[发明专利]一种基于降阶建模的大迎角颤振分析方法

权利要求书

1.一种基于降阶建模的大迎角颤振分析方法，其特征在于包括如下步骤：

步骤A：针对给定机翼进行有限元建模，完成机翼的模态的特性分析，提取参与颤振的前若干阶模态的模态信息，其中：

模态信息包括模态的频率和机翼表面各点处的模态值，模态值包括垂直于弦向和展向平面的模态值分量，

以未变形的机翼状态为坐标零点，把机翼的瞬态变形可以表示为：z＝Φd，z为机翼表面处垂直于弦向和展向平面的变形分量向量，Φ为模态矩阵，d为广义坐标，

步骤B：对于上述的前若干阶模态信息，设计训练运动信号和预测运动信号，得到用于建立非定常气动降阶模型的训练数据样本和预测数据样本，包括：

把广义气动弹性运动方程表示为：

其中I为单位阵，C为广义阻尼矩阵，K为广义刚度矩阵，F为广义力，

确定机翼颤振马赫数的大致范围，在该大致范围内选定一系列马赫数Ma_r，并求解该一系列马赫数Ma_r下的静气弹，获得静气弹收敛后的广义位移d₀和广义力F₀，将该一系列马赫数Ma_r分成两部分，包括训练马赫数Ma_train和预测马赫数Ma_predict，

把广义位移和广义力表示为静变形量和相对量的叠加，即d＝d_t+d₀，F＝F₀+F_t，其中d_t为相对广义位移、F_t为相对广义力，把相对广义力F_t表示为相对广义力系数的形式F_t＝p₀f_t，其中p₀为来流动压、f_t为相对广义力系数，

在训练马赫数Ma_train条件计算的静气弹基础上设计相对广义位移d_t的函数，即设计训练运动信号d_train，得到训练运动信号下的相对广义力系数f_train，将训练马赫数Ma_train、训练运动信号d_train、训练运动信号下的相对广义力系数f_train作为训练数据样本，

在预测马赫数Ma_predict条件计算的静气弹基础上设计相对广义位移d_t的函数，即设计预测运动信号d_predict，得到预测运动信号下的相对广义力系数f_predict，将预测马赫数Ma_predict、预测运动信号d_predict、预测运动信号下的相对广义力系数f_predict作为预测数据样本，

步骤C：使用上述得到的训练数据样本和预测数据样本，建立基于人工神经网络的非定常气动降阶模型，评估降阶模型的训练效果和泛化能力，其中：

非定常气动降阶模型的输入是步骤B中选定的一系列马赫数Ma_r和相对广义位移d_t，输出是相对广义力系数f_t，

使用步骤B中得到的训练数据样本和预测数据样本建立非定常气动降阶模型，评估非定常气动降阶模型的训练效果和泛化能力包括计算该非定常气动降阶模型对训练数据样本的辨识误差和对预测数据样本的预测误差，若辨识误差或预测误差过大，则返回步骤B进行迭代，

步骤D：使用所得到的非定常气动降阶模型完成颤振分析，包括：

将无阻尼广义气动弹性运动方程表示为相对广义位移d_t和相对广义力系数f_t的形式，从而把无阻尼广义气动弹性运动方程表示为：

给定颤振分析中的马赫数Ma₁，得到来流动压，给定广义位移初始条件，由非定常气动降阶模型计算相对广义力系数f_t，使用数值迭代方法求解无阻尼广义气动弹性运动方程实现时间推进，得到该颤振分析中的马赫数Ma₁下广义位移的时间响应，

若颤振分析中的马赫数Ma₁超出步骤B中选定的一系列马赫数Ma_r的范围，则返回步骤B，然后重新训练非定常气动降阶模型。