[發明專利]一種MEMS陀螺儀動態逆控制方法和裝置

有效

• 申請號: 202010842432.2
• 申請日: 2020-08-20
• 公開（公告）號: CN112099350B
• 公開（公告）日: 2022-10-28
• 發明（設計）人: 閔海波;張睿;許斌
• 申請（專利權）人: 北京愛賓果科技有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04;G01C19/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王嬌嬌

1.一種MEMS陀螺儀動態逆控制方法，其特征在于，包括：

構建考慮外部干擾和變化工作環境影響的MEMS陀螺動力學模型；

構建所述MEMS陀螺動力學模型的基于平行估計的動態逆控制器；

根據所述動態逆控制器構建平行估計模型，并設計擾動觀測器；

采用所述平行估計模型、所述擾動觀測器和所述動態逆控制器來驅動所述MEMS陀螺動力學模型，以實現所述MEMS陀螺儀的驅動；

所述構建考慮外部干擾和變化工作環境影響的MEMS陀螺動力學模型，具體為：

考慮外部干擾的MEMS陀螺動力學模型為：式中，x和y分別為MEMS陀螺儀檢測質量塊沿驅動軸和檢測軸的位移，d₁和d₂分別為驅動軸和檢測軸上的外部干擾，f₁和f₂為隨外部環境變化的未知非線性動力學，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，Ω為陀螺輸入角速度，u₁和u₂分別為驅動軸和檢測軸上控制輸入；

考慮變化工作環境的影響，c_xx、c_yy、k_xx、k_yy、c_xy、c_yx、k_xy和k_yx均為隨環境變化的不確定參數，f₁和f₂為未知非線性動力學；

定義f＝[f₁,f₂]^T，d＝[d₁,d₂]^T，u＝[u₁,u₂]^T，則可寫為：

設計神經網絡逼近f，則可寫為：其中，為未知的神經網絡最佳權值矩陣，為神經網絡基函數向量，D＝ε+d，為神經網絡逼近誤差且存在|ε|未知上確界向量ε_m。

2.根據權利要求1所述的方法，其特征在于，所述構建所述MEMS陀螺動力學模型的基于平行估計的動態逆控制器，具體為：

定義跟蹤誤差為其中，為參考信號；

設計的虛擬控制器為其中，是待設計參數矩陣，滿足Hurwitz條件；

引入新的變量使通過以下一階濾波器得到其中，是待設計參數矩陣，滿足Hurwitz條件；

定義二階誤差為

設計動態逆控制器為其中，是待設計參數矩陣且滿足Hurwitz條件，是D的估計，是ω^*的估計。

3.根據權利要求2所述的方法，其特征在于，所述參考信號選取

4.根據權利要求2所述的方法，其特征在于，所述根據所述動態逆控制器構建平行估計模型，具體為：

求e₂的導數為其中，

設計補償信號為定義得到補償的跟蹤誤差為ν₂＝e₂-z₂，定義預測誤差為其中，是的估計；

定義平行估計模型為其中，是待設計參數矩陣，滿足Hurwitz條件；

設計神經網絡的權值更新律為其中，是待設計參數矩陣，滿足Hurwitz條件。

5.根據權利要求4所述的方法，其特征在于，所述設計擾動觀測器，具體為：

設計擾動觀測器為其中，是待設計參數矩陣，滿足Hurwitz條件。

6.根據權利要求5所述的方法，其特征在于，所述采用所述平行估計模型、所述擾動觀測器和所述動態逆控制器來驅動所述MEMS陀螺動力學模型，以實現所述MEMS陀螺儀的驅動，具體為：

采用所述平行估計模型所述擾動觀測器和所述動態逆控制器來驅動所述MEMS陀螺動力學模型以實現所述MEMS陀螺儀的驅動。