本發(fā)明涉及飛行器領域，尤其涉及飛行器的控制，特別地，涉及一種用于控制飛行器速率的控制系統及其控制方法。
背景技術：
：隨著科技的快速發(fā)展，飛行器的控制技術也在不斷進步，人們對于飛行效果的要求標準也隨之不斷提高。飛行器控制所要解決的問題在于如何改善其飛行效果，諸如靜態(tài)及動態(tài)特性、自適應能力、魯棒性等。目前應用的控制方法為通過常規(guī)pid控制或模糊pid控制進行，其中，常規(guī)pid控制具有一定的局限性，當遭遇氣流等外部干擾時，常規(guī)pid控制難以進行自動調整以適應外界環(huán)境的變化，即自適應差，而模糊pid控制在外部突發(fā)情況時，可以進行自我調節(jié)，自適應能力強，但是，當無突發(fā)情況時(常態(tài)飛行時)，通過模糊pid控制進行控制，飛行器飛行的穩(wěn)定性較差。因此，亟需在常態(tài)飛行時保證飛行的穩(wěn)定性、而在突發(fā)情況時保證飛行的自適應性的一種飛行器控制方法。技術實現要素：為了克服上述問題，本發(fā)明人進行了銳意研究，設計出一種用于控制飛行器速率的控制系統及其控制方法，所述系統將常規(guī)pid控制器與模糊pid控制器進行結合，并對兩者進行權重分配，所述方法采用常規(guī)pid控制器與模糊pid控制器進行混合控制，并根據工程的實際情況對常規(guī)pid控制器與模糊pid控制器進行權重分配，這樣，在常態(tài)飛行時能夠保證飛行的穩(wěn)定性，在突發(fā)情況時能夠提高自適應性，從而完成本發(fā)明。本發(fā)明一方面提供了一種用于控制飛行器速率的控制系統，具體體現在以下方面：(1)一種用于控制飛行器速率的控制系統，其特征在于，所述系統包括常規(guī)pid控制器1，對飛行器姿態(tài)角進行常規(guī)pid控制，并輸出常規(guī)pid控制量u；模糊pid控制器2，用于對飛行器姿態(tài)角進行模糊pid控制，并輸出模糊pid控制量u’；權重分配模塊3，用于對常規(guī)pid控制器1和模糊pid控制器2進行權重分配，其中，所述權重分配模塊3以偏差e的絕對值∣e∣為參考信號，對參考信號∣e∣進行模糊化處理，得到對應的語言值∣e∣，然后對∣e∣進行模糊推理和去模糊化，得到常規(guī)pid控制器和模糊pid控制器的權重分別為x1和x2；和運算器4，用于對u、u’以及x1、x2進行數據處理，得到所述系統的pid控制量u系；其中，在權重分配模塊3內設置有用于進行模糊推理和去模糊化的權重分配數據庫，在所述權重分配數據庫內設置有∣e∣的隸屬度函數，其中，∣e∣的論域為：∣e∣＝{0.2，0.5，0.8，1.1，1.4，1.7，2，2.3}。(2)根據上述(1)所述的系統，其中，所述模糊pid控制器2包括微分處理器21，用于對偏差e進行微分處理，得到偏差變化率ec；模糊控制模塊22，用于對偏差e和偏差變化率ec進行模糊控制處理，得到pid參數增量，即比例增益增量δkp’、積分增益增量δki’和微分增益增量δkd’；和pid調節(jié)器23，用于獲得模糊pid控制器2對飛行器速率的模糊pid控制量u’。(3)根據上述(1)或(2)所述的系統，其中，所述模糊控制模塊22包括模糊化子模塊221，用于對偏差e和偏差變化率ec進行模糊化處理，分別得到e和ec的語言值e和ec；模糊推理子模塊222，用于對e和ec進行處理，得到pid參數增量的語言值的隸屬度函數，所述pid參數增量的語言值包括δkp’、δki’和δkd’；去模糊化子模塊223，用于對pid參數增量的語言值的隸屬度函數進行去模糊化，得到pid參數增量的語言值，即δkp’、δki’和δkd’；和pid參數增量實際值轉換子模塊224，用于δkp’、δki’和δkd’進行處理，得到pid參數增量，即δkp’、δki’和δkd’。(4)根據上述(1)至(3)之一所述的系統，其中，所述權重分配模塊3包括絕對值求取子模塊31，用于對偏差e進行絕對值化處理，得到偏差e的絕對值∣e∣，在進行權重分配時，采用偏差e的絕對值∣e∣作為參考信號；和權重分配子模塊32，用于對常規(guī)pid控制器1和模糊pid控制器2進行權重分配。