题目：气动参数辨识在无人机试飞中的应用研究

对于飞行器而言，采用辨识技术从试飞数据中获取气动参数，已经成为飞行器设计和验证的重要组成部分。辨识是已知输入和输出来获得系统特性的过程，通常飞行器系统模型结构已知，只需从控制量和状态量的变化中估计出气动参数。而在无人机飞行试验中，系统响应因为状态反馈回路的作用受到抑制，不能充分反映系统本身的特性，因而无人机的辨识存在困难。通常需要设计输入来尽可能激发系统的响应，提高试飞数据中与待辨识参数有关的信息量，改善参数的可辨识性和辨识精度。

本文围绕无人机气动参数辨识问题，以线性小扰动运动方程为仿真模型，用时域极大似然法对某型号无人机试飞数据进行了气动参数辨识。引入牛顿-拉夫逊迭代法，分别用中心差分法和数值积分法求解参数迭代修正量中的灵敏度矩阵，获得了纵向和横向气动参数的辨识结果。并对多组辨识结果对比验证，进行了参数可辨识性分析，提出了可通过输入设计来激发系统动态特性，提高试飞数据中的信息含量进而提高参数辨识精度。

基于改善参数可辨识性的输入设计研究以信息矩阵逆矩阵的迹达极小为优化目标，设置输入输出应满足的约束条件，采用动态规划的方法得到了输入信号的全局最优解。并通过与传统输入信号作用下的辨识结果对比，确定了设计输入下能有效提高响应数据中的信息含量，降低了参数估计的误差，提高了参数的辨识精度。

上述研究的结果表明：在试飞数据的特性与辨识模型近似匹配的情况下，基于极大似然准则的辨识方法是有效的，此方法能使模型输出量与试飞数据很好的吻合，得到稳定收敛的参数辨识结果。参数的可辨识性与参数本身对飞行运动影响程度和试飞数据中所含该参数有效的信息量相关，基于改善参数可辨识的输入设计得到的最优解与传统3211型信号相比，能使参数估计的误差标准差变得更小，有效提高了闭环系统下参数的可辨识性和辨识精度。最后，对辨识流程进行模块化处理，设计GUI界面操作实现了气动参数辨识的工具包，为分析处理试飞数据提供了便利条件。