飞行器的参数辨识与鲁棒控制研究对于现代飞行器的设计和实现有着重大的理论和现实意义。论文围绕飞行器气动参数辨识和鲁棒控制这前后相关的两大内容进行了研究,研究工作直接在飞行器的非线性模型上展开。论文致力于为飞行器参数辨识和鲁棒控制提供理论和技术上的支持。论文注重与工程经验等先验信息的结合,以使得所得的结果更易被工程人员接受。论文也致力于方法效率的提高和应用的简便。论文的主要成果如下:1.提出了一种基于内点算法的极大似然法,将内点算法这一行之有效的优化工具结合进极大似然法,提高了极大似然法的效率和收敛能力。新算法在收敛后保留了极大似然法的良好性质。同时,新算法使得参数辨识结果一直保持在合理的范围之内。以本算法为主要工具,论文展开了飞行器参数离线辨识的研究,结果表明本算法是有效的。2.提出了一种基于内点算法的递推极大似然法,将内点算法结合进递推极大似然法,使得新算法比原有的递推极大似然法收敛速度更快,同时也使得新算法的辨识结果始终是合理的,这为新算法的在线应用提供了很好的条件。新算法在收敛后保留了递推极大似然法的良好性质。论文中一些飞行器参数在线辨识的实例表明新算法具有良好的应用前景。3.提出了极大似然法和遗传算法结合的一种方法。针对飞行器参数辨识,采用极大似然法做为遗传算法的局部寻优算子,使得新算法利用了遗传算法的全局寻优能力和极大似然法的收敛速度和精度。本算法应用于飞行器参数辨识的研究,并表明了其有效性。4.提出了一种飞行器非线性鲁棒控制方案。这一方案利用神经网络补偿逆系统反馈的模型控制误差,神经网络结构选取合理,神经网络权值的调整规则形式简单。本方案在一些典型的飞行器控制的重要领域如自动着陆和大迎角控制中进行了应用研究并表明了其有效性。