(5)根據上述(1)至(4)之一所述的系統，其中，所述權重分配子模塊32包括參考信號模糊化模塊321、權重分配模糊推理模塊322、權重分配去模糊化模塊323和權重實際值轉換模塊324，其中，所述參考信號模糊化模塊321用于對參考信號∣e∣進行模糊化處理，即將輸入值匹配成語言值的過程，得到對應的語言值∣e∣；所述權重分配模糊推理模塊322和權重分配去模糊化模塊323用于對參考信號的語言值∣e∣進行處理，得到權重的模糊控制訊號x1和x2；所述權重實際值轉換模塊324用于對權重的模糊控制訊號x1和x2進行處理，得到常規(guī)pid控制器和模糊pid控制器的權重分別為x1和x2；優(yōu)選地，在所述權重分配子模塊32內還設置有權重分配規(guī)則庫。(6)根據上述(1)至(5)之一所述的系統，其中，在權重分配數據庫內設置有∣e∣的隸屬度函數，優(yōu)選為三角形隸屬度函數，更優(yōu)選為等腰三角形隸屬度函數；和/或在權重分配數據庫中還設置有x1/x2的隸屬度函數，優(yōu)選為三角形隸屬度函數，更優(yōu)選為等腰三角形隸屬度函數，其中，在x1/x2的隸屬度函數中，x1和x2的論域為：x1＝{0，0.1667，0.3334，0.5，0.6667，0.8334，1}，x2＝{0，0.1667，0.3334，0.5，0.6667，0.8334，1}。(7)根據上述(1)至(6)之一所述的系統，其中，所述運算器4包括乘法器一41，用于對常規(guī)pid控制器1的常規(guī)pid控制量u及其權重x1進行乘積處理；乘法器二42，用于對模糊pid控制器2的模糊pid控制量u’及其權重x2進行乘積處理；和累加器43，用于對乘法器一和乘法器二分別得到的乘積結果進行加和處理，得到所述系統的pid控制量u系。(8)一種控制飛行器飛行器速率的控制方法，優(yōu)選采用上述(1)至(7)所述控制系統進行，其中，所述方法如下進行：步驟1、利用常規(guī)pid控制器1和模糊pid控制器2同時進行信號處理，分別得到常規(guī)pid控制量u和模糊pid控制量u’；步驟2、利用權重分配模塊3對常規(guī)pid控制器1和模糊pid控制2進行權重分配，得到常規(guī)pid控制器1的權重以及模糊pid控制2的權重，即x1和x2；步驟3、利用運算器4對步驟1和步驟2得到的常規(guī)pid控制量u、模糊pid控制量u’以及常規(guī)pid控制器1的權重x1、模糊pid控制2的權重x2進行數據處理，得到所述系統的pid控制量u系；優(yōu)選地，步驟1與步驟2同時進行。(9)根據上述(8)所述的方法，其中，步驟2包括以下子步驟：步驟2.1、對參考信號進行模糊化，得到參考信號的語言值，即∣e∣；步驟2.2、根據權重分配數據庫和權重分配規(guī)則庫對∣e∣進行模糊推理，然后利用重心法進行去模糊化得到權重的語言值；步驟2.3、利用去模糊因子將權重的語言值轉換為實際值，得到常規(guī)pid控制的權重，即x1，以及模糊pid控制器的權重，即x2。(10)根據上述(8)或(9)所述的方法，其中，在步驟3中，所述數據處理如下進行：a、將常規(guī)pid控制器的常規(guī)pid控制量u與常規(guī)pid控制器的權重x1進行相乘處理，得到u*x1，同時，將模糊pid控制器的模糊pid控制量u’與模糊pid控制器的權重x2進行相乘處理，得到u’*x2；b、步驟3.1得到的乘積結果u*x1和u’*x2進行加和處理，得到所述系統的pid控制量u系。