CN112099350B - 一种mems陀螺仪动态逆控制方法和装置 - Google Patents
一种mems陀螺仪动态逆控制方法和装置 Download PDFInfo
- Publication number
- CN112099350B CN112099350B CN202010842432.2A CN202010842432A CN112099350B CN 112099350 B CN112099350 B CN 112099350B CN 202010842432 A CN202010842432 A CN 202010842432A CN 112099350 B CN112099350 B CN 112099350B
- Authority
- CN
- China
- Prior art keywords
- mems gyroscope
- dynamic
- mems
- dynamic inverse
- dynamics
- 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 50
- 238000013528 artificial neural network Methods 0.000 claims abstract description 42
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 25
- 238000013461 design Methods 0.000 claims description 21
- 238000005312 nonlinear dynamic Methods 0.000 claims description 16
- 230000008878 coupling Effects 0.000 claims description 12
- 238000010168 coupling process Methods 0.000 claims description 12
- 238000005859 coupling reaction Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 238000013016 damping Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims description 2
- 229910000831 Steel Inorganic materials 0.000 claims 1
- 238000001914 filtration Methods 0.000 claims 1
- 239000010959 steel Substances 0.000 claims 1
- 230000003044 adaptive effect Effects 0.000 abstract description 8
- 239000002131 composite material Substances 0.000 abstract description 3
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000004880 explosion Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003068 static effect 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Feedback Control In General (AREA)
- Gyroscopes (AREA)
Abstract
本申请公开了一种MEMS陀螺仪动态逆控制方法和装置,以提高MEMS陀螺仪驱动控制系统的环境适应能力,本方法通过将陀螺仪动力学模型转化为严格反馈形式;设计基于神经网络的平行估计模型逼近真实动力学,并基于神经网络预测误差和跟踪误差设计神经网络权值的复合自适应律,实现未知动力学的有效动态估计;设计扰动观测器实现外部干扰的有效估计;基于反步法设计动态逆控制系统,避免反步法的“微分爆炸”并实现MEMS陀螺仪驱动控制。本申请设计的基于平行估计的MEMS陀螺仪动态逆控制方法可解决动态动力学及外部干扰难以准确估计的问题,实现高精度陀螺仪驱动控制,进一步改善MEMS陀螺仪驱动控制性能。
Description
技术领域
本申请涉及智能化仪器仪表领域,更具体地说,涉及一种MEMS陀螺仪动态逆控制方法和装置。
背景技术
目前,鉴于体积小、低功耗、价格低的优点,MEMS(Micro-Electro-MechanicalSystem,微机电系统)陀螺仪广泛应用于机器人、消费电子、可穿戴设备等角速度测量领域。但是,由于MEMS陀螺仪电路信号非常微弱,有用信号极易受到温度、气压等外部环境及外部干扰影响,一旦有用信号受到外部干扰或变化工作环境影响,则会导致陀螺驱动控制性能变差。因此,采用自适应控制提高驱动控制系统的环境适应能力是非常必要的。
发明内容
有鉴于此,本申请提供一种MEMS陀螺仪动态逆控制方法和装置,采用自适应控制以提高MEMS陀螺仪驱动控制系统的环境适应能力。
