CN105466660A - 一种采用加速度观测器的飞机气动参数分区分步辨识方法 - Google Patents

Abstract

本发明公开了一种采用加速度观测器的飞机气动参数分区分步辨识方法，针对目前根据飞行数据进行气动参数辨识存在的问题作出了改进。本发明以飞行器角加速度观测器、飞行数据多重分区和信息矩阵奇异值分解为核心，其特征及优点在于：利用等加速度模型的预报观测器对角加速度进行准确估计，从而根据飞行器动力学方程解算得到准确的气动力矩系数，有效解决了角加速度估计不准确的问题；通过信息矩阵奇异值分解，对飞行数据共线性问题进行检测与评估，能够准确获取可辨识部分的气动参数项；在准定常假设下，通过飞行数据多重分区，建立各个区间气动参数的线性模型，应用最小二乘法简单有效地辨识各项气动参数，并且适用于大幅机动飞行数据。

Description

一种采用加速度观测器的飞机气动参数分区分步辨识方法

技术领域

本发明属于飞行器参数辨识领域，特别涉及一种根据飞行器飞行数据的气动参数辨识方法。

背景技术

根据飞行数据辨识得到飞行器气动参数，可以验证理论计算和风洞试验结果，为飞行器试验与性能验证提供更为精确的气动模型。目前，根据飞行数据的气动参数辨识主要存在以下三个方面的问题：

第一，根据飞行器动力学方程解算气动力矩，需要事先获知准确的角加速度。飞行器一般不会安装角加速度传感器，所以需要通过角速度传感器测量得到的角速度进行解算，常采用数值微分和滤波等方法。由于角速度传感器测量噪声的影响，直接利用数值微分求解会使噪声放大，而传统滤波器也会带来相位滞后和时间延迟，对气动力矩计算带来直接影响。

第二，飞行数据常因飞行试验激励不充分、飞行器系统内部特性约束等产生共线性现象，即角速度、舵面偏转等若干量之间存在某种线性关系。飞行数据共线性问题容易导致部分气动参数辨识不准确，甚至是无法辨识。

第三，常用的方法是根据飞行器配平状态下小扰动飞行数据辨识气动参数。该方法首先需要飞机配平，辨识所得气动参数仅限于该配平点附近小幅飞行状态。其次，为了获取更大飞行包线的气动参数，需要进行多组不同配平状态下的小扰动试验。在大迎角特别是失速迎角时，飞行器往往没有传统的配平状态，无法采用该方法进行辨识。

发明内容

本发明针对上述问题作出改进，即本发明所要解决的技术问题是：提供一种根据飞行数据的气动参数辨识方法，能够估计角加速度，检测与评估飞行数据共线性问题，适用于大幅机动飞行数据。

本发明所采用的技术方案是：在准定常假设下，提供一种采用加速度观测器的飞机气动参数分区分步辨识方法。该方法以飞行器角加速度观测器、飞行数据多重分区和信息矩阵奇异值分解为核心，其特征在于，所述方法包括下列步骤：

步骤1：对飞行器角加速度进行预测估计，其特征在于，针对如下所示的等加速度离散模型：

x(k)＝Fx(k)+Dv(k)

y(k)＝Cx(k)+w(k)

取 $F=\left[\begin{array}{ccc}1& \mathrm{\τ}& {\mathrm{\τ}}^2/2\\ 0& 1& \mathrm{\τ}\\ 0& 0& 1\end{array}\right],$ D＝[001]^T，C＝[100]，其中τ为飞行数据的采样周期，x(k)为状态量，y(k)为观测量，v(k)为过程噪声，w(k)为测量噪声。这里，取状态量 $x\left(k\right)={\left[\begin{array}{ccc}\mathrm{\ω}\left(k\right)& \stackrel{\·}{\mathrm{\ω}}\left(k\right)& \stackrel{\·\·}{\mathrm{\ω}}\left(k\right)\end{array}\right]}^T,$ ω(k)、分别为角速度、角加速度、角加速度的导数。令观测器增益矩阵为K，可得状态估计为：

$\hat{x}\left(k\right)=\hat{x}\left(k\right|k-1)+K\[y\left(k\right)-\hat{x}\left(k\right|k-1)\]$