附圖說明圖1示出本發(fā)明所述飛行控制系統的結構示意圖；圖2示出模糊pid控制器的結構示意圖；圖3示出模糊pid控制器中e和ec的隸屬度函數圖；圖4示出模糊pid控制器中δkp’、δki’和δkd’的隸屬度函數圖；圖5示出權重分配模塊的結構示意圖；圖6示出權重分配模塊中︱e︱的隸屬度函數圖；圖7示出權重分配模塊中x1/x2的隸屬度函數圖；圖8示出運算器的結構示意圖；圖9示出實施例以及對比例1～2在順風陣風的擾動下的simulink仿真試驗結果；圖10示出實施例以及對比例1～2在逆風陣風的擾動下的simulink仿真試驗結果；圖11示出對比例3中權重的語言值x1/x2的隸屬度函數圖；圖12示出實施例與對比例3在順風陣風的擾動下的simulink仿真試驗結果；圖13示出實施例與對比例3在逆風陣風的擾動下的simulink仿真試驗結果。附圖標號說明：1-常規(guī)pid控制器；2-模糊pid控制器；21-微分處理器；22-模糊控制模塊；221-模糊化子模塊；222-模糊推理子模塊；223-去模糊化子模塊；224-pid參數增量實際值轉換子模塊；23-pid調節(jié)器；3-權重分配模塊；31-絕對值求取子模塊；32-權重分配子模塊；321參考信號模糊化模塊；322-權重分配模糊推理模塊；323-權重分配去模糊化模塊；324-權重實際值轉換模塊；4-運算器；41-乘法器一；42-乘法器二；43-加法器。具體實施方式下面通過附圖對本發(fā)明進一步詳細說明。通過這些說明，本發(fā)明的特點和優(yōu)點將變得更為清楚明確。本發(fā)明一方面提供了一種用于控制飛行器速率的控制系統，如圖1所示，所述系統包括常規(guī)pid控制器1、模糊pid控制器2和權重分配模塊3；其中，所述常規(guī)pid控制器1，用于對飛行器姿態(tài)角進行常規(guī)pid控制，得到常規(guī)pid控制量u；所述模糊pid控制器2用于對飛行器姿態(tài)角進行模糊pid控制，得到模糊pid控制量u’；所述權重分配模塊3用于對常規(guī)pid控制器1和模糊pid控制器2進行權重分配。所述常規(guī)pid控制量u和模糊pid控制量u’均是對舵機的調節(jié)值，控制舵機的轉動量。其中，當速率的實際檢測值c與設定值r之間的偏差e較大時，權重分配模塊3分配給模糊pid控制器2的權重較大，以達到減小超調、加快響應的效果；當速率的實際檢測值c與設定值r之間的偏差e較小時，權重分配模塊3分配給常規(guī)pid控制器1的權重較大，以達到消除模糊pid控制器2在系統穩(wěn)定時存在靜態(tài)誤差的目的。在本發(fā)明中，所述常規(guī)pid控制器(比例-積分-微分控制器)是一個在工業(yè)控制應用中常見的反饋回路部件，由比例單元p、積分單元i和微分單元d組成，pid控制的基礎是比例控制，積分控制可消除穩(wěn)態(tài)誤差，但可能增加超調，微分控制可加快慣性系統響應速度以及減弱超調趨勢；所述模糊pid控制器是將模糊控制與pid控制結合，利用模糊推理方法實現對pid參數的在線自整定。根據本發(fā)明一種優(yōu)選的實施方式，在所述常規(guī)pid控制器1的控制過程中，對t時刻的偏差e(t)進行處理，給出t時刻的常規(guī)控制值u(t)。在進一步優(yōu)選的實施方式中，在常規(guī)pid控制器1內進行如式(1)所示處理：其中，在式(1)中，u(t)表示常規(guī)pid控制器1在t時刻輸出的常規(guī)pid控制量，kp表示常規(guī)pid控制器1的比例增益，ti表示常規(guī)pid控制器1的積分時間常數，td表示常規(guī)pid控制器1的微分時間常數，另，ki＝kp/ti，ki表示常規(guī)pid控制器1的積分增益，kd＝kp*td，kd表示常規(guī)pid控制器1的微分增益。根據本發(fā)明一種優(yōu)選的實施方式，如圖2所示，所述模糊pid控制器2包括微分處理器21、模糊控制模塊22和pid調節(jié)器23。其中，所述微分處理器21用于對偏差e進行微分處理，得到偏差變化率ec；所述模糊控制模塊22用于對偏差e和偏差變化率ec進行模糊處理，得到pid參數增量，即比例增益增量δkp’、積分增益增量δki’和微分增益增量δkd’；所述pid調節(jié)器23采用常規(guī)pid控制器，其原始控制參數為原始比例增益kp0’、原始積分增益ki0’和原始微分增益kd0’；經過所述模糊控制模塊22和所述pid調節(jié)器23的處理，模糊pid控制器2得到的控制參數為kp’、ki’和kd’，其中，kp’＝kp0’+δkp’，ki’＝ki0’+δki’，kd’＝kd0’+δkd’。