首先,本文在查阅大量近年国内外相关文献的基础上,对飞行器气动力系数建模理论及相应参数估计算法进行了综述。气动系数辨识为介于力学、信息学和控制论之间的一门交叉学科,本文对该领域的发展方向进行了分析,其中特别分析了神经网络在气动力系数建模中的应用状况,这为本文采用小波网络气动系数建模打下理论基础。其次,在介绍完小波分析及小波网络的基本理论知识后,针对气动力系数建模,对小波网络的建模准则及优选算法进行了研究,并完成网络结构的设计。在模型结构方面,对于多维输入输出系统建模,本文放弃选用传统的标量积确定小波基函数的方法,将输入矢量的范数作为小波网络基函数的输入变量,从而避免了高维输入所带来的可用小波基数量巨大和计算复杂的缺点。对于具体的模型小波基函数选择,本文首先对样本数据进行时频域分析,根据小波基函数时频空间覆盖样本时频空间的原则,在小波框架中选择建模所用的函数集,然后根据估计误差最小准则,给出最小二乘回归优选算法以进一步优化小波基函数集。同时模型参数可以很好地初始化,这能加快参数辨识的收敛速度。另外,本文在小波网络模型中加入状态变量的线性项,以反映气动力系数中的线性特性,这对于实际应用是非常有意义的。最后,通过建立某导弹飞行器六自由度动力学模型并进行仿真,得到样本数据,将其中一半数据用于小波网络气动力系数建模,模型参数辨识完成后,基于弹道重构原理将模型代入动力学系统进行弹道预测,将预测结果与另一部分样本数据进行比较以检验模型的推广能力,结果表明所建模型具有很好的推广能力和适用性。本文基于小波网络辨识技术为气动力系数建模提供了一种新的方法,具有较大的实际应用意义。