根据最小方差估计理论，求解如下解稳态方程：

P＝F[P-PC^T(CPC^T+W)^-1CP]F^T+V

可得增益矩阵K＝PC^T(CPC^T+W)^-1，其中P＝P(k+1|k)为一步预报协方差阵收敛稳定解。

步骤2：计算气动力和力矩系数大小，根据如下所示的飞行器动力学方程，可以解算得到纵向和横侧向的三个气动力系数C_X、C_Y、C_Z和三个气动力矩系数C_l、C_m、C_n。

$\stackrel{\‾}{q}{\mathrm{SC}}_X+X_T={\mathrm{mgn}}_x$

$\stackrel{\‾}{q}{\mathrm{SC}}_Y+Y_T={\mathrm{mgn}}_y$

$\stackrel{\‾}{q}{\mathrm{SC}}_Z+Z_T={\mathrm{mgn}}_z$

$\stackrel{\‾}{q}{\mathrm{SbC}}_l+L_T=I_x\stackrel{\·}{p}-I_{xz}(pq+\stackrel{\·}{r})+(I_z-I_y)qr$

$\stackrel{\‾}{q}S\stackrel{\‾}{c}{C}_m+M_T=I_y\stackrel{\·}{q}+I_{xz}(p^2-r^2)+(I_x-I_z)pr$

$\stackrel{\‾}{q}{\mathrm{SbC}}_n+N_T=I_z\stackrel{\·}{r}-I_{xz}(\stackrel{\·}{p}-qr)+(I_y-I_x)pq$

步骤3：建立气动力和力矩系数模型，将气动力和力矩系数分解为静态项、动稳定导数项、控制导数项三个部分，每部分都是迎角α、侧滑角β和马赫数M中一个或多个量的函数关系。飞行器纵向和横侧向的气动参数模型分别表示为：

$C_a=C_{a0}(\mathrm{\α},\mathrm{\β},M)+C_{aq}(\mathrm{\α},\mathrm{\β},M)\frac{q\stackrel{\‾}{c}}{2V}+C_{a\mathrm{\δ}}(\mathrm{\α},\mathrm{\β},M)\mathrm{\δ}$

$C_a=C_{a0}(\mathrm{\α},\mathrm{\β},M)+C_{ap}(\mathrm{\α},\mathrm{\β},M)\frac{pb}{2V}+C_{ar}(\mathrm{\α},\mathrm{\β},M)\frac{rb}{2V}+C_{a\mathrm{\δ}}(\mathrm{\α},\mathrm{\β},M)\mathrm{\δ}$

其中，C_a0(α,β,M)为静态项，C_aq(α,β,M)、C_ap(α,β,M)、C_ar(α,β,M)为动稳定导数项，C_aδ(α,β,M)为控制导数项。

步骤4：针对飞行数据进行多重分区，将飞行数据根据迎角大小划分为若干个区间，第k个区间内所有飞行数据的迎角α为α_k＜α≤α_k+1，保证每个区间迎角范围即Δα＝α_k+1-α_k足够小(取1～2°)，则该区间内所有飞行数据的迎角可近似为同一迎角针对上述每个区间内的飞行数据，可按照上述分区方法，继续根据侧滑角大小、马赫数大小等依次进行分区，所得第k个区间内飞行数据迎角、侧滑角、马赫数可近似认为同一组量由步骤3可知，各项气动参数是迎角、侧滑角和马赫数中一个或多个量的函数关系，可根据实际情况，选择相应量进行数据分区。

步骤5：辨识各项气动参数，经过步骤4对飞行数据分区后，结合步骤3建立的气动参数模型，每个区间内的气动参数模型可表示为如下形式：

$C_a=C_{a0}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)+C_{aq}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)\frac{q\stackrel{\‾}{c}}{2V}+C_{a\mathrm{\δ}}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)\mathrm{\δ}$

$C_a=C_{a0}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)+C_{ap}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)\frac{pb}{2V}+C_{ar}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)\frac{rb}{2V}+C_{a\mathrm{\δ}}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)\mathrm{\δ}$