在進一步優(yōu)選的實施方式中，在pid調節(jié)器23內進行如下式(2)所示處理：其中，在式(2)中，u’(t)表示模糊pid控制器2在t時刻輸出的pid控制量，kp’表示模糊pid控制器2的比例增益，t’i表示模糊pid控制器2的積分時間常數，t’d表示模糊pid控制器2的微分時間常數。根據本發(fā)明一種優(yōu)選的實施方式，如圖2所示，所述模糊控制模塊22包括模糊化子模塊221、模糊推理子模塊222、去模糊化子模塊223和pid參數增量實際值轉換子模塊224。其中，所述模糊化子模塊221用于對偏差e和偏差變化率ec進行模糊化處理，即將輸入值匹配成語言值的過程，亦即以適當的比例轉換到論域的數值，分別得到e和ec，其中，e和ec分別表示e和ec的語言值；所述模糊推理子模塊222用于對e和ec進行處理，得到模糊控制信號；所述去模糊化子模塊223用于對模糊控制訊號進行處理，得到pid參數增量的語言值，即δkp’、δki’和δkd’；所述pid參數增量實際值轉換子模塊224用于δkp’、δki’和δkd’進行處理，得到pid參數增量，即δkp’、δki’和δkd’，作為模糊控制模塊22的輸出值。在進一步優(yōu)選的實施方式中，在所述模糊控制模塊22內還設置有數據庫和規(guī)則庫。其中，數據庫提供處理模糊數據的相關定義，包括數據的范圍是大是??；而規(guī)則庫則藉由一群語言控制規(guī)則描述控制目標和策略，包括條件。在更進一步優(yōu)選的實施方式中，模糊推理子模塊222根據數據庫和規(guī)則庫進行模糊推理。根據本發(fā)明一種優(yōu)選的實施方式，所述模糊化子模塊221進行如下處理：e＝e*ke和ec＝ec*kec。其中，ke表示e的模糊因子，kec表示ec的模糊因子。根據本發(fā)明一種優(yōu)選的實施方式，如圖3所示，在數據庫內，e和ec的隸屬度函數采用三角形隸屬度函數。在進一步優(yōu)選的實施方式中，如圖3所示，e和ec的隸屬度函數采用等腰三角形隸屬度函數。在更進一步優(yōu)選的實施方式中，如圖3所示，e和ec的隸屬度函數形狀一致。根據本發(fā)明一種優(yōu)選的實施方式，如圖3所示，在數據庫內，e的論域均為：e＝{-6,-4,-2,0,2,4,6}。在進一步優(yōu)選的實施方式中，如圖3所示，在數據庫內，ec的論域均為：ec＝{-6,-4,-2,0,2,4,6}。根據本發(fā)明一種優(yōu)選的實施方式，如圖3所示，在數據庫內，e和ec的變量范圍均分別采用六個模糊狀態(tài)進行描述，即pb、pm、ps、zo、ns、nm和nb。其中，pb為positivebig的縮寫，表示在正方向上大的偏差或偏差變化率；pm為positivemedium的縮寫，表示在正方向上中的偏差或偏差變化率；ps為positivesmall的縮寫，表示在正方向上小的偏差或偏差變化率；zo為zero的縮寫，表示近于零的偏差或偏差變化率；ns為negativesmall的縮寫，表示在負方向上小的偏差或偏差變化率；nm為negativemedium的縮寫，表示在負方向上中的偏差或偏差變化率；nb為negativebig的縮寫，表示在負方向上大的偏差或偏差變化率。在進一步優(yōu)選的實施方式中，e/ec與模糊狀態(tài)的關系如下：pb(e/ec>4)，pm(2<e/ec≤6)，ps(0<e/ec≤4)，zo(-2<e/ec≤2)，ns(-4≤e/ec<0)，nm(-6≤e/ec<-2)，nb(e/ec<-4)。在本發(fā)明中，設δkp’、δki’和δkd’的在模糊控制模塊內的語言變量分別為δkp’、δki’和δkd’。