史志伟，王峥华，李俊成

（南京航空航天大学 航空宇航学院，江苏 南京210016）

0 引 言

传统的气动力建模方法是根据物理机理分析、实验观测等来建立气动力与飞行状态之间的数学关系式，如代数模型、阶跃响应模型、状态空间模型、微分方程模型等。这些方法对线性系统的描述已经非常准确有效，而对于非线性系统则有局限性。随着人工智能技术的发展，模糊逻辑与神经网络方法在非线性非定常气动建模中得到了一定应用，它将气动力的建立过程看作“黑箱”或“灰箱”问题，“黑箱”模型本身作为系统的一种模型，不需要建立有明确表达式的数学模型。这样建立的模型具有强大的自学习功能，能够学习适应不确定性系统的动态特性。由于所有定量或定性的信息都分布储存于网络内，所以有很强的鲁棒性和容错性［1－3］。

本文依据南航NH－2风洞中某飞机模型大迎角大振幅单自由度偏航、滚转及偏航－滚转耦合的谐波、阶跃运动实验数据，采用径向基神经网络，利用其能够充分逼近任意复杂的非线性映射的能力，通过调整网络内部连接权值和阀值，使网络输出逼近实际系统的输出，以此来研究人工神经网络描述非线性非定常气动力特性的能力。

1 RBF神经网络

RBF神经网络是一种前向神经网络，它能够以任意精度逼近任意连续函数，且具有逼近精度高、网络规模小、泛化能力好学习速度快和不存在局部最小问题等特点，已经广泛用于系统参数辨识。……