上述每个区间的气动系数模型可进一步表示为最小二乘模型Y＝Xθ+v，对每个区间的飞行数据应用最小二乘法，即可辨识得到每个区间的各项气动参数大小。利用奇异值分解处理飞行数据共线性问题，针对上述每个区间的信息矩阵X进行奇异值分解X＝UΛV^T，定义条件数为最大奇异值λ_max与最小奇异值λ_min之比，即利用条件数对数据共线性情况进行检测和评估，条件数在30～100之间表示数据存在较为严重的共线性，条件数越大，数据共线性程度越严重，导致辨识结果不准确，甚至无法辨识。设置条件数阈值在30～100之间，判断每个区间内飞行数据的条件数大小，若小于阈值，表明该区间飞行数据不存在共线性，则保留该区间辨识所得的全部气动参数项；若大于阈值，表明该区间飞行数据存在共线性，将奇异值矩阵Λ分解为Λ_A和Λ_B两部分，其中Λ_B为奇异值接近0的部分，相应地将矩阵V分解为V_A和V_B两部分，即为具体的线性关系表达式。若V_B中含有接近0的成分，则其所对应的X部分为未参与共线性的量，保留这部分辨识所得的对应气动参数项。

步骤6：在获取新的飞行数据情况下，结合步骤5所得辨识结果，实现气动参数的分步辨识，其特征在于：若步骤5中某区间已辨识得到全部气动参数项，则新的飞行数据中对应区间不必再进行重复辨识；若步骤5中某区间仅辨识得到部分气动参数项，则新的飞行数据中对应区间利用已辨识得到的部分气动参数项，进一步辨识该区间其余的气动参数项。

本发明的优点是：利用等加速度模型的预报观测器对角加速度进行准确估计，从而根据飞行器运动学方程解算得到准确的气动力矩系数；通过信息矩阵奇异值分解，进行飞行数据共线性的检测与评估，准确获取可辨识部分的气动参数项；在准定常假设下，通过飞行数据多重分区，建立各个区间气动参数的线性模型，简单有效地辨识各项气动参数，并且适用于大幅机动飞行数据。

附图说明

图1为未经数据共线性处理的滚转力矩系数辨识结果。

图2为经过数据共线性处理的滚转力矩系数辨识结果。

具体实施方式

下面结合附图和实例对本发明作进一步说明，此处所说明的方案只用来提供对本发明的进一步理解，为本申请的一部分，不构成对本发明方案的限定。

以F-16仿真飞行为例，利用本发明所提供的方法进行气动参数辨识的具体步骤如下：

步骤1：对角加速度进行预测估计，以俯仰角加速度为例，其等加速度离散模型如下：

x(k)＝Fx(k)+Dv(k)

y(k)＝Cx(k)+w(k)

取 $F=\left[\begin{array}{ccc}1& \mathrm{\τ}& {\mathrm{\τ}}^2/2\\ 0& 1& \mathrm{\τ}\\ 0& 0& 1\end{array}\right],$ D＝[001]^T，C＝[100]，其中离散步长τ取0.1s，状态量 $x\left(k\right)={\left[\begin{array}{ccc}q\left(k\right)& \stackrel{\·}{q}\left(k\right)& \stackrel{\·\·}{q}\left(k\right)\end{array}\right]}^T,$ y(k)为观测量，v(k)为过程噪声，w(k)为测量噪声。状态量估计为：

$\hat{x}\left(k\right)=\hat{x}\left(k\right|k-1)+K\[y\left(k\right)-\hat{x}\left(k\right|k-1)\]$

其中，预报观测器增益矩阵K＝PC^T(CPC^T+W)^-1，P＝P(k+1|k)为一步预报协方差阵收敛稳定解。同理，可对滚转角加速度和偏航角加速度进行估计。

步骤2：计算气动力和力矩系数大小，F-16机体轴坐标系下的动力学方程如下所示：

$\stackrel{\‾}{q}{\mathrm{SC}}_X={\mathrm{mgn}}_x-T$

$\stackrel{\‾}{q}{\mathrm{SC}}_Y={\mathrm{mgn}}_y$

$\stackrel{\‾}{q}{\mathrm{SC}}_Z={\mathrm{mgn}}_z$

$\stackrel{\‾}{q}{\mathrm{SbC}}_l=I_x\stackrel{\·}{p}-I_{xz}(pq+\stackrel{\·}{r})+(I_z-I_y)qr$

$\stackrel{\‾}{q}S\stackrel{\‾}{c}{C}_m+M_T=I_y\stackrel{\·}{q}+I_{xz}(p^2-r^2)+(I_x-I_z)pr$

$\stackrel{\‾}{q}{\mathrm{SbC}}_n=I_z\stackrel{\·}{r}-I_{xz}(\stackrel{\·}{p}-qr)+(I_y-I_x)pq$