为了解决上述技术问题,本申请提供如下技术方案:
一种MEMS陀螺仪动态逆控制方法,包括:
构建考虑外部干扰和变化工作环境影响的MEMS陀螺动力学模型;
构建所述MEMS陀螺动力学模型的基于平行估计的动态逆控制器;
根据所述动态逆控制器构建平行估计模型,并设计扰动观测器;
采用所述平行估计模型、所述扰动观测器和所述动态逆控制器来驱动所述MEMS陀螺仪动力学模型,以实现所述MEMS陀螺仪的驱动。
进一步的,所述构建考虑外部干扰和变化工作环境影响的MEMS陀螺动力学模型,具体为:
考虑外部干扰的MEMS陀螺动力学模型为:式中,x和y分别为MEMS陀螺仪检测质量块沿驱动轴和检测轴的位移,d1和d2分别为驱动轴和检测轴上的外部干扰,f1和f2为随外部环境变化的未知非线性动力学, cxx和cyy为阻尼系数,kxx和kyy为刚度系数,和为非线性系数,cxy和cyx为阻尼耦合系数,kxy和kyx为刚度耦合系数,Ω为陀螺输入角速度,u1和u2分别为驱动轴和检测轴上控制输入;
进一步的,所述构建所述MEMS陀螺动力学模型的基于平行估计的动态逆控制器,具体为:
进一步的,所述根据所述动态逆控制器构建平行估计模型,具体为:
进一步的,所述设计扰动观测器,具体为:
进一步的,所述采用所述平行估计模型、所述扰动观测器和所述动态逆控制器来驱动所述MEMS陀螺仪动力学模型,以实现所述MEMS陀螺仪的驱动,具体为:
一种MEMS陀螺仪动态逆控制装置,包括:
第一处理单元,用于构建考虑外部干扰和变化工作环境影响的MEMS陀螺动力学模型;
第二处理单元,用于构建所述MEMS陀螺动力学模型的基于平行估计的动态逆控制器;
第三处理单元,用于根据所述动态逆控制器构建平行估计模型,并设计扰动观测器;
第四处理单元,用于采用所述平行估计模型、所述扰动观测器和所述动态逆控制器来驱动所述MEMS陀螺仪动力学模型,以实现所述MEMS陀螺仪的驱动。
一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在的设备执行如上述所述的MEMS陀螺仪动态逆控制方法。
一种电子设备,所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如上述所述的MEMS陀螺仪动态逆控制方法。
从上述的技术方案可以看出,本申请将变化工作环境造成的未知动力学和频率、振幅、相位未知的外部谐波干扰视为状态量,设计真实动力学的平行估计模型,进而构建神经网络预测误差,并结合跟踪误差设计神经网络权值的复合自适应律,实现未知动力学的有效动态估计;设计扰动观测器实现外部干扰的有效估计;基于反步法设计动态逆控制器,避免反步法的“微分爆炸”并实现MEMS陀螺仪驱动控制,提高了MEMS陀螺仪驱动控制系统的环境适应能力;同时,针对时变外部扰动与非线性动力学来源不同,不能合并后采用神经网络逼近的问题,设计独立的扰动观测器,实时估计外部干扰。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种MEMS陀螺仪动态逆控制方法的流程示意图;
图2为本申请实施例公开的一种MEMS陀螺仪动态逆控制装置的结构示意图;
图3为本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
相关技术中,如《Adaptive global sliding mode controlfor MEMS gyroscopeusing RBF neural network》(Yundi Chu and Juntao Fei,《Mathematical Problems inEngineering》,2015)一文中,采用RBF(Radial Basis Function,径向基)神经网络逼近包含变化环境影响的MEMS陀螺非线性动力学和外部干扰,再利用全局滑模方法对其进行补偿。这种方法虽然提升了MEMS陀螺驱动控制对变化环境的适应能力,但是违背了神经网络逼近不确定的本意。
针对实际应用中变化环境导致的未知动态动力学难以实现有效动态估计。同时,时变外部扰动与非线性动力学来源不同,合并后采用神经网络逼近并不能有效估计扰动。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参见图1,本申请实施例提供的一种MEMS陀螺仪的动态逆控制方法的流程示意图,该方法具体包括如下步骤:
步骤S101:构建考虑外部干扰和变化工作环境影响的MEMS陀螺动力学模型。
其具体过程如下:
考虑外部干扰的MEMS陀螺动力学模型为:式中,x和y分别为MEMS陀螺仪检测质量块沿驱动轴和检测轴的位移,d1和d2分别为驱动轴和检测轴上的外部干扰,f1和f2为随外部环境变化的未知非线性动力学, cxx和cyy为阻尼系数,kxx和kyy为刚度系数,和为非线性系数,cxy和cyx为阻尼耦合系数,kxy和kyx为刚度耦合系数,Ω为陀螺输入角速度,u1和u2分别为驱动轴和检测轴上控制输入;
步骤S102:构建所述MEMS陀螺动力学模型的基于平行估计的动态逆控制器。
其具体过程如下:
步骤S103:根据所述动态逆控制器构建平行估计模型,并设计扰动观测器。
构建平行估计模型具体过程如下:
设计扰动观测器,具体为:
步骤S104:采用所述平行估计模型、所述扰动观测器和所述动态逆控制器来驱动所述MEMS陀螺仪动力学模型,以实现所述MEMS陀螺仪的驱动。
