1. 课程导入
欢迎进入《电动垂直起降飞行器建模与辨识》课程。本章作为全课程的起点，旨在为学习者建立宏观认知框架：理解eVTOL（Electric Vertical Take-Off and Landing，电动垂直起降飞行器）在航空产业变革中的战略位置，明确建模与辨识技术为何是eVTOL从概念走向适航取证与规模化运营的核心支撑，并清晰了解本课程30章的学习路径与目标。我们将从行业背景、技术挑战、课程架构三个维度展开，帮助您建立“为什么学—学什么—怎么学”的完整逻辑链条。
1.1 eVTOL发展背景：从概念到产业化的关键跨越
eVTOL并非简单的“电动直升机”，而是以分布式电推进（DEP）、多旋翼/倾转旋翼/复合翼等创新构型为基础的新一代空中交通工具。其发展背景可归纳为三大驱动力：城市空中交通（UAM）需求爆发、电动化与自动驾驶技术成熟、政策与资本双重推动。截至2025年，全球已有超过800个eVTOL概念项目，其中约30%进入工程样机阶段，头部企业如Joby Aviation、Volocopter、亿航智能等已累计完成数万次试飞。中国民航局已将eVTOL纳入《国家综合立体交通网规划纲要》，适航审定路径逐步清晰。
然而，eVTOL的独特技术特征——多旋翼/倾转机构带来的强非线性、低速大迎角飞行、电机响应快但时间常数差异大、气动干扰复杂（旋翼-机翼-机身耦合）——使得传统有人机的建模与辨识方法难以直接适用。例如，倾转旋翼机在过渡飞行阶段，旋翼滑流对机翼和尾翼的气动干扰会导致模型参数剧烈变化，线性时不变模型（LTI）在包线边缘的预测误差可能超过30%。这正是本课程存在的核心价值：建立适用于eVTOL全飞行包线的高保真模型，并通过飞行数据辨识验证模型准确性。
1.2 建模与辨识在eVTOL研发中的核心作用
建模与辨识贯穿eVTOL全生命周期：概念设计阶段用于快速评估构型可行性；详细设计阶段用于飞控律开发与硬件在环仿真；试飞验证阶段用于模型修正与适航取证。具体而言，其作用体现在以下四个维度：
| 研发阶段 | 建模与辨识任务 | 输出物 | 精度要求 |
|---|---|---|---|
| 概念设计 | 基于物理机理建立低阶模型 | 构型参数敏感性分析报告 | 趋势准确（±20%） |
| 详细设计 | CFD+半经验公式建立气动数据库 | 六自由度仿真模型 | 关键点误差<10% |
| 飞控开发 | 模型线性化与降阶 | 控制律设计用LTI模型 | 频域误差<3dB |
| 适航验证 | 飞行试验数据辨识与模型确认 | 适航审定用验证模型 | 全包线误差<5% |
以某型倾转旋翼eVTOL为例，其过渡飞行阶段（空速40-80节，倾转角度30°-60°）的气动参数变化剧烈。通过精心设计的扫频激励飞行试验，结合输出误差法（OEM）辨识，成功将俯仰力矩系数模型误差从初始的18%降低至4.2%，满足了飞控增益调度设计的需要。这一案例充分说明：没有高精度的建模与辨识，eVTOL的飞控系统就无法保证全包线稳定性与操纵品质。
1.3 课程学习目标与能力体系
完成本课程后，学习者将具备以下核心能力：
- 理论建模能力：掌握eVTOL刚体六自由度运动方程、气动力与力矩建模、电机/螺旋桨动力学建模方法，能够针对不同构型（多旋翼、复合翼、倾转旋翼）建立机理模型。
- 数据驱动建模能力：理解并应用神经网络、高斯过程回归等数据驱动方法，处理机理模型难以覆盖的复杂气动干扰与不确定性。
- 试验设计能力：能够设计适用于eVTOL的频率扫描、多正弦、扫频等激励信号，规划飞行试验矩阵，确保数据信息量充分且安全可控。
- 参数辨识与验证能力：熟练运用最小二乘、极大似然、滤波误差法等辨识算法，掌握模型验证的时域/频域准则，能够撰写符合适航要求的模型验证报告。
- 工程实践能力：通过MATLAB/Simulink、Python工具链完成从数据预处理到模型输出的全流程实操，理解辨识结果与飞控设计、仿真验证的接口关系。
1.4 课程结构：30章递进式学习路径
课程分为六大模块，共30章，遵循“基础-方法-应用-进阶”的递进逻辑：
- 模块一（第1-5章）：eVTOL概述与飞行动力学基础，包括坐标系与运动方程、气动建模基础、电机/螺旋桨建模。
- 模块二（第6-10章）：辨识理论基础，涵盖系统辨识概念、回归方法、频域辨识、极大似然估计、模型验证准则。
- 模块三（第11-15章）：eVTOL专项建模，包括多旋翼气动干扰建模、倾转机构建模、地面效应、故障建模。
- 模块四（第16-20章）：飞行试验设计与数据采集，包括传感器校准、激励信号设计、试飞安全边界、数据预处理。
- 模块五（第21-25章）：高级辨识方法，包括非线性辨识、机器学习辨识、混合建模、在线辨识、不确定性量化。
- 模块六（第26-30章）：工程应用与适航，包括模型确认与验证、飞控集成、硬件在环仿真、适航审定案例、行业前沿。
每章均包含理论讲解、案例分析、实操练习与常见误区剖析，确保学习者能够将知识转化为解决实际工程问题的能力。
1.5 常见误区与学习路径建议
在多年教学与工程实践中，我们发现初学者常陷入以下误区：
误区二：盲目追求模型复杂度。eVTOL模型并非越复杂越好。在飞控设计初期，一个参数化清晰的线性模型往往比黑箱神经网络更实用。应根据应用场景选择模型复杂度。
误区三：忽略数据质量。辨识结果的精度上限由数据信息量决定。飞行试验设计不当（如激励幅度过小、频率覆盖不足）会导致辨识结果方差过大，即使算法再先进也无济于事。
针对以上误区，建议学习者采用“螺旋式学习”策略：第一遍快速浏览全课程建立框架，第二遍重点学习与自身工作相关的章节，第三遍结合项目实践深入掌握。同时，建议建立个人“建模与辨识工具箱”，积累常用函数、脚本和模板，提高工作效率。
最后，需要强调的是，eVTOL建模与辨识是一个快速发展的领域，新的构型（如氢燃料电池eVTOL）、新的算法（如基于深度强化学习的辨识）不断涌现。本课程提供的不仅是具体技术，更是一套“如何思考eVTOL建模问题”的方法论。希望学习者能够举一反三，在未来的工程实践中灵活应用。