其中，m为飞机质量，S为参考面积，为平均气动弦长，b为机翼展长，I_x、I_y、I_z为惯性矩、I_xz为惯性积，g为重力加速度，这些为已知量。为动压，p为滚转角速度，q为俯仰角速度，r为偏航角速度，n_x、n_y、n_z为机体轴三个方向的过载，这些为可观测量。T为发动机推力，M_T为发动机安装位置产生的俯仰力矩，这些可通过地面试验测得。为角加速度，这些可通过步骤1获取。由此，可以解算得到机体轴坐标系中三个气动力系数C_X、C_Y、C_Z和三个气动力矩系数C_l、C_m、C_n。

步骤3：建立气动力和力矩系数模型。在亚音速飞行下，F-16气动参数模型可表示为如下形式：

$C_X=C_{X0}\left(\mathrm{\α}\right)+C_{Xq}\left(\mathrm{\α}\right)\frac{q\stackrel{\‾}{c}}{2V}+C_{X\mathrm{\δ}e}\left(\mathrm{\α}\right){\mathrm{\δ}}_e$

$C_Z=C_{Z0}\left(\mathrm{\α}\right)+C_{Zq}\left(\mathrm{\α}\right)\frac{q\stackrel{\‾}{c}}{2V}+C_{Z\mathrm{\δ}e}\left(\mathrm{\α}\right){\mathrm{\δ}}_e$

$C_m=C_{m0}\left(\mathrm{\α}\right)+C_{mq}\left(\mathrm{\α}\right)\frac{q\stackrel{\‾}{c}}{2V}+C_{m\mathrm{\δ}e}\left(\mathrm{\α}\right){\mathrm{\δ}}_e$

$C_Y=C_{Y0}\left(\mathrm{\α}\right)+C_{Y\mathrm{\β}}\left(\mathrm{\α}\right)\mathrm{\β}+C_{Yp}\left(\mathrm{\α}\right)\frac{pb}{2V}+C_{Yr}\left(\mathrm{\α}\right)\frac{rb}{2V}+C_{Y\mathrm{\δ}a}\left(\mathrm{\α}\right){\mathrm{\δ}}_a+C_{Y\mathrm{\δ}r}\left(\mathrm{\α}\right){\mathrm{\δ}}_r$

$C_l=C_{l0}\left(\mathrm{\α}\right)+C_{l\mathrm{\β}}\left(\mathrm{\α}\right)\mathrm{\β}+C_{lp}\left(\mathrm{\α}\right)\frac{pb}{2V}+C_{lr}\left(\mathrm{\α}\right)\frac{rb}{2V}+C_{l\mathrm{\δ}a}\left(\mathrm{\α}\right){\mathrm{\δ}}_a+C_{l\mathrm{\δ}r}\left(\mathrm{\α}\right){\mathrm{\δ}}_r$

$C_n=C_{n0}\left(\mathrm{\α}\right)+C_{n\mathrm{\β}}\left(\mathrm{\α}\right)\mathrm{\β}+C_{np}\left(\mathrm{\α}\right)\frac{pb}{2V}+C_{nr}\left(\mathrm{\α}\right)\frac{rb}{2V}+C_{n\mathrm{\δ}a}\left(\mathrm{\α}\right){\mathrm{\δ}}_a+C_{n\mathrm{\δ}r}\left(\mathrm{\α}\right){\mathrm{\δ}}_r$

其中，δ_e,δ_a,δ_r分别为升降舵、副翼、方向舵的偏度。

步骤4：对仿真飞行数据进行分区。由步骤3可知，气动系数的静态项、动稳定导数项、控制导数项仅与迎角α有关，将飞行数据根据迎角大小划分为若干区间。第k个区间内所有飞行数据的迎角α为α_k＜α≤α_k+1，设置每个区间迎角范围即Δα＝α_k+1-α_k为2°，则该区间内所有飞行数据的迎角可近似为同一迎角

步骤5：辨识各项气动参数。经步骤4进行飞行数据分区后，结合步骤3建立的气动参数模型，每个区间内的气动参数模型可表示为如下形式：

$C_X=C_{X0}\left(\stackrel{\‾}{\mathrm{\α}}\right)+C_{Xq}\left(\stackrel{\‾}{\mathrm{\α}}\right)\frac{q\stackrel{\‾}{c}}{2V}+C_{X\mathrm{\δ}e}\left(\stackrel{\‾}{\mathrm{\α}}\right){\mathrm{\δ}}_e$

