的初始状态为:q1(0)=1,q2(0)=0.5,设定X轴Y轴的参考轨迹分别为:qr1=sin(πt),qr2=cos(0.5πt),三个参数矩阵的估计值为:滑模控制中,滑模面的参数取c=10,自适应固定增益取:M=N=P=diag(150,150)。
定义滑模面si的隶属函数为μNM(si)=1/(1+exp(5(si+3))),μZO(si)=exp(-si 2),μPM(si)=1/(1+exp(5(si-3))),自适应参数γ1=6,γ2=6,设θh,θf初始值为零。
当微陀螺系统参数摄动10%,外界干扰取白噪声信号d=[0.5*randn(1,1);0.5*randn(1,1)],设定仿真时间为60s,仿真结果如图3至图11所示。
图3,图4分别为微陀螺仪系统在自适应模糊超扭曲滑模控制律下系统X轴Y轴的位置跟踪曲线与位置跟踪误差曲线,由图3和图4可看出系统在RBF神经网络超扭曲滑模控制下,输出轨迹能够在有限时间内快速并精确地跟踪参考轨迹并且跟踪效果较好,因此,控制系统能够在有限时间内快速地达到稳定状态,实现控制系统所要求的控制目标,达到较好的控制效果。
图5为系统在自适应模糊超扭曲滑模控制律下的X轴和Y轴的滑模面收敛曲线,结果显示,滑模面能够在有限时间内迅速收敛于零,同时也表明,该系统可以在有限时间内达到滑模面,并且稳定在滑模面上,达到滑动稳定区域。
图6为微陀螺仪系统在自适应模糊超扭曲滑模控制律下X轴和Y轴的控制输入曲线,从图中可以看出,基于自适应模糊超扭曲滑模控制可以有效抑制系统控制输入抖振,控制输入曲线较为平滑,因此可以达到较好的控制效果。
图7为微陀螺系统基于自适应模糊超扭曲滑模控制方案下系统未知参数dxx,dxy,dyy的自适应辨识曲线,由图8可看出,在两个不同频率的正弦输入信号作用下,系统辨识参数能够在有限时间内快速地收敛到各自的真值,并且超调量较小。
图8为采用自适应模糊超扭曲滑模控制方法得到的微陀螺系统未知参数wxy,的自适应辨识曲线,由图可以看出系统的辨识参数能够在有限时间内快速地收敛到各自的真值,自适应律选取较为合适,能够使系统达到较好的控制效果。
图9为微陀螺仪角速度Ωz的自适应辨识曲线,可以看出微陀螺仪的角速度Ωz同样能够在有限时间内收敛到与其相对应的真值。
图10、11分别为系统在自适应模糊超扭曲滑模控制律下的超扭曲滑模控制器参数k1,k2的模糊逼近曲线。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种微陀螺仪系统的自适应模糊超扭曲滑模控制方法,其特征在于:包括如下步骤,
步骤一、建立无量纲动力学方程,如下:
式中,x,y为质量块在驱动轴和感测轴两轴的位置向量,dxx,dyy表示x,y两轴的阻尼系数,dxy是制造误差引起的阻尼系数,ux,uy表示x,y两轴的控制输入,Ωz表示微陀螺仪工作环境中的角速度;
式(1)改写为向量形式:
步骤二、构建微陀螺仪系统的自适应模糊超扭曲滑模控制器,控制器由等效控制项ueq和切换控制项usw组成,输出记为u;
步骤三、用模糊系统来逼近超扭曲滑模控制器参数;
在不考虑微陀螺仪系统不确定性和外界干扰的情况下,设计微陀螺仪的等效控制项ueq,定义为:
基于超扭曲控制算法,设计切换控制项为:
因此控制律式(6)变为:
定义最优参数为:
其中Ωh,Ωf分别为θh,θf的集合;
在考虑外界干扰情况下式(13)写为:
将控制律(21)式代入(23)式得:
为保证系统稳定,超扭曲滑模控制器参数k1,k2的自适应律如下:
5.根据权利要求1所述的微陀螺仪系统的自适应模糊超扭曲滑模控制方法,其特征在于:所述微陀螺仪系统的输出轨迹选取稳定正弦振荡为参考模型,参考模型中,x=A1sin(ω1t),y=A2sin(ω2t)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811137047.7A CN109240083B (zh) | 2018-09-28 | 2018-09-28 | 微陀螺仪系统的自适应模糊超扭曲滑模控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811137047.7A CN109240083B (zh) | 2018-09-28 | 2018-09-28 | 微陀螺仪系统的自适应模糊超扭曲滑模控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109240083A CN109240083A (zh) | 2019-01-18 |