根據本發(fā)明一種優(yōu)選的實施方式，如圖4所示，在數據庫內，δkp’、δki’和δkd’的隸屬度函數為三角形隸屬度函數。在進一步優(yōu)選的實施方式中，如圖4所示，δkp’、δki’和δkd’的隸屬度函數為等腰三角形隸屬度函數。在更進一步優(yōu)選的實施方式中，如圖4所示，δkp’、δki’和δkd’的隸屬度函數形狀一致。根據本發(fā)明一種優(yōu)選的實施方式，如圖4所示，δkp’、δki’和δkd’的論域均分別為：δkp’/δki’/δkd’＝{-3,-2,-1,0,1,2,3}。在進一步優(yōu)選的實施方式中，δkp’、δki’和δkd’的變量范圍均分別采用六個模糊狀態(tài)進行描述，即pb、pm、ps、zo、ns、nm和nb。在更進一步優(yōu)選的實施方式中，δkp’、δki’和δkd’與模糊狀態(tài)的關系均分別如下：pb(2≤δkp’/δki’/δkd’)，pm(1<δkp’/δki’/δkd’≤3)，ps(0<δkp’/δki’/δkd’≤2)，zo(-1<δkp’/δki’/δkd’≤1)，ns(-2≤δkp’/δki’/δkd’<0)，nm(-3≤δkp’/δki’/δkd’<-1)，nb(δkp’/δki’/δkd’<-2)。根據本發(fā)明一種優(yōu)選的實施方式，所述模糊推理子模塊222根據規(guī)則庫進行模糊推理，得到模糊控制訊號。在進一步優(yōu)選的實施方式中，所述規(guī)則庫包括模糊規(guī)則表一、模糊規(guī)則表二和模糊規(guī)則表三，分別如表1～3所示。表1模糊規(guī)則表一表2模糊規(guī)則表二表3模糊規(guī)則表三根據本發(fā)明一種優(yōu)選的實施方式，所述去模糊化子模塊223采用加權平均法(重心法)對模糊控制訊號進行去模糊化處理，得到δkp’、δki’和δkd’。在進一步優(yōu)選的實施方式中，所述重心法如式(3)所示：其中，在式(3)中，x表示δkp’、δki’或δkd’隸屬度函數的橫坐標，y表示δkp’、δki’或δkd’隸屬度函數的縱坐標。根據本發(fā)明一種優(yōu)選的實施方式，所述pid參數增量實際值轉換子模塊224進行如下處理：δkp’＝δkp’*kup；δki’＝δki’*kui；δkd’＝δkd’*kud。其中，kup表示在對δkp’進行語言值向實際值δkp’轉換時采用的去模糊因子，kui表示在對δki’進行語言值向實際值δki’轉換時采用的去模糊因子，kud表示在對δkd’進行語言值向實際值δkd’轉換時采用的去模糊因子。根據本發(fā)明一種優(yōu)選的實施方式，如圖5所示，所述權重分配模塊3包括絕對值求取子模塊31和權重分配子模塊32。其中，所述絕對值求取子模塊31用于對偏差e進行絕對值化處理，得到偏差e的絕對值∣e∣，在進行權重分配時，采用偏差e的絕對值∣e∣作為參考信號；所述權重分配子模塊32用于對常規(guī)pid控制器1和模糊pid控制器2進行權重分配。在本發(fā)明中，由于模糊pid控制器與常規(guī)pid控制器的差別主要體現在適合的偏差范圍不同，所以權重分配選擇的參考信號為系統瞬時偏差的絕對值。根據本發(fā)明一種優(yōu)選的實施方式，如圖5所示，所述權重分配子模塊32采用模糊控制方法對常規(guī)pid控制器1和模糊pid控制器2進行權重分配。其中，模糊控制方法是利用模糊數學的基本思想和理論的控制方法。在進一步優(yōu)選的實施方式中，如圖5所示，所述權重分配子模塊32包括參考信號模糊化模塊321、權重分配模糊推理模塊322、權重分配去模糊化模塊323和權重實際值轉換模塊324。在進一步優(yōu)選的實施方式中，在所述權重分配子模塊32內還設置有權重分配數據庫和權重分配規(guī)則庫。在更進一步優(yōu)選的實施方式中，所述參考信號模糊化模塊321用于對參考信號∣e∣進行模糊化處理，即將輸入值匹配成語言值的過程，得到對應的語言值∣e∣；所述權重分配模糊推理模塊322和權重分配去模糊化模塊323用于對參考信號的語言值∣e∣進行處理，得到權重的語言值x1和x2；所述權重實際值轉換模塊324用于對權重的語言值x1和x2進行處理，得到常規(guī)pid控制器和模糊pid控制器的權重分別為x1和x2。