非定常气动力建模涉及空气动力学、飞行力学、飞行控制等多个领域,是完善飞机大迎角气动数据库的关键。传统的气动数据库模型为动导数模型,由静态气动力、旋转天平、动导数等数据构成,无法精细表征过失速机动状态下的非定常效应。循环神经网络(RNN)结构是一种处理和预测序列数据的神经网络结构,在人工智能领域运用广泛,与非定常气动力一样都具有时间序列依赖的特点。重点研究了循环神经网络在非定常气动力建模中的应用,利用单自由度俯仰振荡的风洞试验数据进行建模。使用强迫运动试验与虚拟飞行试验2种方法对非定常模型进行验证在强迫运动试验中,通过直接对比气动力曲线,对具有实战意义的眼镜蛇机动进行了验证;在虚拟飞行试验中,通过对比试验与建模仿真的运动参数曲线,验证了气动力模型的准确性。2种验证方法均表明循环神经...