聂雪媛;刘中玉;杨国伟
. 2014, 33(20): 20-25.
基于系统辨识技术的非定常气动力降阶模型(Reduced-Order Models, ROMs),保留流体力学(Computational Fluid Dynamics, CFD)计算精度的同时能提高计算效率,但对输入信号加载方式或/和信号频谱要求较高。因此采用基于随机白噪声的模态激励信号进行模型辨识。以一次激励一个模态加载方式在时域内建立多输入、输出的非定常气动力降阶模型。该模型由多个辨识所得单输入多输出自回归滑动平均(Autoregressive Moving Average, ARMA)模型线性叠加而成。用不同频率、形状激励信号对辨识模型与直接CFD计算结果比较结果表明,辨识模型与CFD计算精度一致。将该降阶模型转换为状态空间形式后与结构模型耦合用于Agard445.6机翼颤振边界预测。辨识模型计算结果与非定常N-S方程计算结果及风洞试验结果比较证实,该方法能用于高效气动弹性分析。