$C_Z=C_{Z0}\left(\stackrel{\‾}{\mathrm{\α}}\right)+C_{Zq}\left(\stackrel{\‾}{\mathrm{\α}}\right)\frac{q\stackrel{\‾}{c}}{2V}+C_{Z\mathrm{\δ}e}\left(\stackrel{\‾}{\mathrm{\α}}\right){\mathrm{\δ}}_e$

$C_m=C_{m0}\left(\stackrel{\‾}{\mathrm{\α}}\right)+C_{mq}\left(\stackrel{\‾}{\mathrm{\α}}\right)\frac{q\stackrel{\‾}{c}}{2V}+C_{m\mathrm{\δ}e}\left(\stackrel{\‾}{\mathrm{\α}}\right){\mathrm{\δ}}_e$

$C_Y=C_{Y0}\left(\stackrel{\‾}{\mathrm{\α}}\right)+C_{Y\mathrm{\β}}\left(\stackrel{\‾}{\mathrm{\α}}\right)\mathrm{\β}+C_{Yp}\left(\stackrel{\‾}{\mathrm{\α}}\right)\frac{pb}{2V}+C_{Yr}\left(\stackrel{\‾}{\mathrm{\α}}\right)\frac{rb}{2V}+C_{Y\mathrm{\δ}a}\left(\stackrel{\‾}{\mathrm{\α}}\right){\mathrm{\δ}}_a+C_{Y\mathrm{\δ}r}\left(\stackrel{\‾}{\mathrm{\α}}\right){\mathrm{\δ}}_r$

$C_l=C_{l0}\left(\stackrel{\‾}{\mathrm{\α}}\right)+C_{l\mathrm{\β}}\left(\stackrel{\‾}{\mathrm{\α}}\right)\mathrm{\β}+C_{lp}\left(\stackrel{\‾}{\mathrm{\α}}\right)\frac{pb}{2V}+C_{lr}\left(\stackrel{\‾}{\mathrm{\α}}\right)\frac{rb}{2V}+C_{l\mathrm{\δ}a}\left(\stackrel{\‾}{\mathrm{\α}}\right){\mathrm{\δ}}_a+C_{l\mathrm{\δ}r}\left(\stackrel{\‾}{\mathrm{\α}}\right){\mathrm{\δ}}_r$

$C_n=C_{n0}\left(\stackrel{\‾}{\mathrm{\α}}\right)+C_{n\mathrm{\β}}\left(\stackrel{\‾}{\mathrm{\α}}\right)\mathrm{\β}+C_{np}\left(\stackrel{\‾}{\mathrm{\α}}\right)\frac{pb}{2V}+C_{nr}\left(\stackrel{\‾}{\mathrm{\α}}\right)\frac{rb}{2V}+C_{n\mathrm{\δ}a}\left(\stackrel{\‾}{\mathrm{\α}}\right){\mathrm{\δ}}_a+C_{n\mathrm{\δ}r}\left(\stackrel{\‾}{\mathrm{\α}}\right){\mathrm{\δ}}_r$

上述每个区间的气动系数模型可进一步表示为最小二乘模型Y＝Xθ+v，以滚转力矩系数C_l为例：

$\mathrm{\θ}={\left[\begin{array}{cccccc}{C}_{l0}& C_{l\mathrm{\β}}& C_{lp}& C_{lr}& C_{{\mathrm{l\δ}}_a}& C_{{\mathrm{l\δ}}_r}\end{array}\right]}^T$

Y＝[C_l(1)C_l(2)…C_l(N)]^T

v＝[v(1)v(2)…v(N)]^T

$X=\left[\begin{array}{cccccc}1& \mathrm{\β}\left(1\right)& b/2V_{0}p\left(1\right)& b/2V_{0}r\left(1\right)& {\mathrm{\δ}}_a\left(1\right)& {\mathrm{\δ}}_r\left(1\right)\\ 1& \mathrm{\β}\left(2\right)& b/2V_{0}p\left(2\right)& b/2V_{0}r\left(2\right)& {\mathrm{\δ}}_a\left(2\right)& {\mathrm{\δ}}_r\left(2\right)\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ 1& \mathrm{\β}\left(N\right)& b/2V_{0}p\left(N\right)& b/2V_{0}r\left(N\right)& {\mathrm{\δ}}_a\left(N\right)& {\mathrm{\δ}}_r\left(N\right)\end{array}\right]$

