(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110374518.1 (22)申请日 2021.04.07 (65)同一申请的已公布的文献号 申请公布号 CN 113221237 A (43)申请公布日 2021.08.0 6 (73)专利权人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 戴玉婷　容浩然　杨超　 (74)专利代理 机构 北京金恒联合知识产权代理 事务所 1 1324 专利代理师 李强 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01) B64F 5/60(2017.01) G06F 111/10(2020.01) G06F 119/14(2020.01) (56)对比文件 CN 105843073 A,2016.08.10CN 1041825 60 A,2014.12.0 3 杨超;黄超;吴志刚;唐 长红. 《气动 伺服弹性 研究的进 展与挑战》 . 《航空学报》 .2014, 陈鑫. 《高超 声速飞行器气动— 热—结构建 模及模型降阶研究》 . 《中国优秀博硕士学位 论文 全文数据库(博士)》 .2016,C 031-1. 陈刚. 《非定常气动力降阶模型及其应用研 究》 . 《中国优秀博硕士学位 论文全文数据库(硕 士)》 .2004,C031-6. 王梓伊;张伟 伟. 《适用于参数 可调结构的非 定常气动力降阶建模方法》 . 《航空学报》 .2017, Zhang W , Wang B , Ye Z . . 《High Efficient Numerical Method for L imit Cycle Flut ter Analysis Based o n Nonlinear Aerodynamic Reduced Order Model Reduced Order Model》 . 《51st AIA A/ASME/ASCE/AHS/ASC Structures, Structural Dynamics, and Materials Co nference 18th AIA A/ASME/AHS Adaptive Structures Co nference 12 th》 .2010, 审查员 王妍 (54)发明名称 一种基于降阶建模的大迎角颤振分析方法 (57)摘要 本发明公开了一种基于 降阶建模的大迎角 颤振分析方法。 首先完成给定机翼的模态特性分 析； 然后选定一系列马赫数， 求解得到在该迎角 和这些马赫 数下的静气弹变形， 设计训练运动信 号和预测运动信号， 获得训练数据样本和预测数 据样本； 然后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； 最后 使用得到的非定常气动降阶模型完成颤振分析。 权利要求书2页 说明书5页 附图3页 CN 113221237 B 2022.08.05 CN 113221237 B 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Mar， 并求解该一 系列马赫数Mar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Mar分成两部分， 包括训练马赫数Matrain和预测马赫数Mapredict， 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＝dt+d0， F＝F0+Ft， 其中dt为 相对广义位移、 Ft为相对广义力， 把相对广义力Ft表示为相对广义力系数的形式Ft＝p0ft， 其 中p0为来流动压、 ft为相对广义力系数， 在训练马赫数Matrain条件计算的静气弹基础上设计相对广义位移dt的函数， 即设计训 练运动信号dtrain， 得到训练运动信号下的相对广义力系数ftrain， 将训练马赫数Matrain、 训练 运动信号dtrain、 训练运动信号下的相对广义力系数ftrain作为训练数据样本， 在预测马 赫数Mapredict条件计算的静气弹基础上设计相对广义位移dt的函数， 即设计预 测运动信号dpredict， 得到预测运动信号下的相对广义力系数fpredict， 将预测马赫数Mapredict、 预测运动信号dpredict、 预测运动信号下的相对广义力系数fpredict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Mar和相对广义位移 dt， 输 出是相对广义力系数ft， 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 dt和相对广义力系数ft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ft， 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权　利　要　求　书 1/2 页 2 CN 113221237 B 2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Mar的范围， 则返回步骤B， 然后重新训练非定常气动降阶模型。权　利　要　求　书 2/2 页 3 CN 113221237 B 3