大迎角机动飞行的气动力建模与飞行仿真

doi:10.7527/S1000-6893.2022.28410

流体力学与飞行力学

本期目录 | 过刊浏览 | 高级检索

前一篇 |

大迎角机动飞行的气动力建模与飞行仿真

李怀璐¹, 王旭¹, 王霄², 赵彤², 张伟伟¹()

^1.西北工业大学航空学院，西安 710072
^2.航空工业沈阳飞机设计研究所，沈阳 110035

收稿日期:2022-12-19 修回日期:2023-03-10 接受日期:2023-03-29 出版日期:2023-04-12 发布日期:2023-04-12
通讯作者: 张伟伟 E-mail:aeroelastic@nwpu.edu.cn
基金资助:
国家自然科学基金面上项目(12072282)

Aerodynamic modeling and flight simulation of maneuver flight at high angle of attack

Huailu LI¹, Xu WANG¹, Xiao WANG², Tong ZHAO², Weiwei ZHANG¹()

^1.School of Aeronautics，Northwestern Polytechnical University，Xi’an 710072，China
^2.AVIC Shenyang Aircraft Design and Research Institute，Shenyang 110035，China

Received:2022-12-19 Revised:2023-03-10 Accepted:2023-03-29 Online:2023-04-12 Published:2023-04-12
Contact: Weiwei ZHANG E-mail:aeroelastic@nwpu.edu.cn
Supported by:
National Natural Science Foundation of China(12072282)

摘要/Abstract

摘要：

由于显著的非线性、非定常效应，现有的风洞试验和数值方法仍然很难精确复现飞行器大迎角机动飞行特性。为了提高大迎角机动飞行仿真的精度，通过发展嵌入物理模型的集成神经网络架构来准确模化飞行器大迎角非定常气动力，进一步在时域耦合飞行器运动方程，实现了大迎角机动飞行仿真。以典型战斗机作为研究对象，将大迎角纵向飞行的开环宽频激励、开环简谐激励和过失速机动飞行数据作为气动力建模的样本数据，构建并对比了传统动导数模型、黑箱神经网络模型、集成神经网络模型这3种气动力模型，并进一步对比了耦合仿真的飞行特性，提出了利用飞行仿真方法来对气动力模型进行鲁棒性检验的思路。结果表明，嵌入物理模型的集成神经网络的气动力建模的升力系数误差较传统动导数模型降低了57%，并在耦合过程中具有更好的鲁棒性和稳定性；飞机响应误差较黑箱神经网络模型降低了63%，验证了所提出的建模框架在小样本飞行数据辨识中的优势和工程潜力。

关键词: 气动力建模, 集成神经网络, 大迎角飞行仿真, 过失速机动, 非定常气动力

Abstract:

Due to significant nonlinear and unsteady effects， it is difficult to accurately simulate the maneuver flight characteristics of aircraft at high angle of attack by existing wind tunnel experiments and numerical methods. To improve the accuracy of maneuver flight simulation at high angle of attack， the physical-model-embedding ensemble neural network was developed to accurately model the unsteady aerodynamics of aircraft at high angle of attack， and the aircraft motion equation were further coupled in time domain to realize maneuver flight simulation at high angle of attack. Taking a typical fighter as the research object， the open-loop broadband excitation， open-loop harmonic excitation and post-stall maneuver flight data of longitudinal flight at high angle of attack are utilized as sample data for aerodynamic modeling. Three types of aerodynamic models are constructed and compared， including the traditional dynamic derivative model， the black-box neural network model and the ensemble neural network model. Furthermore， the flight characteristics of coupled simulation are further compared， and the idea of using the flight simulation method to test the robustness of the aerodynamic model is proposed.Results show that the lift coefficient error of aerodynamic modeling of the physical-model-embedding ensemble neural network is 57% lower than that of the traditional dynamic derivative model， and the robustness and stability in the coupling process are better. The aircraft response error is 63% lower than that of the black-box neural network model， which proves the advantages and engineering potential of the proposed modeling framework for small-sample flight data identification.

Key words: aerodynamic modeling, ensemble neural network, fight simulation at high angle of attack, post-stall maneuver, unsteady aerodynamics

中图分类号:

V211.4

李怀璐, 王旭, 王霄, 赵彤, 张伟伟. 大迎角机动飞行的气动力建模与飞行仿真[J]. 航空学报, 2023, 44(19): 128410-128410.

Huailu LI, Xu WANG, Xiao WANG, Tong ZHAO, Weiwei ZHANG. Aerodynamic modeling and flight simulation of maneuver flight at high angle of attack[J]. Acta Aeronautica et Astronautica Sinica, 2023, 44(19): 128410-128410.

