1. 课程导入

在固定翼飞行器的设计、仿真、控制与试飞过程中，气动系数是连接“外形几何”和“飞行性能”的关键桥梁。所谓固定翼气动系数辨识，是指利用飞行试验、风洞试验或高保真仿真获得的状态量与气动力/力矩数据，通过系统辨识方法反推出升力系数、阻力系数、侧力系数以及滚转、俯仰、偏航力矩系数等气动参数，并进一步建立可用于工程分析的数学模型。它既不是单纯的数据拟合，也不是只做一次曲线回归，而是围绕“激励—测量—建模—验证”形成闭环的工程方法体系。

一、核心原理：从飞行状态到气动参数

固定翼气动系数辨识的基本逻辑可以概括为：在已知或可测的飞行状态下，采集迎角、侧滑角、角速率、加速度、空速、高度、舵面偏度等信号，同时获得气动力和力矩的观测值；然后依据六自由度运动方程和气动模型结构，构造参数化模型；最后通过最小二乘、极大似然、卡尔曼滤波、输出误差法等优化算法，估计未知气动系数。其核心难点在于：飞行数据中激励不足、测量噪声、模型结构误差和参数耦合会同时存在，因此辨识结果必须经过交叉验证和物理合理性检查。

从工程角度看，气动系数通常分为纵向和横航向两类。纵向包括升力系数、阻力系数、俯仰力矩系数及其对迎角、升降舵、俯仰角速率和襟翼的导数；横航向包括侧力系数、滚转力矩系数、偏航力矩系数及其对侧滑角、副翼、方向舵和滚转/偏航角速率的导数。辨识的目标不是得到一组“好看”的数字，而是得到在包线内可解释、可外推、可用于控制律设计的气动模型。

二、方法流程：一条可落地的工程链路

一个完整的固定翼气动系数辨识项目通常包含以下步骤：

1. 任务定义与建模假设：明确辨识对象、飞行包线、目标系数、模型结构，例如是否包含非线性项、是否考虑气动滞后和舵面速率限制。
2. 试验设计与激励输入：设计俯仰倍脉冲、滚转倍脉冲、方向舵扫频、3-2-1-1 等机动，保证关键频段和参数方向被充分激励。
3. 数据采集与预处理：同步记录惯导、大气数据、舵面反馈和GPS信息，完成时间对齐、野值剔除、滤波和单位统一。
4. 气动模型参数化：将气动力和力矩写成状态量与舵面偏度的函数，形成待辨识参数向量。
5. 参数估计与优化：采用最小二乘、极大似然或滤波方法求解参数，并处理参数耦合和可辨识性问题。
6. 模型验证与确认：用独立数据段进行预测对比，检查残差、置信区间和物理合理性。
7. 工程应用与迭代：将模型用于飞行仿真、控制律调参、飞行品质评估和包线扩展，并根据新数据持续修正。

三、典型应用场景：为什么工程上必须做辨识

固定翼气动系数辨识在多个工程环节中不可替代。第一，在控制律设计中，飞控系统需要准确的稳定性和操纵性导数，否则增益调度、鲁棒控制和自适应控制都缺乏可信基础。第二，在飞行仿真中，高保真气动模型决定了模拟器训练和任务规划的可信度。第三，在飞行品质评估中，短周期、荷兰滚、螺旋等模态特性依赖气动导数进行预测。第四，在包线扩展与适航验证中，辨识结果可用于识别气动非线性、舵面效率下降和失速前兆。第五，在故障诊断与气动重构中，当舵面损伤或结冰导致气动特性变化时，在线辨识可支撑容错控制。

四、常见误区与复盘要点

初学者最容易把气动系数辨识等同于“拿数据做拟合”。实际上，辨识结果是否可信，取决于试验设计是否充分激励、模型结构是否匹配物理机理、数据预处理是否保留关键动态、验证是否独立。常见误区包括：只用一段数据建模又用同一段数据验证；忽略舵面速率限制和传感器延迟；把强耦合参数单独估计；只看拟合精度不看物理合理性；以及在没有检查激励持续性和信噪比的情况下直接给出气动导数。

五、整体学习路线图

本课程将围绕“基础—数据—建模—辨识—验证—应用”的主线展开。前期建立飞行力学、气动模型和系统辨识基础；中期掌握试验设计、数据预处理、纵向与横航向辨识方法；后期进入非线性辨识、在线辨识、鲁棒性分析和工程案例复盘。学习过程中应始终把“物理可解释”和“工程可验证”作为两条底线，而不是只追求算法复杂度。

学习路线建议：
1. 飞行力学与气动建模基础
2. 试飞数据采集、同步与预处理
3. 纵向气动系数辨识
4. 横航向气动系数辨识
5. 非线性与大迎角辨识
6. 在线辨识与故障重构
7. 模型验证、置信度评估与工程应用
8. 综合案例：从试飞数据到气动数据库