[發明專利]基于數據篩選的MEMS陀螺儀參數辨識驅動控制方法

有效

• 申請號: 201910648375.1
• 申請日: 2019-07-18
• 公開（公告）號: CN110389530B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 許斌;張睿;壽瑩鑫
• 申請（專利權）人: 西北工業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 劉新瓊

1.一種基于數據篩選的MEMS陀螺儀參數辨識驅動控制方法，其特征在于步驟如下：

步驟1：考慮存在正交誤差的MEMS陀螺動力學模型為：

其中，m為檢測質量塊的質量；Ω_z為陀螺輸入角速度，和x^*分別為MEMS陀螺儀檢測質量塊沿驅動軸的加速度、速度和位移，和y^*分別為沿檢測軸的加速度、速度和位移，和為靜電驅動力，c_xx和c_yy為阻尼系數，k_xx和k_yy為剛度系數，和為非線性系數，c_xy和c_yx為阻尼耦合系數，k_xy和k_yx為剛度耦合系數；上述參數根據振動式硅微機械陀螺參數選取；

取無量綱化時間t＝ω_ot^*，無量綱化位移x＝x^*/q₀，y＝y^*/q₀，其中ω₀為參考頻率，q₀為參考長度，對MEMS陀螺動力學模型進行無量綱化處理，并在等式兩邊同時除以得到

其中，和x分別為MEMS陀螺儀檢測質量塊沿驅動軸的無量綱加速度、無量綱速度和無量綱位移，和y分別為沿檢測軸的無量綱加速度、無量綱速度和無量綱位移；

重新定義

則式(2)可以改寫為

定義θ₁＝[x,y]^T，則式(3)可寫為

其中，U＝[u₁,u₂]^T，F(z)＝[f₁,f₂]^T，

假設是待辨識的未知參數矩陣，是連續可微回歸函數向量，則區間內，存在有界Φ(z)使得正定；且對F(z)進行線性參數化，得到

F(z)＝W^*TΦ(z) (5)

其中，Φ(z)＝z；

步驟2：給出MEMS陀螺動力學式(1)的參考軌跡為

其中，和分別為檢測質量塊沿驅動軸和檢測軸的參考振動位移信號，和分別為驅動軸和檢測軸振動的參考振幅，ω₁和ω₂分別為驅動軸和檢測軸振動的參考角頻率，和分別為驅動軸和檢測軸振動的相位；

則無量綱動力學式(4)的參考軌跡為

其中，且待設計參數

定義跟蹤誤差為

則控制器設計為

U＝U_n+U_pd-U_ad (9)

U_pd＝K₁e₁+K₂e₂ (11)

其中，是W^*的估計值，待設計參數和滿足Hurwitz條件；

給出參數的自適應律為

其中，等式右邊第一項采用當前時刻數據計算，第二項采用p_H個時刻點的歷史數據計算，Φ(z_i)為Φ(z)在i時刻點的取值，i＝1,2,…,p_H，F(z_i)為F(z)在i時刻點的取值，i＝1,2,…,p_H，且待設計參數滿足Hurwitz條件，B＝[0_2×2,I_2×2]^T；

步驟3：定義一個矩陣Z_t存儲數據Φ(z)，該矩陣行數為6，列數p隨存儲數據量變化且假設p^*是存儲數據最后一個時刻點，為p^*時刻點的Φ(z)，ε為正常數；參數自適應律式(15)選用的在線數據篩選流程如下：

①如果或者rank([Z_t,Φ(z)])＞rank([Z_t])，執行步驟②，否則舍棄數據Φ(z)；

②如果則將p_H時刻的Φ(z)存入Z_t矩陣，即令p_H＝p_H+1，Z_t(:,p_H)＝Φ(z)，否則執行步驟③；

③計算當前Z_t矩陣的最小奇異值，并將之記為S_old；然后，分別在i時刻將Φ(z)存入Z_t矩陣，i＝1,2,…,p_H，得到一組矩陣計算不同Z_t的最小奇異值，并選出所有最小奇異值中的最大值S；繼續執行步驟④；

④如果S＞S_old，將p_H時刻的Φ(z)存入Z_t矩陣，即Z_t(:,p_H)＝Φ(z)，否則舍棄p_H時刻的Φ(z)；返回步驟①繼續篩選數據；

步驟4：基于步驟3記載的數據篩選方法和參數自適應律式(13)設計控制器式(9)驅動無量綱動力學式(4)，并通過量綱轉換返回MEMS陀螺動力學模型式(1)，實現陀螺驅動控制和參數精確辨識。