کنترل هوشمند ژیروسکوپ‌های میکروالکترومکانیکی به روش مد لغزشی پایانه‌ای غیرتکین سریع و رویتگر مد لغزشی مرتبه بالا تطبیقی مبتنی بر شبکه‌های عصبی متعامد فازی

مقاله حاضر یک روش کنترلی جدید برای ژیروسکوپ‌های میکرو الکترومکانیکی با هدف دستیابی به دقت و سرعت ردیابی بالا، حذف پدیده چترینگ، مقاوم بودن در برابر وجود عدم قطعیت‌ها و حضور اغتشاشات خارجی و بی نیاز به اندازه‌گیری مستقیم متغیر حالت سرعت‌ ارائه می‌دهد. برای پرهیز از پیچیدگی کنترل‌کننده، یک رویتگر حالت مد لغزشی مرتبه بالای هوشمند استفاده‌شده است، که ضرایب آن توسط یک شبکه عصبی- فازی ساختاریافته با توابع فعال ساز از نوع چندجمله ای های متعامد چپیشف به صورت تطبیقی بروزرسانی می شود. این کنترل کننده قادر به تخمین هم‌زمان حالت‌های سیستم و تابع عدم قطعیت و اغتشاش کل سیستم است. بخش مرکزی آن یک کنترل گر مد لغزشی پایانه ای غیرتکین سریع است که علاوه بر دقت بسیار بالا، از سرعت همگرایی بسیار مطلوبی نیز برخوردار بوده و دستیابی به پایداری زمان محدود را تضمین می کند. برای حذف چترینگ نیز از یک شبکه عصبی-فازی مشابه دیگری استفاده می شود تا بخش های غیرخطی موجود در قانون کنترلی را هموار کند. عملکرد کنترل کننده پیشنهادی از طریق شبیه‌سازی و مقایسه با نتایج گزارش شده در پژوهش های قبلی بررسی می گردد. مقایسه نتایج حاکی از برتری کیفی و کمی روش پیشنهادی در موارد ادعایی به ویژه دقت ردگیری و حذف چترینگ می باشد.

intelligent control of mems gyroscopes using nonsingular fast terminal smc and fuzzy orthogonal neural networks based adaptive hosm observer

this paper presents a new control method for mems gyroscopes with the aim of achieving high tracking accuracy and fast convergent، eliminating the chattering phenomenon، being robust to the presence of uncertainties and external disturbances، and also not requiring direct measurement of velocity states. in order to avoid increasing the volume of calculations and the complexity of the controller structure، novel fuzzy chebyshev neural networks based intelligent adaptive high order sliding mode observer have been used to estimate the system states and external disturbances at the same time. fuzzy chebyshev neural network have been used، which simultaneously take the advantages of neural network، orthogonal polynomials and fuzzy logics estimation capabilities. the central part of the controller is composed of the nonsingular fast terminal sliding mode control method that ensures finite time stability، fast convergence and high tracking accuracy. in order to eliminate the chattering phenomenon the same fuzzy chebyshev neural network used to adjust controller gains including sign function. the simulation results have been presented and compared with the results of previous related researches، which indicate the desired performance of the proposed control method in solving the challenges raised. various control performance evaluation criteria have also been presented to numerically evaluate the quality of the proposed control method in comparison with numerous researches، which shows the very favorable efficiency of the proposed control method and the improvement of the results of the control methods presented in previous similar studies.