本文针对飞行器结构,研究其动态载荷识别理论。目前动态载荷识别技术主要分为频域法和时域法。本文利用智能算法建立应变响应和载荷之间的映射关系,从而进行动态载荷的时域识别,避免了时域法在识别过程中不适定性的问题,提高了识别精度。首先研究了基于多元线性回归的动态载荷识别算法,并基于载荷优选方法确定最合适的节点应变,建立回归方程,通过残差分析剔除异常点建立更加鲁棒的回归模型。分别在悬臂梁模型,圆柱壳模型和某导弹模型上进行测试,实验结果表明该算法可以达到较高的识别精度。其次研究了基于神经网络的动态载荷识别算法,针对BP网络易陷入局部最优解的问题,提出了结合遗传算法优化权值的GA-BP网络动态载荷识别算法。在圆柱壳模型上对比研究两种网络的收敛速度以及载荷识别精度,结果表明GA-BP网络的收敛速度更快,且精度更高。同时利用某导弹的仿真数据进行验证,并加入不同量级的噪声,结果表明,模型在噪声干扰的情况下依然可以达到较高的识别精度。最后对飞行载荷参数识别的方法进行了研究,通过MIV算法筛选输入自变量,再通过BP网络训练模型,得到飞行载荷的识别结果。以某导弹模型为研究对象,通过飞行力学和弹身内力计算公式得到飞行参数和飞行载荷数据。结果表明,模型在保证一定精度的同时可以显著缩短模型运行时间。