买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜贵州大学申请的专利具有输出约束的三轴MEMS陀螺仪加速自适应反演控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115291517B 。

龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210937153.3，技术领域涉及：G05B13/04；该发明授权具有输出约束的三轴MEMS陀螺仪加速自适应反演控制方法是由罗绍华;李枫韵;杨观赐;陈志威设计研发完成，并于2022-08-05向国家知识产权局提交的专利申请。

本具有输出约束的三轴MEMS陀螺仪加速自适应反演控制方法在说明书摘要公布了：本发明涉及一种具有输出约束的三轴MEMS陀螺仪加速自适应反演控制方法，属于MEMS陀螺仪控制技术领域。该方法包括：S1：构建三轴MEMS陀螺仪动力学模型，并构造时变障碍李雅普诺夫函数将状态变量限制在规定范围内；S2：构建二型模糊小波神经网络来逼近陀螺仪的非线性未知函数；S3：构建三轴MEMS陀螺仪加速自适应反演控制模型，具体是将二型模糊小波神经网络、速度函数、时变障碍李雅普诺夫函数、双曲正切跟踪微分器和自适应律融合到反演控制模型中。本发明设计的控制器不仅满足状态变量的约束，还能抑制混沌振荡，具有良好的跟踪精度。

本发明授权具有输出约束的三轴MEMS陀螺仪加速自适应反演控制方法在权利要求书中公布了：1.一种具有输出约束的三轴MEMS陀螺仪加速自适应反演控制方法，其特征在于，在控制器设计中，采用二型模糊小波神经网络来逼近系统的非线性未知函数，在backstepping框架下利用速度函数实现加速收敛且振幅小，并构造时变障碍李雅普诺夫函数将状态变量限制在规定范围内；同时，采用双曲正切跟踪微分器来降低时变障碍李雅普诺夫函数在backstepping框架中的计算复杂度；将二型模糊小波神经网络、速度函数、时变障碍李雅普诺夫函数、双曲正切跟踪微分器和自适应律融合到backstepping框架中设计整个控制器；该方法具体包括以下步骤： S1：构建三轴MEMS陀螺仪动力学模型，并构造时变障碍李雅普诺夫函数将状态变量限制在规定范围内； S2：构建二型模糊小波神经网络来逼近陀螺仪的非线性未知函数； S3：构建三轴MEMS陀螺仪加速自适应反演控制模型，具体是将二型模糊小波神经网络、速度函数、时变障碍李雅普诺夫函数、双曲正切跟踪微分器和自适应律融合到反演控制模型中； 步骤S1中，构建的三轴MEMS陀螺仪动力学模型为： 其中， x、y、z为位移轴，dxy、dxz、dyz为弹簧的对称项，dxx、dyy、dzz为阻尼系数，kxy、kxz、kyz为弹簧的不对称项，kxx、kyy、kzz为线性弹簧系数，为角速度，为控制力，m为内部质量块的质量，ω0＝1kHz是自然共振频率，l0＝1μm表示参考长度；x1＝xl0，x3＝yl0，x5＝zl0， 构造的时变障碍李雅普诺夫函数的表达式为： 其中，kit是一个正时变递减函数，e表示状态变量且满足kit＞|e|； 步骤S3中，构建三轴MEMS陀螺仪加速自适应反演控制模型，具体包括以下步骤： S31：计算第一个跟踪误差A1的导数表达式为： 其中， 表示的一阶导数；表示速度函数，表达式为：其中是一个正递增函数，其初值满足并且是有界且连续可微的；T∈0,∞表示指定时间，bt表示平滑函数且满足b0＝1和η是一个满足0＜η＜＜1的设计参数； ei为跟踪误差，表达式为：其中xi,i＝1,…,6是状态变量，xid,i＝1,3,5和αi,i＝2,4,6分别是X、Y和Z轴的参考轨迹和虚拟控制； 选择第一个障碍李雅普诺夫函数V1为： 其中，k1t表示正定时变衰减函数； 对V1求导，得到： 第一个虚拟控制率α2设计为： 其中，c1表示正的设计参数； 将4代入3得到： 其中，A2表示第二个加速跟踪误差； S32：选择第二个李雅普诺夫函数V2为： 计算V2的导数为： 其中，f2被视为未知函数，表达式为 使用二型模糊小波神经网络来近似f2，即 其中，表示二型模糊小波神经网络的权值，σ2表示二型模糊小波神经网络的基函数，ε2表示二型模糊小波神经网络的逼近误差； 设计双曲正切跟踪微分器来逼近αi的导数，则 其中，τi1表示变量，τi2表示变量；ρi、ci1和ci2为可调参数 定义： 其中，Eτi表示双曲正切跟踪微分器的正逼近误差； 然后，控制输入ux和自适应律被推导为： 其中，c2，λ2和μ2是设计的正常数；γ2表示正常数； 将5和11代入7，得到 S33：第三个跟踪误差A3的导数为 选择第三个障碍李雅普诺夫函数V3为： 其中，k3t表示正定时变衰减函数； 则V3的导数为 然后，第二个虚拟控制率α4设计为： 其中，c3表示设计的正参数； 基于14和17，16重写为： S34：选择第四个李雅普诺夫函数V4为： 其中，A4是第四个加速跟踪误差； 对V4求导，有 类似地，用τ42替代考虑到不确定，再次使用二型模糊小波神经网络对其进行逼近，定义为 控制输入uy和自适应率可设计为 其中，c4，λ4和μ4表示正设计参数；γ4表示正常数； 基于18和22，20计算为 S35：第五个跟踪误差A5的导数是 定义第五个障碍李雅普诺夫函数V5为： 其中，k5t表示正定时变衰减函数； 对V5求导 然后，给定第三个虚拟控制率α6为： 其中，c5表示正参数； 结合24和28，27推导为 S36：设计最后一个李雅普诺夫函数V6： 其中，A6表示第六个跟踪误差； 对V6求导， 其中，f6＝-δxzx2-δyzx4-δzzx6-fxzx1-fyzx3-fz 2x5+2ωyx2-2ωxx4； 同理步骤S32和34，用τ62替换不确定项并用二型模糊小波神经网络来近似未知项f6，即 最后一组控制输入uz和自适应律为 其中，c6，λ6和μ6代表正参数；γ6表示正数； 由29和33，31进一步推导为

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区花溪大道南段2708号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。