CN109240083B true CN109240083B (zh) | 2021-10-01 |
Family
ID=65057842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811137047.7A Active CN109240083B (zh) | 2018-09-28 | 2018-09-28 | 微陀螺仪系统的自适应模糊超扭曲滑模控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109240083B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109917645B (zh) * | 2019-02-21 | 2022-03-08 | 河海大学常州校区 | 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 |
CN110262237B (zh) * | 2019-06-25 | 2022-09-23 | 河海大学常州校区 | 基于双反馈模糊神经网络的微陀螺仪超扭曲滑模控制方法 |
CN110440778B (zh) * | 2019-07-25 | 2022-10-04 | 中北大学 | 一种mems陀螺仪无超调保性能模糊小波神经控制方法 |
CN110940334B (zh) * | 2019-10-23 | 2023-04-18 | 南京华科广发通信科技有限公司 | 一种人体行走测速徽章及测速方法 |
CN114851196B (zh) * | 2022-05-09 | 2023-03-10 | 哈尔滨工业大学(深圳) | 基于模糊自适应全局滑模的机械臂轨迹跟踪控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336435A (zh) * | 2013-06-19 | 2013-10-02 | 河海大学常州校区 | 微陀螺仪基于角速度估计的自适应模糊滑模控制方法 |
CN103345154A (zh) * | 2013-06-19 | 2013-10-09 | 河海大学常州校区 | 微陀螺仪系统的间接自适应模糊滑模控制方法 |
CN106249596A (zh) * | 2016-09-21 | 2016-12-21 | 河海大学常州校区 | 微陀螺仪的间接自适应模糊全局快速终端滑模控制方法 |
CN107703757A (zh) * | 2017-11-07 | 2018-02-16 | 河海大学常州校区 | 微陀螺仪系统的超扭曲滑模控制方法 |
CN107807527A (zh) * | 2017-11-07 | 2018-03-16 | 河海大学常州校区 | 微陀螺仪增益可调的自适应超扭曲滑模控制方法 |
CN107831660A (zh) * | 2017-11-07 | 2018-03-23 | 河海大学常州校区 | 微陀螺仪自适应高阶超扭曲滑模控制方法 |
CN107831655A (zh) * | 2017-10-23 | 2018-03-23 | 河海大学常州校区 | 微陀螺仪的分数阶自适应反演模糊滑模控制方法 |
CN107861384A (zh) * | 2017-11-05 | 2018-03-30 | 西北工业大学 | 基于复合学习的mems陀螺仪快速启动方法 |
-
2018
- 2018-09-28 CN CN201811137047.7A patent/CN109240083B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336435A (zh) * | 2013-06-19 | 2013-10-02 | 河海大学常州校区 | 微陀螺仪基于角速度估计的自适应模糊滑模控制方法 |
CN103345154A (zh) * | 2013-06-19 | 2013-10-09 | 河海大学常州校区 | 微陀螺仪系统的间接自适应模糊滑模控制方法 |
CN106249596A (zh) * | 2016-09-21 | 2016-12-21 | 河海大学常州校区 | 微陀螺仪的间接自适应模糊全局快速终端滑模控制方法 |
CN107831655A (zh) * | 2017-10-23 | 2018-03-23 | 河海大学常州校区 | 微陀螺仪的分数阶自适应反演模糊滑模控制方法 |
CN107861384A (zh) * | 2017-11-05 | 2018-03-30 | 西北工业大学 | 基于复合学习的mems陀螺仪快速启动方法 |
