1.一种两轴音圈快速反射镜的神经网络滑模控制方法，其特征在于，具体按照以下步骤实施：步骤1、进行音圈电机快反镜系统建模与简化：两轴音圈电机快速反射镜中作为驱动器的音圈电机的等效数学模型如下：Me＝Cmia                                      (2)Ea＝Ceω                                       (3)其中，ia为电枢电流，Ra为电枢电阻，La为电枢电感，Ea为反电势，Ua为电枢电压，Me为电磁转矩，Cm为电磁转矩常数，Ce为电动势常数，ω为线圈角速度；对于除音圈电机之外的可在两维方向上运动的反射镜机构部分，将其解耦成两个独立的单自由度的扭振系统，建立其力矩平衡方程为：其中，Me为同轴两台串联的音圈电机共同施加的合力矩，J为倾斜镜的转动惯量，θm为倾斜镜的偏转角， 和 为角速度和角加速度，C为等效阻尼系数，L为驱动器作用点到转动轴的距离，m为音圈的质量；

2 2

令J1＝J+2mL，C1＝2CL ,则式(4)表示为：将(1)、(2)和(3)式代入(5)式可得输出角速度与电压之间的传递函数为：由上式得出由音圈电机驱动的反射镜为二阶振荡环节，其对应的微分方程为：若忽略 项的影响，则上式可化为：

其中：

f(ω)＝(RaC1+CeCm)ω/Cm此时令x1＝θm， 则可将式(8)转化为状态方程：式(9)和(10)组成解耦后的状态方程；

步骤2、利用步骤1建立的音圈电机快反镜系统模型，计算音圈电机快速反射镜的滑模控制函数：θd和θm分别为反射镜的位置给定和实际位置；

定义位置误差为e＝x1‑θd，其中θd为位置给定信号，定义滑模切换函数为：其中常数c>0，定义 则：

s＝x2‑xq                                  (12)对s两边求导并带入式(10)得：

采用等速趋近率：

其中参数λ>0控制系统运动点趋近切换面s＝0的速率，其值小，趋近速率慢，相反则快，进一步由式(13)和(14)可得如下的理想控制量：步骤3、采用神经网络对步骤2得到的滑模控制函数进行优化，完成神经网络滑模控制。

2.根据权利要求1所述的一种两轴音圈快速反射镜的神经网络滑模控制方法，其特征在于，所述步骤3具体按照以下步骤实施：由于实际当中式(15)中参数J和f(x2)是随时间变化的，理想控制量ur是未知的非线性函数，将滑模变量s作为径向基神经网络的唯一输入逼近ur，即：T

其中ε1为逼近误差，n为神经元个数，φi(x)为Sigmoid基函数，W＝[w1…wn] 为权值向T量，φ＝[φ1,...,φn]为基函数向量；

n

神经网络中对于任意正数ξ和一个连续函数f:X→R，存在一个足够大的正整数 对于* *任意整数n>v ，总能找到一个理想的n维权值向量W＝W和合适的基函数集合φ，使得具有n个隐元的神经网络的输出满足：其中 为神经网络模型；

找到一组权值W使得逼近误差满足|ε1|≤ξ，最优权值W未知需要在线估计；故定义当前权值估计为 则此时实际的控制输入为：根据滑模控制理论，采用滑模控制时只有当满足滑模可达条件 时，在ur(t)的作用下被控系统状态才将收敛到原点；采用神经网络在线逼近ur(t)，需要在保证满足滑模可达条件下对网络的权值进行在线更新，对应的权值更新策略为：其中参数γ>0表示学习速率，定义权值估计误差为 则：定义Lyapunov函数为：

求其关于时间的一阶导数为：

又因为 易知：

*

可见当|s|≥ξ/Jλ时，则 则满足了 时，滑模变量s将收敛到曲线s＝0附近±*ξ/Jλ的范围内，并且系统误差随着神经网络逼近精度的提高而下降；同时在s＝0的邻域内，V正定，负半定，根据Lyapunov稳定性定理可知闭环系统稳定；由式(11)可知位置跟踪误差e有界收敛；实际应用时根据式(11)和式(14)通过式(18)获得控制输入控制反射镜的位置，并通过式(19)实时更新滑模神经网络控制器的权值系数；完成神经网络滑模控制。