其中，θ即为待辨识的各项气动参数，Y为滚转力矩系数向量，v为噪声向量，X为信息矩阵，N表示该区间内飞行数据个数。由此可得，最小二乘辨识结果为即为该区间内各项气动参数辨识结果。综合所有区间的辨识结果，滚转力矩系数的静态项C_l0(α)、C_lβ(α)，动稳定导数项C_lp(α)、C_lr(α)，控制导数项C_lδa(α)、C_lδr(α)辨识结果如图1所示，红线为真实值，黑点为辨识结果，可见大部分辨识结果与真实值非常接近。利用奇异值分解处理数据共线性问题，针对每个区间的信息矩阵X进行奇异值分解X＝UΛV^T，定义条件数为最大奇异值λ_max与最小奇异值λ_min之比，即设置条件数阈值为30，判断每个区间条件数大小，若小于阈值，表明该区间飞行数据不存在共线性，则保留该区间辨识所得的全部气动参数项；若大于阈值，表明该区间飞行数据存在共线性，将奇异值矩阵Λ分解为Λ_A和Λ_B两部分，其中Λ_B为奇异值接近0的部分，相应地将矩阵V分解为V_A和V_B两部分。若V_B中含有接近0的成分，则其所对应的X部分为未参与共线性的量，保留这部分辨识所得的对应气动参数项。图2所示为经过数据共线性处理后的滚转力矩系数辨识结果，对比图1可知，图2辨识结果更加接近真实值。

步骤6：在获取新的飞行数据情况下，结合步骤5所得辨识结果，实现气动参数的分步辨识，其特征在于：若步骤5中某区间已辨识得到全部气动参数项，则新的飞行数据中对应区间不必再进行重复辨识；若步骤5中某区间仅辨识得到部分气动参数项，则新的飞行数据中对应区间利用已辨识得到的部分气动参数项，进一步辨识该区间其余的气动参数项。

至此，实现了本发明所提供的一种采用加速度观测器的飞机气动参数分区分步辨识方法。

Claims (4)

1.一种采用加速度观测器的飞机气动参数分区分步辨识方法，其特征在于，包括下列步骤：

步骤1：利用飞行器角加速度观测器对飞行器角加速度进行估计；

步骤2：计算气动力和力矩系数大小，根据飞行器动力学方程和飞行数据，解算得到纵向和横侧向的三个气动力系数大小和三个气动力矩系数大小；

步骤3：建立气动力和力矩系数模型，将气动力和力矩系数分解为静态项、动稳定导数项、控制导数项三个部分，每个部分都是迎角、侧滑角和马赫数中一个或多个量的函数关系；纵向和横侧向的气动参数模型分别表示为：

$C_a=C_{a0}(\mathrm{\α},\mathrm{\β},M)+C_{aq}(\mathrm{\α},\mathrm{\β},M)\frac{q\stackrel{\‾}{c}}{2V}+C_{a\mathrm{\δ}}(\mathrm{\α},\mathrm{\β},M)\mathrm{\δ}$

$C_a=C_{a0}(\mathrm{\α},\mathrm{\β},M)+C_{ap}(\mathrm{\α},\mathrm{\β},M)\frac{pb}{2V}+C_{ar}(\mathrm{\α},\mathrm{\β},M)\frac{rb}{2V}+C_{a\mathrm{\δ}}(\mathrm{\α},\mathrm{\β},M)\mathrm{\δ}$

步骤4：针对飞行数据进行多重分区，将飞行数据根据迎角大小划分为若干区间，保证每个区间迎角范围足够小；由步骤3可知，各项气动参数是迎角、侧滑角和马赫数中一个或多个量的函数关系，可根据实际情况，继续根据侧滑角、马赫数大小针对每个区间飞行数据进一步分区；

步骤5：辨识各项气动参数，经过步骤4对飞行数据分区后，结合步骤3建立的气动参数模型，每个区间内的气动参数模型可表示为如下形式：

$C_a=C_{a0}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)+C_{aq}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)\frac{q\stackrel{\‾}{c}}{2V}+C_{a\mathrm{\δ}}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)\mathrm{\δ}$