CN107703757A (zh) * | 2017-11-07 | 2018-02-16 | 河海大学常州校区 | 微陀螺仪系统的超扭曲滑模控制方法 |
CN107807527A (zh) * | 2017-11-07 | 2018-03-16 | 河海大学常州校区 | 微陀螺仪增益可调的自适应超扭曲滑模控制方法 |
CN107831660A (zh) * | 2017-11-07 | 2018-03-23 | 河海大学常州校区 | 微陀螺仪自适应高阶超扭曲滑模控制方法 |
Non-Patent Citations (2)
Title |
---|
Adaptive control of MEMS gyroscope using global fast terminal sliding mode control and fuzzy-neural-network;Junta Fei 等;《Nonlinear Dynamics》;20140520;第78卷(第1期);第103-116页全文 * |
基于类二次型Lyapunov函数的super-twisting算法收敛性分析;李鹏 等;《控制与决策》;20110630;第26卷(第6期);第949-952页全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109240083A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109240083B (zh) | 微陀螺仪系统的自适应模糊超扭曲滑模控制方法 | |
CN105045097B (zh) | 一种基于神经网络的微陀螺仪反演全局滑模模糊控制方法 | |
CN107831655B (zh) | 微陀螺仪的分数阶自适应反演模糊滑模控制方法 | |
CN103616818B (zh) | 微陀螺仪的自适应模糊神经全局快速终端滑模控制方法 | |
CN103885339B (zh) | 微陀螺仪的反演自适应模糊滑模控制方法 | |
CN103728882B (zh) | 微陀螺仪的自适应反演非奇异终端滑模控制方法 | |
CN107807527B (zh) | 微陀螺仪增益可调的自适应超扭曲滑模控制方法 | |
CN108227504B (zh) | 微陀螺分数阶自适应模糊神经反演终端滑模控制方法 | |
CN104281056B (zh) | 基于神经网络上界学习的微陀螺仪鲁棒自适应控制方法 | |
CN110262237B (zh) | 基于双反馈模糊神经网络的微陀螺仪超扭曲滑模控制方法 | |
CN108710296B (zh) | 微陀螺仪的分数阶自适应快速终端滑模控制方法 | |
CN104122794B (zh) | 微陀螺仪的自适应模糊神经补偿非奇异终端滑模控制方法 | |
CN107831660A (zh) | 微陀螺仪自适应高阶超扭曲滑模控制方法 | |
CN103389648B (zh) | 微陀螺仪的全局滑模控制方法 | |
CN110703610B (zh) | 微陀螺仪的递归模糊神经网络非奇异终端滑模控制方法 | |
CN107703757A (zh) | 微陀螺仪系统的超扭曲滑模控制方法 | |
CN104267604B (zh) | 微陀螺仪自适应神经网络全局滑模控制方法 | |
CN103279038B (zh) | 基于t-s模糊模型的微陀螺仪滑模自适应控制方法 | |
CN104155874B (zh) | 微陀螺仪的反演自适应模糊动态滑模控制方法 | |
CN103529701A (zh) | 微陀螺仪的神经网络全局滑模控制方法 | |
CN105487382B (zh) | 基于动态面的微陀螺自适应模糊滑模控制方法 | |
CN103345154B (zh) | 微陀螺仪系统的间接自适应模糊滑模控制方法 | |
Lei et al. | Adaptive neural nonsingular terminal sliding mode control for MEMS gyroscope based on dynamic surface controller | |
CN109917645B (zh) | 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 | |
CN104656442A (zh) | 微陀螺仪神经网络动态pid全局滑模控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |