本文对基于输出反馈RBF神经网络的大迎角非定常气动特性辨识方法进行了研究。大迎角过失速机动是下一代高性能战斗机必须具备的特性之一。大迎角飞行时,机翼上表面气流发生流动分离、涡破裂、再附着等情况,导致气动力呈现高度非线性、非定常特征。采用定常气动模型进行传统的飞行动力学分析,其结果与实际情况有较大差别。大迎角非定常气动建模是大迎角过失速机动飞行动力学分析的基础。本文研究内容可分为三个部分:首先,在前期线性气动力辨识研究的基础上,提出了一种带有输出反馈的RBF神经网络气动模型,并分别基于标准RBF神经网络和改进的RBF神经网络,使用大振幅俯仰强迫振荡风洞试验数据作为训练样本,建立纵向气动力模型,对不同迎角、不同频率下的小振幅气动力进行预测。其次,使用该改进方法对单独横向、航向运动,以及偏航和滚转耦合运动情况下的非定常气动力进行辨识,验证了该方法对大迎角下横航向非定常气动力建模的适用性。最后,根据所建模型预测小振幅气动力,研究了非定常气动效应对飞机短周期模态特性的影响,并通过驾驶杆阶跃操纵仿真计算,验证非定常气动效应对飞机飞行品质的影响。研究结果表明,本文提出的带输出反馈的RBF神经网络可对大迎角非定常气动力进行精确建模,并可应用于非定常气动效应对飞行动力学系统的影响分析。