$C_a=C_{a0}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)+C_{ap}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)\frac{pb}{2V}+C_{ar}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)\frac{rb}{2V}+C_{a\mathrm{\δ}}({\stackrel{\‾}{\mathrm{\α}}}_k,{\stackrel{\‾}{\mathrm{\β}}}_k,{\stackrel{\‾}{M}}_k)\mathrm{\δ}$

上述每个区间的气动系数模型可进一步表示为最小二乘模型Y＝Xθ+v，对每个区间的飞行数据应用最小二乘法，即可辨识得到每个区间的各项气动参数大小；利用奇异值分解处理数据共线性问题，针对每个区间的信息矩阵X进行奇异值分解，检测与评估每个区间内飞行数据共线性情况，准确获取可以辨识部分的气动参数；

步骤6：在获取新的飞行数据情况下，结合步骤5所得辨识结果，实现气动参数的分步辨识，其特征在于：若步骤5中某区间已辨识得到全部气动参数项，则新的飞行数据中对应区间不必再进行重复辨识；若步骤5中某区间仅辨识得到部分气动参数项，则新的飞行数据中对应区间可利用已辨识得到的部分气动参数项，进一步辨识该区间其余的气动参数项。

2.如权利要求1所述的方法，其特征在于，所述步骤1具体为：利用等加速度的预报观测器对角加速度进行估计，针对如下所示的等加速度离散模型：

x(k)＝Fx(k)+Dv(k)

y(k)＝Cx(k)+w(k)

取 $F=\left[\begin{array}{ccc}1& \mathrm{\τ}& {\mathrm{\τ}}^2/2\\ 0& 1& \mathrm{\τ}\\ 0& 0& 1\end{array}\right],$ D＝[001]^T，C＝[100]，其中τ为飞行数据的采样周期，x(k)为状态量，y(k)为观测量，v(k)为过程噪声，w(k)为测量噪声；这里，取状态量 $x\left(k\right)={\left[\begin{array}{ccc}\mathrm{\ω}\left(k\right)& \stackrel{\·}{\mathrm{\ω}}\left(k\right)& \stackrel{\·\·}{\mathrm{\ω}}\left(k\right)\end{array}\right]}^T,$ ω(k)、分别为角速度、角加速度、角加速度的导数；令观测器增益矩阵为K，可得状态估计为：

$\hat{x}\left(k\right)=\hat{x}\left(k\right|k-1)+K\[y\left(k\right)-\hat{x}\left(k\right|k-1)\]$

根据最小方差估计理论，求解如下解稳态方程：

P＝F[P-PC^T(CPC^T+W)^-1CP]F^T+V

可得增益矩阵K＝PC^T(CPC^T+W)^-1，其中P＝P(k+1|k)为一步预报协方差阵收敛稳定解。

3.如权利要求1所述的方法，其特征在于，所述步骤4具体为：将飞行数据根据迎角大小划分为若干个区间，第k个区间内所有飞行数据的迎角α为α_k＜α≤α_k+1，保证每个区间迎角范围即Δα＝α_k+1-α_k足够小(取1～2°)，则该区间内所有飞行数据的迎角可近似为同一迎角针对上述每个区间内的飞行数据，可按照上述分区方法，继续根据侧滑角大小、马赫数大小等依次进行分区，所得第k个区间内飞行数据迎角、侧滑角、马赫数可近似认为同一组量

4.如权利要求1所述的方法，其特征在于，所述步骤5中利用奇异值分解处理数据共线性问题，具体为：针对每个区间的信息矩阵X进行奇异值分解X＝UΛV^T，定义条件数为最大奇异值λ_max与最小奇异值λ_min之比，即利用条件数对数据共线性情况进行检测和评估，条件数在30～100之间表示数据存在较为严重的共线性，条件数越大，数据共线性程度越严重，导致辨识结果不准确，甚至无法辨识；设置条件数阈值在30～100之间，判断每个区间内飞行数据的条件数大小，若小于阈值，表明该区间飞行数据不存在共线性，则保留该区间辨识所得的全部气动参数项；若大于阈值，表明该区间飞行数据存在共线性，将奇异值矩阵Λ分解为Λ_A和Λ_B两部分，其中Λ_B为奇异值接近0的部分，相应地将矩阵V分解为V_A和V_B两部分，即为具体的线性关系表达式，若V_B中含有接近0的成分，则其所对应的X部分为未参与共线性的量，保留这部分辨识所得的对应气动参数项。