其具体过程如下:
本申请实施例公开的一种MEMS陀螺仪的动态逆控制方法,以提高MEMS陀螺仪驱动控制系统的环境适应能力,本方法通过将陀螺仪动力学模型转化为严格反馈形式;设计基于神经网络的平行估计模型逼近真实动力学,并基于神经网络预测误差和跟踪误差设计神经网络权值的复合自适应律,实现未知动力学的有效动态估计;设计扰动观测器实现外部干扰的有效估计;基于反步法设计动态逆控制系统,避免反步法的“微分爆炸”并实现MEMS陀螺仪驱动控制。本申请实施例设计的基于平行估计的MEMS陀螺仪动态逆控制方法可解决动态动力学及外部干扰难以准确估计的问题,实现高精度陀螺仪驱动控制,进一步改善MEMS陀螺仪驱动控制性能。
与上述方法实施例相对应的,本申请实施例还公开了一种MEMS陀螺仪动态逆控制装置,如图2所示,所述MEMS陀螺仪动态逆控制装置包括:
第一处理单元201,用于构建考虑外部干扰和变化工作环境影响的MEMS陀螺动力学模型;
第二处理单元202,用于构建所述MEMS陀螺动力学模型的基于平行估计的动态逆控制器;
第三处理单元203,用于根据所述动态逆控制器构建平行估计模型,并设计扰动观测器;
第四处理单元204,用于采用所述平行估计模型、所述扰动观测器和所述动态逆控制器来驱动所述MEMS陀螺仪动力学模型,以实现所述MEMS陀螺仪的驱动。
优选的,所述第一处理单元201具体用于:
考虑外部干扰的MEMS陀螺动力学模型为:式中,x和y分别为MEMS陀螺仪检测质量块沿驱动轴和检测轴的位移,d1和d2分别为驱动轴和检测轴上的外部干扰,f1和f2为随外部环境变化的未知非线性动力学, cxx和cyy为阻尼系数,kxx和kyy为刚度系数,和为非线性系数,cxy和cyx为阻尼耦合系数,kxy和kyx为刚度耦合系数,Ω为陀螺输入角速度,u1和u2分别为驱动轴和检测轴上控制输入;
优选的,所述第二处理单元202,具体用于:
优选的,所述第三处理单元203,具体用于:
优选的,所述第三处理单元203,具体还用于:
优选的,所述第四处理单元204,具体用于:
所述MEMS陀螺仪动态逆控制装置包括处理器和存储器,上述第一处理单元、第二处理单元、第三处理单元和第四处理单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来达到提高MEMS陀螺仪驱动控制系统的境适应能力的目的。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述MEMS陀螺仪动态逆控制方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述MEMS陀螺仪动态逆控制方法。
本发明实施例提供了一种电子设备,如图3所示,该电子设备30包括至少一个处理器301、以及与所述处理器连接的至少一个存储器302、总线303;其中,所述处理器301、所述存储器302通过所述总线303完成相互间的通信;处理器301用于调用所述存储器302中的程序指令,以执行上述的所述MEMS陀螺仪动态逆控制方法。
本文中的电子设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
构建考虑外部干扰和变化工作环境影响的MEMS陀螺动力学模型;
构建所述MEMS陀螺动力学模型的基于平行估计的动态逆控制器;
根据所述动态逆控制器构建平行估计模型,并设计扰动观测器;
采用所述平行估计模型、所述扰动观测器和所述动态逆控制器来驱动所述MEMS陀螺仪动力学模型,以实现所述MEMS陀螺仪的驱动。
进一步的,所述构建考虑外部干扰和变化工作环境影响的MEMS陀螺动力学模型,具体为:
考虑外部干扰的MEMS陀螺动力学模型为:式中,x和y分别为MEMS陀螺仪检测质量块沿驱动轴和检测轴的位移,d1和d2分别为驱动轴和检测轴上的外部干扰,f1和f2为随外部环境变化的未知非线性动力学, cxx和cyy为阻尼系数,kxx和kyy为刚度系数,和为非线性系数,cxy和cyx为阻尼耦合系数,kxy和kyx为刚度耦合系数,Ω为陀螺输入角速度,u1和u2分别为驱动轴和检测轴上控制输入;
进一步的,所述构建所述MEMS陀螺动力学模型的基于平行估计的动态逆控制器,具体为:
进一步的,所述根据所述动态逆控制器构建平行估计模型,具体为:
进一步的,所述设计扰动观测器,具体为:
进一步的,所述采用所述平行估计模型、所述扰动观测器和所述动态逆控制器来驱动所述MEMS陀螺仪动力学模型,以实现所述MEMS陀螺仪的驱动,具体为:
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (9)
1.一种MEMS陀螺仪动态逆控制方法,其特征在于,包括:
构建考虑外部干扰和变化工作环境影响的MEMS陀螺动力学模型;
构建所述MEMS陀螺动力学模型的基于平行估计的动态逆控制器;
根据所述动态逆控制器构建平行估计模型,并设计扰动观测器;
采用所述平行估计模型、所述扰动观测器和所述动态逆控制器来驱动所述MEMS陀螺动力学模型,以实现所述MEMS陀螺仪的驱动;
所述构建考虑外部干扰和变化工作环境影响的MEMS陀螺动力学模型,具体为:
