建模是飞行器进行仿真实验的基础。现代飞行器内在机理复杂,在飞行过程中表现出非线性、强耦合、时变等特性,使得传统的机理建模方法建立的数学模型难以满足应用要求。智能技术的发展为非线性系统建模问题提供了理论基础,研究人员可以从飞行器的半实物仿真试验和飞行试验中获得海量的试验数据,为飞行器数据驱动建模提供了数据基础。本文以小型无人直升机高度控制系统、电动舵机、航空制导炸弹为主要研究对象,围绕在线使用场景和离线使用场景中的建模问题,开展飞行器数据驱动建模理论研究与方法创新。论文的主要研究内容及创新点如下:（1）针对在线使用场景下的单输入单输出系统建模问题进行研究,设计了一种双神经网络模型结构用于小型无人直升机非线性系统建模。该方法在传统的神经网络建模方法的基础上引入误差补偿模型,建立了基于BP神经网络的小型无人直升机高度控制辨识模型。通过仿真实验并与传统的建模方法相比较,验证了该方法的有效性和可行性。仿真结果表明,采用双神经网络建模的方法,有效地提高了模型的预测精度和泛化能力。（2）针对离线使用场景下的单输入单输出系统建模问题进行研究,改进了布谷鸟搜索算法并用于对神经网络训练过程的优化,建立了舵机神经网络辨识模型。该算法通过动态调整步长,使得莱维飞行机制具有自适应性。通过仿真实验并与传统算法进行比较分析,验证了该方法的可行性和有效性。仿真结果表明,改进后的布谷鸟搜索算法能够有效地平衡全局搜索与局部搜索,有效地提高了收敛速度和寻优精度。（3）针对离线使用场景下的多输入多输出非线性系统建模问题进行研究,提出了一种基于数据驱动的混合建模方法用于航空制导炸弹建模。该方法基于实际飞行试验数据,考虑制导炸弹飞行过程中的不确定项和非线性因素,将神经网络与机理建模相结合,建立了制导炸弹混合模型。该方法可以避免制导炸弹机理建模和传统数据驱动建模方法中存在的问题,还为离线使用场景下的复杂非线性动态系统建模问题提供了解决方案。最后,通过仿真实验与统计分析,验证了该方法的可行性和模型的可信度。