基于神经网络上界学习的微陀螺仪鲁棒自适应控制方法

摘要

本发明公开了一种基于神经网络上界学习的微陀螺仪鲁棒自适应控制方法，包括以下步骤：建立理想动力学模型和微陀螺仪动力学模型，设计滑模函数并基于滑模函数得到控制律，在此控制律的基础上加上反馈项和鲁棒项，将RBF神经网络上界估计值作为鲁棒项的增益。基于李雅普诺夫方法设计参数自适应律和网络权值自适应律。本发明在控制律中加入反馈项，使微陀螺两轴振动轨迹跟踪和参数估计速度极大的提高，且振动幅值减小；在控制律中加入基于RBF神经网络上界学习的鲁棒项，解决由于外界干扰较大且波动引起的抖振和动态特性变差问题，消除结构式和非结构式的不确定性，进一步提高系统的鲁棒性。