论文研究高超声速飞行器气动参数辨识方法。针对高超声速飞行器的对象特性,着重研究主动激励技术,通过高超飞行仿真和无入机试飞验证了多正弦激励的可行性,并对比了多正弦和211激励的辨识效果。另外,针对Newton-Raphson算法需要初始值和易陷入局部最优值等缺点,本文设计了基于极大似然准则的粒子群算法。本文的主要工作和成果如下所述：首先,进行高超声速飞行器的对象特性分析。研究了高超声速飞行器飞行状态变化较快的特点,分析了高超声速飞行器的纵向气动参数的非线性,讨论了动压、动导数测不准和模型的不确定性问题。基于对象特性设计了总体辨识方案。其次,在高超飞行任务的基础上,研究了高超声速飞行器输入信号设计方案和评价准则并进行了飞行仿真和演示样机验证。为了获得较好的辨识结果,高超声速飞行器需要主动激励,激发飞行器的运动模态。研究了激励的设计机理,分析了典型激励的特点,确立了输入设计的方案。在此基础上,针对高超声速飞行器对于辨识激励信号的要求,设计多通道激励的方案,给出了激励评价的参数度量和非参数度量的准则。基于高超声速飞行器飞行仿真平台,验证了主动激励的必要性、作用方式、幅值和频率的设计准则,比较了在控制闭环情况下多正弦激励与211激励的优劣。由于目前多正弦激励在国内尚无工程使用先例,在无人机平台上对多正弦激励的有效性进行了验证。再次,针对高超声速飞行器纵向非线性的特性,使用高阶项修正,设计了气动参数的高阶项描述非线性特性的候选模型,实现了对高超声速飞行器气动参数非线性辨识。最后,以极大似然方法为基础,发展了基于极大似然准则的粒子群算法来辨识高超声速飞行器气动力参数。将所设计的优化算法应用于高超模型仿真数据,获取了良好的辨识效果。