● 摘要
系统辨识是根据系统的输入输出对系统建模的方法。如果通过相关理论推导，已知系统的模型结构，系统辨识问题就转化为参数估计问题。飞行器气动参数辨识是应用系统辨识理论由试飞数据获取飞行器气动参数的方法。其结果与理论估算、风洞试验和CFD(Computational Fluid Dynamics)方法获得的气动参数相对照。回顾了气动参数辨识的发展历程和主要方法。由适合动力学系统辨识的飞行力学模型及仿真数据估算了线性气动模型下的纵横向气动导数。气动参数辨识过程主要涉及：实验设计、数据处理、估算参数。分析了输入形式对辨识结果的影响，详细介绍了最大似然方法结合牛顿-拉夫森优化算法获取气动导数的办法。首先由DC-8飞机线性气动模型的算例获取仿真数据，验证算法和程序的可靠性。再通过F-16模型非线性仿真获得的数据辨识其气动参数，仿真中的气动数据来自其风洞试验。提出采用RBF(Radial Basis Function)神经网络模型对气动力建模。以运动变量和控制变量作为神经网络模型的输入，以气动力和力矩作为系统的输出。通过仿真数据训练模型，并使用’DELTA’法提取气动导数。同样由DC-8模型的仿真数据作为训练模型的方法，并将提取的气动导数与最大似然方法的结果相对比，验证可行性，并将之应用到非线性仿真的数据中。结果表明，神经网络可以作为气动力建模的一种方法，提取导数的过程也可以较最大似然方法简单，避免了最大似然方法计算中的一些问题。