弹性安装俯仰机翼大振幅流致振荡建模的数据驱动方法

我们提出并验证了一种用于弹性安装俯仰机翼大振幅流致振荡建模的数据驱动方法。我们首先利用在给定俯仰振荡期间以及固定迎角下通过实验测量获得的数据，训练了一个非线性空气动力矩的神经网络回归模型。随后，我们将该模型嵌入到一个常微分方程求解器中，以求解具有所需结构参数的被动气动弹性系统的控制方程。我们对所提出的数据驱动方法预测的系统动力学特性进行了表征，并将其与物理实验获得的结果进行了比较。结果表明，预测的俯仰振幅、频率和空气动力矩响应与实验结果高度一致。惯性主导模态和流体动力主导模态均得到了成功预测。该方法还忠实捕捉了俯仰振荡振幅和空气动力矩的瞬态增长与饱和。额外的测试案例证明了该方法的广泛适用性和良好的可扩展性潜力。