根據本發(fā)明一種優(yōu)選的實施方式，所述參考信號模糊化模塊321利用參考信號模糊因子對參考信號進行處理，得到參考信號的語言值，具體如下：∣e∣＝∣e∣*k∣e∣。其中，∣e∣表示參考信號，∣e∣表示參考信號的語言值，k∣e∣表示參考信號模糊因子，在本發(fā)明中，取k∣e∣＝1。在進一步優(yōu)選的實施方式中，在權重實際值轉換模塊324內進行如下處理：x1＝x1*kx1；x2＝x2*kx2。其中，kx1表示將模糊量x1轉換為權重x1的去模糊因子，x1表示分配給常規(guī)pid控制器的權重；kx2表示將模糊量x2轉換為權重x2的去模糊因子，x2表示分配給模糊pid控制器的權重。在本發(fā)明中，令kx1＝1，kx2＝1。根據本發(fā)明一種優(yōu)選的實施方式，在權重分配數據庫內設置有∣e∣的隸屬度函數。在進一步優(yōu)選的實施方式中，如圖6所示，∣e∣的隸屬度函數為三角形隸屬度函數。在更進一步優(yōu)選的實施方式中，如圖6所示，∣e∣的隸屬度函數為等腰三角形隸屬度函數。根據本發(fā)明一種優(yōu)選的實施方式，如圖6所示，∣e∣的論域為∣e∣＝{0.2，0.5，0.8，1.1，1.4，1.7，2，2.3}。在進一步優(yōu)選的實施方式中，如圖6所示，∣e∣的變量范圍均分別采用六個模糊狀態(tài)進行描述，即mf1、mf2、mf3、mf4、mf5、mf6和mf7。在更進一步優(yōu)選的實施方式中，如圖6所示，mf1的論域為mf1＝{-0.1，0.2，0.5}，mf2的論域為mf2＝{0.2，0.5，0.8}，mf3的論域為mf3＝{0.5，0.8，1.1}，mf4的論域為mf4＝{0.8，1.1，1.4}，mf5的論域為mf5＝{1.1，1.4，1.7}，mf6的論域為mf6＝{1.4，1.7，2}，mf7的論域為mf7＝{1.7，2，2.3}。根據本發(fā)明一種優(yōu)選的實施方式，在權重分配數據庫中還設置有x1的隸屬度函數和x2的隸屬度函數。根據本發(fā)明一種優(yōu)選的實施方式，如圖7所示，x1的隸屬度函數與x2的隸屬度函數均分別為三角形隸屬度函數。在進一步優(yōu)選的實施方式中，如圖7所示，x1的隸屬度函數與x2的隸屬度函數均分別為等腰三角形隸屬度函數。在更進一步優(yōu)選的實施方式中，如圖7所示，x1的隸屬度函數與x2的隸屬度函數形狀一致。其中，常規(guī)pid控制器的權重用x1表示，模糊pid控制器的權重可以用x2表示，對應地，x1的語言值以x1表示，x2的語言值以x2表示。根據本發(fā)明一種優(yōu)選的實施方式，如圖7所示，x1和x2的論域為：x1＝{0，0.1667，0.3334，0.5，0.6667，0.8334，1}，x2＝{0，0.1667，0.3334，0.5，0.6667，0.8334，1}。在進一步優(yōu)選的實施方式中，如圖7所示，x1/x2的變量范圍均分別采用七個模糊狀態(tài)進行表示，即mf1＝{0，0.1667}，mf2＝{0，0.1667，0.3334}，mf3＝{0.166，0.3334，0.5}，mf4＝{0.3334，0.5，0.6667}，mf5＝{0.5，0.6667，0.8334}，mf6＝{0.6667，0.8334，1}和mf7＝{0.8334，1}。根據本發(fā)明一種優(yōu)選的實施方式，在權重分配子模塊32內根據權重分配數據庫和權重分配規(guī)則庫進行權重分配的模糊控制處理。其中，所述權重分配規(guī)則庫如表4所示。表4權重分配規(guī)則庫∣e∣mf1mf2mf3mf4mf5mf6mf7x1mf7mf6mf5mf4mf3mf2mf1x2mf1mf2mf3mf4mf5mf6mf7在本發(fā)明中，權重分配遵循的基本原理為：當參考信號較大時，分配給模糊pid控制器的權重較大，以達到減小超調、加快響應的效果；當參考信號較小時，分配給常規(guī)pid控制器的權重較大，以達到消除模糊pid在系統穩(wěn)定時存在靜態(tài)誤差的目的。