现代飞行器机翼柔性大,几何非线性问题不可忽略。基于动响应数据样本,基于谐波平衡和快速Fourier变换对结构动力学方程中的非线性刚度系数进行识别,建立非线性结构降阶模型。引入位移残量基模态,进行柔性机翼大变形的位移恢复。结合曲面涡格法和三维曲面插值方法搭建大柔性机翼几何非线性气动弹性分析框架。相比传统基于静力学数据回归分析的几何非线性结构降阶方法,该方法需要的载荷集数目小,提高了分析效率。计算结果表明与非线性有限元方法相比,非线性结构降阶模型准确度高,能够有效应用于大柔性机翼几何非线性静气动弹性分析,而传统的线性计算方法与非线性方法相比结果差异较大。

阵风响应计算及阵风减缓控制系统设计是飞行器气动弹性分析中的重要内容。基于状态空间涡格法(VLM)建立飞行器阵风气动力模型,给出有限元结构模态及控制面模态广义自由度与涡格法控制点边界条件的插值关系,建立适用于复杂模型的阵风响应分析方法,弥补了传统阵风响应分析方法需要进行有理函数拟合或迭代计算资源消耗大等不足。在此基础上,基于经典PID控制方法设计阵风减缓控制系统,仿真得到离散阵风及von Karman连续阵风激励下的系统开/闭环时域响应情况,对比响应幅值计算减缓率。仿真计算结果表明根据所提方法建立的阵风响应分析方法准确,阵风减缓控制系统能有效降低原气动弹性系统的阵风响应。

大柔性飞行器因结构重量低、柔性大使得机翼等部件在受载时产生较大的弹性变形,呈现显著的几何非线性效应,因此准确的结构大变形建模方法对于几何非线性气动弹性分析至关重要,而神经网络对非线性系统具有强大的拟合能力,可通过将神经网络应用于非线性结构建模,构造适用于结构大变形的前馈神经网络预测模型,在样本特征和数据结构相对较优的条件下结合曲面涡格法,搭建非线性气动弹性分析框架,对某机翼模型进行阵风响应计算;结果表明神经网络模型能准确预测大柔性机翼结构大变形,应用到气动弹性分析后能进行准确的阵风响应计算,验证了将神经网络应用到结构大变形预测的可行性,为以后机器学习技术与气动弹性分析结合的研究提供思路和方法。