高超声速飞行器由于具备良好的机动性而广泛用于各种机动性任务,然而由于高超声速飞行器具有强烈的非线性和不确定性,天地气动参数不一致的现象尤其严重,这对飞行器制导控制系统的精度提出了很高的要求,因此,如果可以通过在线辨识得到较为精确的气动参数,这将减轻飞行器控制系统的压力。本文针对该问题,主要研究了高超声速飞行器气动参数在线辨识和巡航段的跟踪控制等问题。本文根据实际飞行环境下的真实气动模型,采用合理的线性化得到线性的气动模型,为后续的辨识打下基础。同时,根据高超声速飞行器在球形大地下的运动模型,建立了纵向平面的动力学方程,并将其分成高度子系统和速度子系统,由姿态控制器分别进行控制。在参数辨识中,研究了一种度量参数来衡量输入激励的可辨识性。分别采用不同振幅、不同作用时间和不同周期的正弦激励,运用递推最小二乘法对飞行器的气动模型进行参数在线辨识,三组对比实验的结果不仅表明了不同参数下的正弦激励对辨识结果的影响,还验证了本文提出的度量参数的可靠性,可以用来快速衡量激励的可辨识性,方便输入激励的设计。针对传统扩展卡尔曼滤波在进行参数辨识时存在精度不高的问题,本文将其与迭代滤波理论进行结合,得到了一种迭代扩张卡尔曼滤波方法。在扩展卡尔曼滤波的基础上,对最新的状态估计进行反复的迭代更新以得到当前时刻更准确的状态值,从而提升算法的精度。仿真实验中,发现随着迭代次数的增加,算法的精度得到了提升,但在实际情况中应考虑实时性要求来决定迭代次数。最后,基于参数在线辨识得到的气动模型,采用自适应反步法对高超声速飞行器纵向平面的两个子系统分别设计了自适应控制器,并在高度控制器中引入低通滤波器来避免传统反步法的“微分爆炸”问题。仿真对比实验的结果表明,由于通过在线辨识得到了更精确的气动模型,设计的控制器能快速稳定地控制飞行器跟踪期望信号,而带有偏差的气动模型在控制过程中会存在稳态误差。这也验证了参数在线辨识对提升控制精度的作用。