根據本發(fā)明一種優(yōu)選的實施方式，在權重分配去模糊化模塊323采用重心法進行去模糊化，如下式(4)和式(5)所示：其中，在式(4)和式(5)中，y(x1)表示x1的隸屬度函數上的縱坐標，y(x2)表示x2的隸屬度函數上的縱坐標。根據本發(fā)明一種優(yōu)選的實施方式，所述權重實際值轉換模塊324進行如下處理：x1＝x1*ku1；x2＝x2*ku2。其中，ku1表示在對x1進行語言值向實際值轉換時采用的去模糊因子，ku2表示在對x2進行語言值向實際值轉換時采用的去模糊因子。在本發(fā)明中，令ku1＝1，ku2＝1。根據本發(fā)明一種優(yōu)選的實施方式，如圖1所示，所述系統還包括運算器4。在進一步優(yōu)選的實施方式中，如圖8所示，所述運算器4包括乘法器一41、乘法器二42和累加器43。其中，所述乘法器一41用于對常規(guī)pid控制器1的常規(guī)pid控制量u及其權重x1進行乘積處理，所述乘法器42用于對模糊pid控制器2的模糊pid控制量u’及其權重x2進行乘積處理，所述累加器43用于對乘法器一和乘法器二得到的一組乘積結果進行加和處理，得到所述系統的pid控制量u系。在更進一步優(yōu)選的實施方式中，所述運算器進行如式(6)所示處理：u系＝u*x1+u’*x2式(6)。其中，u系表示所述系統實際輸出的pid控制量，u’表示模糊pid控制器輸出的pid控制量，u表示常規(guī)pid控制器輸出的pid控制量，x2表示模糊pid控制器的權重，x1表示常規(guī)pid控制器的權重。在本發(fā)明中，x1+x2＝1。本發(fā)明另一方面提供了一種基于混合控制的飛行器控制方法，優(yōu)選采用上述飛行器控制系統進行。根據本發(fā)明一種優(yōu)選的實施方式，所述方法如下進行：(1)利用常規(guī)pid控制器1和模糊pid控制器2同時進行信號處理，得到分別得到常規(guī)pid控制量u和模糊pid控制量u’；(2)利用權重分配模塊3對常規(guī)pid控制器1和模糊pid控制2進行權重分配，得到常規(guī)pid控制器1的權重以及模糊pid控制2的權重，即x1和x2；(3)利用運算器4對步驟(1)和步驟(2)得到的常規(guī)pid控制量u、模糊pid控制量u’以及常規(guī)pid控制器1的權重x1、模糊pid控制2的權重x2進行數據處理，得到所述系統的pid控制量u系。在進一步優(yōu)選的實施方式中，步驟(1)與步驟(2)同時進行。根據本發(fā)明一種優(yōu)選的實施方式，在步驟(2)中，采用模糊化控制的方法進行權重分配。在進一步優(yōu)選的實施方式中，步驟(2)包括以下子步驟：(2.1)對參考信號進行模糊化，得到參考信號的語言值，即∣e∣；(2.2)根據權重分配數據庫和權重分配規(guī)則庫對∣e∣進行模糊推理，然后利用重心法進行去模糊化得到權重的語言值；(2.3)利用去模糊因子將權重的語言值轉換為實際值，得到常規(guī)pid控制的權重，即x1，以及模糊pid控制器的權重，即x2。根據本發(fā)明一種優(yōu)選的實施方式，在步驟(3)中，所述數據處理如下進行：a、將常規(guī)pid控制器的常規(guī)pid控制量u與常規(guī)pid控制器的權重x1進行相乘處理，得到u*x1，同時，將模糊pid控制器的模糊pid控制量u’與模糊pid控制器的權重x2進行相乘處理，得到u’*x2；b、對乘積結果u*x1和u’*x2進行加和處理，得到所述系統的pid控制量u系。