考虑外部干扰的MEMS陀螺动力学模型为:式中,x和y分别为MEMS陀螺仪检测质量块沿驱动轴和检测轴的位移,d1和d2分别为驱动轴和检测轴上的外部干扰,f1和f2为随外部环境变化的未知非线性动力学, cxx和cyy为阻尼系数,kxx和kyy为刚度系数,和为非线性系数,cxy和cyx为阻尼耦合系数,kxy和kyx为刚度耦合系数,Ω为陀螺输入角速度,u1和u2分别为驱动轴和检测轴上控制输入;
7.一种MEMS陀螺仪动态逆控制装置,其特征在于,包括:
第一处理单元,用于构建考虑外部干扰和变化工作环境影响的MEMS陀螺动力学模型;
第二处理单元,用于构建所述MEMS陀螺动力学模型的基于平行估计的动态逆控制器;
第三处理单元,用于根据所述动态逆控制器构建平行估计模型,并设计扰动观测器;
第四处理单元,用于采用所述平行估计模型、所述扰动观测器和所述动态逆控制器来驱动所述MEMS陀螺动力学模型,以实现所述MEMS陀螺仪的驱动;
所述第一处理单元具体用于:
考虑外部干扰的MEMS陀螺动力学模型为:式中,x和y分别为MEMS陀螺仪检测质量块沿驱动轴和检测轴的位移,d1和d2分别为驱动轴和检测轴上的外部干扰,f1和f2为随外部环境变化的未知非线性动力学, cxx和cyy为阻尼系数,kxx和kyy为刚度系数,和为非线性系数,cxy和cyx为阻尼耦合系数,kxy和kyx为刚度耦合系数,Ω为陀螺输入角速度,u1和u2分别为驱动轴和检测轴上控制输入;
8.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在的设备执行如权利要求1至6中任一项所述的MEMS陀螺仪动态逆控制方法。
9.一种电子设备,其特征在于,所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1至6中任一项所述的MEMS陀螺仪动态逆控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010842432.2A CN112099350B (zh) | 2020-08-20 | 2020-08-20 | 一种mems陀螺仪动态逆控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010842432.2A CN112099350B (zh) | 2020-08-20 | 2020-08-20 | 一种mems陀螺仪动态逆控制方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112099350A CN112099350A (zh) | 2020-12-18 |
CN112099350B true CN112099350B (zh) | 2022-10-28 |
Family
ID=73753068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010842432.2A Active CN112099350B (zh) | 2020-08-20 | 2020-08-20 | 一种mems陀螺仪动态逆控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112099350B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090079703A (ko) * | 2008-01-18 | 2009-07-22 | 삼성전자주식회사 | 근접장 광디스크 구동기에서 갭 서보 제어 방법 및 장치 |
CN104199286B (zh) * | 2014-07-15 | 2017-01-18 | 北京航空航天大学 | 一种基于滑模干扰观测器的飞行器递阶动态逆控制方法 |
CN104898429B (zh) * | 2015-05-27 | 2017-09-22 | 北京工业大学 | 一种基于自抗扰控制的三旋翼姿态控制方法 |
CN107678282B (zh) * | 2017-11-05 | 2019-08-09 | 西北工业大学 | 考虑未知动力学和外部干扰的mems陀螺智能控制方法 |
-
2020
- 2020-08-20 CN CN202010842432.2A patent/CN112099350B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112099350A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | Design and analysis of adaptive Super-Twisting sliding mode control for a microgyroscope | |
Zhang et al. | Finite-time prescribed performance control of MEMS gyroscopes | |
Xu et al. | Minimal‐learning‐parameter technique based adaptive neural sliding mode control of MEMS gyroscope | |
