论文纲要：遨游器气动参数辨识本领及运用接洽

体例辨识是按照体例的输出输入对体例建立模型的本领。即使经过关系表面推导，已知体例的模子构造，体例辨识题目就变化为参数估量题目。遨游器气动参数辨识是运用体例辨识表面由试飞数据获得遨游器气动参数的本领。其截止与表面预算、风洞考查和CFD(Computational Fluid Dynamics)本领赢得的气动参数相比较。回忆了气动参数辨识的兴盛过程和重要本领。由符合能源学体例辨识的遨游力学模子及仿真数据预算了线性气动模子下的纵横向气动导数。气动参数辨识进程重要波及：试验安排、数据处置、预算参数。领会了输出情势对辨识截止的感化，精细引见了最大似然本领贯串牛顿-拉夫森优化算法获得气动导数的方法。开始由DC-8铁鸟线性气动模子的算例获得仿真数据，考证算法和步调的真实性。再经过F-16模子非线性仿真赢得的数据辨识其气动参数，仿真中的气动数据来自其风洞考查。提出沿用RBF(Radial Basis Function)神经搜集模子对气能源建立模型。以疏通变量和遏制变量动作神经搜集模子的输出，以气能源和动量矩动作体例的输入。经过仿真数据演练模子，并运用’DELTA’法索取气动导数。同样由DC-8模子的仿真数据动作演练模子的本领，并将索取的气动导数与最大似然本领的截止相比较，考证可行性，并将之运用到非线性仿真的数据中。截止表白，神经搜集不妨动作气能源建立模型的一种本领，索取导数的进程也不妨较最大似然本领大略，制止了最大似然本领计划中的少许题目。