建立了基于Kriging代理和递归算法的变厚度翼型气动力降阶模型,将滤波的高斯白噪声作为输入信号,采用计算流体力学(CFD)方法获得不同厚度下翼型的非定常气动力并将其作为降阶模型的训练样本。该降阶模型不仅大大提高了非定常气动力的计算效率,而且其预测得到的非定常响应的精度不低于92.01%。通过蒙特卡洛法的变厚度翼型全局灵敏度分析表明,俯仰运动是影响气动力波动的主要因素,俯仰与沉浮位移的耦合对气动力影响很小。考虑翼型变厚度时对翼面压力及分离点的影响,本文建立了压强系数的降阶模型。通过与CFD结果的对比,得到其精度为99.9995%,验证了降阶模型的正确性和有效性。