本發(fā)明所具有的有益效果包括：(1)本發(fā)明所提供的控制系統巧妙地將常規(guī)pid控制器與模糊pid控制器進行結合，這樣，既保證了在常態(tài)飛行時的穩(wěn)定性，又保證了在突發(fā)情況下的自適應性；(2)相對于常規(guī)pid控制，能夠有效減小超調量，加快響應速度，降低對擾動的敏感性，且具有自適應能力；(3)相對于模糊pid控制，能夠降低由于pid參數變動引起的響應曲線不平滑，從而增大模糊pid的參數調節(jié)裕度，且能夠消除模糊pid在穩(wěn)態(tài)時可能存在的靜差；(4)本發(fā)明所提供的控制系統以模糊控制為手段對常規(guī)pid控制器和模糊pid控制器進行權重分配，實現了權重分配的軟切換，并保證切換的平滑性；(5)本發(fā)明所提供的控制系統易于在工程上實現；(6)本發(fā)明所述方法簡單、易實施。實施例以下通過simulink仿真實驗進一步描述本發(fā)明。不過這些實例僅僅是范例性的，并不對本發(fā)明的保護范圍構成任何限制。在simulink仿真實例中，采用本發(fā)明所述系統，設定ke＝0.5，kec＝1，kup＝0.8，kui＝0.3，kud＝0.1，其中，令輸入的速率為20m/s，仿真時間為30秒，在t＝15s處加上風速為10m/s、持續(xù)時間為2s的陣風作為擾動，以正負兩次仿真分別代表順風和逆風，其中，以順風和逆風作為擾動的測試結果分別如圖9和圖10所示。對比例對比例1在與實施例相同的條件下進行，區(qū)別在于：采用常規(guī)pid控制系統，其中，以順風和逆風作為擾動的測試結果分別如圖9和圖10所示。對比例2在與實施例相同的條件下進行，區(qū)別在于：采用模糊pid控制系統，其中，以順風和逆風作為擾動的測試結果分別如圖9和圖10所示。對圖9和圖10所述仿真結果進行分析，可知：(1)對實施例1以及對比例1～2相對于控制信號的超調進行比較：實施例相對于控制信號的的最大超調約為17％，而對比例1相對于控制信號的的最大超調約為27.5％，對比例2相對于控制信號的最大超調約為19％；可見，本發(fā)明所述系統的實驗結果明顯優(yōu)于對比例1和對比例2，甚至在有外界干擾下，本發(fā)明所述系統的控制也優(yōu)于單純的模糊控制(對比例2)；(2)對實施例1以及對比例1～2的穩(wěn)定狀態(tài)進行比較：實施例與對比例1無靜差，而對比例2有靜差，可知，即使本發(fā)明中也采用了模糊pid控制器，但是在常規(guī)pid控制器的高權重制約下，所述系統并不會存在靜差；(3)對實施例1以及對比例1～2的響應時間進行比較：實施例1和對比例2的響應時間為6s，而對比例1的響應時間為10s；(4)對實施例1以及對比例1～2的受擾動情況進行比較：實施例相對于擾動信號的最大超調為22％，回復到穩(wěn)態(tài)的時間為7s；對比例1相對于擾動信號的最大超調為37％，回復到穩(wěn)態(tài)的時間為10s；對比例2相對于擾動信號的最大超調為24％，回復到穩(wěn)態(tài)的時間為8s。由上可知，(a)本發(fā)明所述系統相對常規(guī)pid控制，超調量由27.5％減少到17％，達到穩(wěn)定的時間減少40％；(b)相對模糊pid控制，穩(wěn)定狀態(tài)可以達到無靜差，在不影響響應曲線平滑性的要求下模糊pid參數的調節(jié)范圍擴大3～5倍。因此，本發(fā)明所述系統不僅兼具了常規(guī)pid控制器和模糊pid控制器的優(yōu)點，而且其性能要優(yōu)于常規(guī)pid控制器和模糊pid控制器。對比例3采用與實施例相同的控制系統以及相同的條件下進行試驗，區(qū)別在于，本對比例的控制系統中，權重的語言值x1/x2的隸屬度函數非等腰三角形隸屬度函數，具體見圖11，并將該對比例3的試驗結果與實施例進行比較，如圖12(順風擾動)和圖13(逆風擾動)所示。由圖12和圖13中可以看出，相對于實施例，該對比例的響應速度變慢，響應時間增加0.5秒，遇擾動時最大超調由實施例的22％增加為30％。以上結合了優(yōu)選的實施方式對本發(fā)明進行了說明，不過這些實施方式僅是范例性的，僅起到說明性的作用。在此基礎上，可以對本發(fā)明進行多種替換和改進，這些均落入本發(fā)明的保護范圍內。當前第1頁12