由于现代飞行器对其高速性、机动性、敏捷性和隐身性能的要求,FADS(flush air-data sensing)系统已经对飞行控制系统有不可忽视的作用。本文以飞翼飞行器为几何模型,采用CFD数值模拟对此飞行器进行流体分析,得到大量样本数据。利用Kriging算法和BP神经网络这两种算法构建了FADS系统,对头部取点时两种算法精度进行了比较,发现在样本数量较小的情况下,Kriging算法的精度比BP神经网络略高。并且随着测压点数量增加,FADS系统的精度会有明显提高。考虑到某些飞行器头部布点的不便,本文还对机翼机身的布点规律进行了探究。发现机翼和机身布点也是可行的,只是由于大迎角情况下机翼机身上会存在分离区,这个分离区中的测压孔的压强没有规律性,这会导致精度比头部取点要差。另外,对机翼布点而言,靠近机身和前缘处的点对马赫数Ma、迎角α和侧滑角β较为敏感,对于机身而言,机身上的点对β不敏感,而越是靠近前缘处,对Ma和α越敏感。对于Kriging算法和BP神经网络而言,要实现对大气数据的预测,都需要大量的样本数据。由于不同高度上,压强系数的变化不大,可以只计算一个高度,来减少样本点个数。本文建立以压强系数为输入,大气数据为输出的FADS系统,分别预测静压和动压,以及Ma、α、β值,并且预测的误差不大。