Santim et al. | Design of a Takagi‐Sugeno Fuzzy Regulator for a Set of Operation Points | |
Ghanbari et al. | Adaptive fuzzy terminal sliding-mode control of MEMS z-axis gyroscope with extended Kalman filter observer | |
CN110389528B (zh) | 基于扰动观测的数据驱动mems陀螺仪驱动控制方法 | |
CN105929694A (zh) | 一种微陀螺自适应神经网络非奇异终端滑模控制方法 | |
Peng et al. | Parameters identification of nonlinear Lorenz chaotic system for high-precision model reference synchronization | |
Rahmani et al. | A novel compound fast fractional integral sliding mode control and adaptive PI control of a MEMS gyroscope | |
Fazeli Asl et al. | Fractional order fuzzy dynamic backstepping sliding mode controller design for triaxial MEMS gyroscope based on high-gain and disturbance observers | |
Meng et al. | Adaptive EPCH strategy for nonlinear systems with parameters uncertainty and disturbances | |
Wu et al. | Characteristic modeling and control of servo systems with backlash and friction | |
Li et al. | Dynamical analysis and accelerated adaptive backstepping control of MEMS triaxial gyroscope with output constraints | |
CN112099350B (zh) | 一种mems陀螺仪动态逆控制方法和装置 | |
Yan et al. | Adaptive control of MEMS gyroscope based on global terminal sliding mode controller | |
Yan et al. | Recursive subspace identification of AUV dynamic model under general noise assumption | |
CN111930154B (zh) | 一种mems陀螺仪的非奇异终端滑模控制方法和装置 | |
CN110426952B (zh) | 考虑外界干扰的区间数据学习mems陀螺仪高精度驱动控制方法 | |
Wang et al. | Novel fuzzy neural nonsingular terminal sliding mode control of MEMS gyroscope | |
Zhang et al. | Robust Observer Based Disturbance Rejection Control for Euler‐Lagrange Systems | |
Ma et al. | Nonsingular terminal sliding mode control of uncertain chaotic gyroscope system based on disturbance observer | |
Wang et al. | A Nonsingular Terminal Sliding Mode Approach Using Adaptive Disturbance Observer for Finite‐Time Trajectory Tracking of MEMS Triaxial Vibratory Gyroscope | |
Aleyaasin | Simply structured controllers for vibration suppression in long rotors | |
Batista | Robustness to measurement noise of a globally convergent attitude observer with topological relaxations | |
Liu et al. | Tracking control of a class of differential inclusion systems via sliding mode technique |
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 |