无人机数学模型反映了操纵输入和飞行器响应之间的联系,在飞行仿真、稳定性和操纵性分析、飞行控制设计等实际应用中都离不开系统数学模型的建立。系统的控制性能在很大程度上取决于所建立模型的准确性和精度,数学模型只有准确地模拟无人机飞行过程才具有应用价值。事实上数学模型和真实系统响应之间通常存在一定的差异,为了使数学模型更加准确地反映真实的系统响应,在风洞吹风模型的基础上建立包含不确定性因素的数学模型至关重要。该课题基于某型高空高亚音速无人机已成功飞行的试验数据,进行系统辨识,结合风洞吹风模型的气动参数,建立包含不确定性因素的无人机飞行动力学模型。本文的主要研究内容分为三个部分,第一部分为无人机非线性仿真模型的建立。包括气动模型、发动机模型、动力学方程的建立,为不确定性建模打下基础。第二部分为无人机系统辨识。首先对某型无人机三架次飞行数据进行预处理,包括利用观测器/卡尔曼滤波辨识法(OKID)对飞行试验数据进行跳点值的识别、剔除、补正,以及采用扩展卡尔曼滤波法(EKF)完成试飞数据的相容性检验。随后利用CIFER对试飞数据进行系统辨识。根据系统辨识的结果和风洞模型理论值得到气动参数的上下边界和标称值,并利用辨识得到的气动参数更新非线性仿真模型,为完成气动模型的不确定性建模奠定基础。第三部分主要介绍了非线性仿真模型不确定性建模的方法和步骤。其中气动力模块的不确定性建模是根据气动参数的上下边界和标称值得以实现。发动机受力模型和油耗模型以及重心位置的不确定性建模是在试验数据的基础上考虑一定的数值波动范围而完成,以此建立无人机系统的不确定性Simulink仿真模型。之后根据ulinearize原则在配平点处线性化不确定性Simulink仿真模型,并利用线性分式变换(LFT)方法得到LFT模型的实现:M—?矩阵形式表示的不确定性模型。最后进行最坏情况增益(WCG)分析以验证模型的精度;并在给定扰动的情况下,利用鲁棒控制工具箱中的函数仿真并分析模型在随机采样下的输出响应,完成不确定模型有效性的分析和验证工作。