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...

为研究高性能战斗机在大迎角机动飞行时复杂的非定常流动现象和运动-控制耦合现象,研制了三自由度风洞虚拟飞行试验系统,开展了类F-16飞行器模型风洞虚拟飞行试验。在小迎角试验中完成模型短周期运动模态模拟和控制律验证,在大迎角试验中测量到俯仰运动失稳现象,在负迎角试验中测量到横航向耦合失稳现象。研究表明:在横航向耦合失稳时,采用副翼增稳滚转通道难以恢复横航向稳定性,且可能发生运动-控制耦合振荡,而通过升降舵机动改变迎角可有效恢复横航向稳定性。