【摘要】 本发明公开了的一种基于RBF神经网络滑模控制微陀螺仪的方法，将切换函数作为RBF神经网络的输入，滑模控制器作为RBF网络的输出，利用神经网络的学习功能，可实现单入单出的神经滑模控制，并综合滑变结构控制、自适应算法以及RBF神经网络的优点，能够达到控制效果。自适应算法根据可达条件实时在线调整RBF神经网络连接权值，从而使得系统最终到达滑模面，完成跟踪，还能够自适应滑模控制策略能够及时的修正和估计所有的硬性错误，阻尼等，通过Lyapunov稳定性定理可知所提出的自适应滑模控制器的稳定性是存在的，系统的鲁棒性较好，还对三维微陀螺仪的数字仿真证明本发明控制微陀螺仪的方法的有效性。 【专利类型】发明授权 【申请人】河海大学常州校区 【申请人类型】学校 【申请人地址】213022 江苏省常州市新北区晋陵北路200号 【申请人地区】中国 【申请人城市】常州市 【申请人区县】新北区 【申请号】CN201210134567.9 【申请日】2012-05-03 【申请年份】2012 【公开公告号】CN102636995B 【公开公告日】2014-07-30 【公开公告年份】2014 【授权公告号】CN102636995B 【授权公告日】2014-07-30 【授权公告年份】2014.0 【IPC分类号】G05B13/04 【发明人】费峻涛; 丁红菲 【主权项内容】基于RBF神经网络滑模控制微陀螺仪的方法，其特征在于：利用RBF神经网络滑模对微陀螺仪的进行控制，包括以下步骤，步骤(1)，建立理想的动力学模型设动力学模型的输出为qm，其中qm=xmymzmT]]>为三个方向上的陀螺仪的位移，控制目标是保持惯性质量在x, y, z坐标轴方向上以给定的频率摆动，振幅为xm＝A1sin(ω1t), ym＝A2sin(ω2t), zm＝A3sin(ω3t).；步骤(2)，建立微陀螺仪系统动力学模型建立微陀螺仪的状态空间模型方程其中，q=xyzT]]>为滑模控制输出的是x、y、z方向上轨迹，D=dxxdxydxzdxydyydyzdxzdyzdzz]]>分别是x、y、z方向上的阻尼项，kb=ω x2ω xyω xzω xyω y2ω yzω xzω yzω z2]]>为参考频率系数，Ω =0-Ω zΩ yΩ z0-Ω x-Ω yΩ x0]]>分别是x、y、z方向上的角速度，u为控制器；步骤(3)，建立RBF神经网络的所需的切换函数设被控对象为：x.1=x2x.2=f(t)+bu+ud---(1)]]>其中，ud为外界干扰信号，b为单位矩阵，u为控制器，设被控对象的位置指令为r(t)，切换函数表示为：s(t)=λ e(t)+e.(t)---(2)]]>其中e(t)＝r(t)-x1, λ为正常数；步骤(4)，建立RBF神经网络的权值调整函数权值调整函数为dω j=γ s(t)exp(-。 【当前权利人】河海大学常州校区 【当前专利权人地址】江苏省常州市晋陵北路200号 【统一社会信用代码】12320400467289477N 【引证次数】4.0 【自引次数】1.0 【他引次数】3.0 【家族引证次数】4.0 【家族被引证次数】30

未经允许不得转载：http://www.zhongzhencnc.com/1789884409.html