随着MEMS集成设计技术的不断进步,MEMS陀螺仪已成为一类极具市场发展潜力的角速度传感器,在很多领域尤其是汽车和电子领域得到了普遍的应用。然而,考虑到实际应用下,器件物理局限性、工作环境的复杂多变性等因素,输入非线性效应(包括扇区、迟滞、死区等)经常发生,微米量级尺度效应影响下的微机械换能器中尤其复杂。各种非线性效应的存在影响系统的稳态精度,严重时造成失稳。因此,在相关控制器设计时,有必要对输入非线性效应进行抑制或补偿,以便得到理想的控制性能。本文主要研究了具有输入非线性特性的MEMS陀螺仪系统的滑模控制技术。研究过程中,分别考虑了系统存在扇区、迟滞及死区的状况,并针对具体的研究问题提出了相应的滑模控制器。首先,本文就MEMS陀螺仪研究现状及相关知识进行了介绍。研究现状方面,主要就目前MEMS陀螺仪系统存在的问题及常见的控制设计方法做了简要概述,着重分析了传统操作模式下的自激振荡控制技术、锁相环控制技术(PLL)等,考虑到操作模式的缺陷,指出了新型操作模式运用的必要性,进而结合滑模控制策略进行了相关分析。相关知识方面,介绍了陀螺仪的基本理论及本文所需要的控制方法,包括哥氏效应原理、传统操作模式下动力学方程以及新型操作模式下数学模型等。同时就几种控制方法作了简要概述,包括自适应控制策略、滑模控制策略、反演控制策略及神经网络控制策略。其次,研究了具有扇区边界未知的陀螺系统滑模控制问题,文章结合利用Lyapunov稳定理论和LMI技术分别实现了三轴陀螺的模态运动跟踪和陀螺的零点校正。其中非奇异终端滑模控制器(NTMSC)的运用不仅避免了普通终端滑模控制(TSMC)中极易出现的奇异问题,而且实现了陀螺模态运动的有限时间跟踪。再次,针对MEMS陀螺仪换能器换能过程中所引发的迟滞问题,以Backlash-like迟滞模型为例,分别设计了基于双环(位移环和速度环)控制和基于自适应全局反演控制的滑模跟踪器,利用滑模控制对系统外加干扰的不敏感性来减弱迟滞特性对控制系统的影响,实际仿真验证了其抑制迟滞输入非线性的有效性。最后,本文针对MEMS陀螺仪控制过程中存在的未知不对称死区进行了研究,设计了一种针对未知不对称死区的神经网络补偿控制器,整个控制过程由两个RBF神经网络组成,两个神经网络之间存在着交叉耦合。最后利用Lyapunov稳定理论证明了神经网络参数权值的一致有界性及闭环陀螺控制系统的跟踪误差的收敛性。仿真结果验证了该控制器能有效的补偿死区特性。