Resumen

En este artículo se propone un algoritmo de control acelerado y autoadaptado de backstepping basado en la red neural analgésica de tipo 2 (T2SFNN) para giroscopios del sistema microeléctrico (MEMS) con zona muerta y limitaciones. En primer lugar, se establece el modelo matemático del giroscopio MEMS para realizar análisis dinámicos y diseño de controladores. Luego, se presentan los diagramas de fase y los exponentes de Lyapunov para revelar su oscilación caótica, que es perjudicial para la estabilidad del sistema.Con el fin de suprimir las oscilaciones derivadas del caos y la zona muerta, se propone un controlador de backstepping adaptativo acelerado en el que se establece un auxiliar adaptativo para compensar la influencia de la zona muerta no simétrica en el rendimiento de estabilidad, junto con el T2SFNN diseñado para aproximar funciones desconocidas de sistema dinámico. Además, se introduce la función de velocidad para acelerar la velocidad de convergencia del sistema de control, y el problema de la explosión de términos complejos en el backstepping tradicional es resuelto exitosamente por un diferenciador de seguimiento de segundo orden. Finalmente,los resultados de la simulación muestran que el esquema de control propuesto puede garantizar la convergencia asintótica de todas las señales en el sistema de circuito cerrado, además de satisfacer las restricciones de los estados y lograr los propósitos de supresión del caos y convergencia acelerada.

INTRODUCCIÓN

En vista de las ventajas de medir la velocidad angular de los objetos, el bajo consumo de energía, la alta integración y la estructura simple, el giroscopio MEMS se utiliza ampliamente en el sistema de navegación y posicionamiento de vehículos, el control, la industria aeroespacial, el robot social y otros campos (Lin, Li y Yang, 2020; Chong et al., 2016; Fang, Fei y Yang, 2018; Rahmani, 2018; Rahmani y Rahman, 2018; Su, Li y Yang, 2020). Desafortunadamente, debido a la influencia de los errores de fabricación y los cambios en el entorno de trabajo, la precisión de medición del giroscopio MEMS se reducirá en gran medida. Además de eso, las características inherentes de los giroscopios MEMS, como la histéresis de zona muerta y las oscilaciones caóticas, reducirán su rendimiento operativo, e incluso causarán graves accidentes de seguridad. Por lo tanto, es de importancia profunda y duradera diseñar un controlador eficaz para mejorar el rendimiento robusto del giroscopio MEMS y suprimir las oscilaciones caóticas en su interior.

• Materias:Sistema eléctrico Algoritmo de control Oscilaciones fractales Red neuronal
• Subjects:Electrical system Control algorithm Fractal oscillations Neural network
• Palabras claves:giroscopio MEMS, red neuronal difusa secuencial de tipo 2, control acelerado de backstepping, oscilación caótica, función de velocidad
• Keywords:MEMS gyroscope, type-2 sequential fuzzy neural network, accelerated backstepping control, chaotic oscillation, speed function