恭喜贵州大学罗绍华获国家专利权
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”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。