不同悬停运动学下扑翼空气动力学的鲁棒数据驱动模型

扑翼微型飞行器（FWMAV）是高度机动、受生物启发的无人机，可辅助执行勘察和救援任务。扑翼会产生各种非定常升力增强机制，这对推导用于预测瞬时气动性能的降阶模型构成了挑战。在这项工作中，我们提出了一种鲁棒的基于计算流体动力学（CFD）数据驱动的准定常（QS）降阶模型（ROM），用于预测扑动周期内的升力系数和阻力系数。该模型针对在悬停条件下具有不同参数化运动学的刚性椭球翼推导得出。所提出的 ROM 通过两阶段回归构建。第一阶段定义为“周期内”（IC），计算将气动系数与瞬时机翼状态联系起来的回归参数。第二阶段为“周期外”（OOC），将 IC 权重与定义扑动运动的扑动特征联系起来。训练和测试数据集通过使用重叠网格方法的高保真度模拟生成，涵盖了广泛的雷诺数和扑动运动学范围。两阶段回归器结合了岭回归和高斯过程（GP）回归，以提供模型不确定性的估计。所提出的 ROM 对广泛变化的运动学显示出准确的气动预测。该模型对于产生稳定前缘涡（LEV）的平滑运动学表现最佳。在前缘涡部分脱落、非环量力显著以及机翼遇到自身尾流的动态场景中，也观察到了非常精确的预测。