图/表 23

图 1

图 2

图 3

表 1

图 4

图 5

图 6

图 7

图 8

图 9

图 10

图 11

表2

图 12

表 3

预测集气动力预测误差

参数	动导数模型	FSRBF模型	PENN模型
$C L$	1 581	1 507	866.1
$C D$	269.4	36.66	28.64
$C m$	11.50	5.451	6.319

表 3

图 13

表 4

图 14

图 15

图 16

图 17

图 18

图 19

参考文献 43

1	杨伟. 关于未来战斗机发展的若干讨论［J］. 航空学报， 2020， 41（6）： 524377.
	YANG W. Development of future fighters［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（6）： 524377 （in Chinese）.
2	TIRPAK J A. Air force creates new PEO for NGAD， applying “Digital Century Series” idea ［EB/OL］. （2019-10-02）［2022-12-29］..
3	曲东才. 战斗机过失速机动与近距格斗空战［J］. 航空兵器， 2000， 7（4）： 12-14.
	QU D C. Fighter post-stall maneuver and close combat air combat［J］. Aero Weaponry， 2000， 7（4）： 12-14 （in Chinese）.
4	史忠科. 高性能飞机发展对控制理论的挑战［J］. 航空学报， 2015， 36（8）： 2717-2734.
	SHI Z K. Challenge of control theory in the presence of high performance aircraft development［J］. Acta Aeronautica et Astronautica Sinica， 2015， 36（8）： 2717-2734 （in Chinese）.
5	HERBST W B. Future fighter technologies［J］. Journal of Aircraft， 1980， 17（8）： 561-566.
6	王海峰，展京霞，陈科，等. 战斗机大迎角气动特性研究技术的发展与应用［J］. 空气动力学学报， 2022， 40（1）： 1-25.
	WANG H F， ZHAN J X， CHEN K， et al. Development and application of aerodynamic research technologies for fighters at high angle of attack［J］. Acta Aerodynamica Sinica， 2022， 40（1）： 1-25 （in Chinese）.
7	张子军，赵彤，孙烨，等. 飞机大迎角飞行问题研究综述［J］. 航空工程进展， 2022， 13（3）： 74-85.
	ZHANG Z J， ZHAO T， SUN Y， et al. Review of the study on high-angle-of-attack flight problems of aircraft［J］. Advances in Aeronautical Science and Engineering， 2022， 13（3）： 74-85 （in Chinese）.
8	肖志祥，崔文瑶，刘健，等. 新一代战斗机非定常流动数值研究综述［J］. 航空学报， 2020， 41（6）： 523451.
	XIAO Z X， CUI W Y， LIU J， et al. Review of numerical research on unsteady flows of the new generation fighters［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（6）： 523451 （in Chinese）.
9	汪清，钱炜祺，丁娣. 飞机大迎角非定常气动力建模研究进展［J］. 航空学报， 2016， 37（8）： 2331-2347.
	WANG Q， QIAN W Q， DING D. A review of unsteady aerodynamic modeling of aircrafts at high angles of attack［J］. Acta Aeronautica et Astronautica Sinica， 2016， 37（8）： 2331-2347 （in Chinese）.
10	KALVISTE J. Use of rotary balance and forced oscillation test data in six degrees of freedom simulation［C］∥ Proceedings of the 9th Atmospheric Flight Mechanics Conference. Reston： AIAA， 1982.
11	饶秋磊，韩意新. 大迎角气动力建模与失速/尾旋模态仿真［J］. 应用力学学报， 2018， 35（3）： 472-478.
	RAO Q L， HAN Y X. High angle of attack aerodynamic modeling and simulation and analysis of stall/spin mode［J］. Chinese Journal of Applied Mechanics， 2018， 35（3）： 472-478 （in Chinese）.
12	李林刚，高浩. 飞机大迎角气动数据的组成与应用［J］. 飞行力学， 1997， 15（1）： 1-7.
	LI L G， GAO H. Aero datas integration and application of the airplane at high angle of attack［J］. Flight Dynamics， 1997， 15（1）： 1-7 （in Chinese）.
13	MURCH A M， FOSTER J V. Recent NASA research on aerodynamic modeling of post-stall and spin dynamics of large transport airplanes：AIAA-2007-0463［R］. Reston： AIAA， 2007.
14	BRYAN G H， WILLIAMS W E. The longitudinal stability of aerial gliders［J］. Proceedings of the Royal Society of London， 1904， 73（488/489/490/491/492/493/494/495/496）： 100-116.
15	LIN G F， LAN C E， BRANDON J M， et al. A generalized dynamic aerodynamic coefficient model for flight dynamics applications： AIAA-1997-3643［R］. Reston： AIAA， 1997.
16	TOBAK M. On the use of the indicial-function concept in the analysis of unsteady motions of wings and wing-tail combinations： NACA-TR-1188 ［R］.Washington，D.C.：NACA，1954.
17	GOMAN M， KHRABROV A. State-space representation of aerodynamic characteristics of an aircraft at high angles of attack［J］. Journal of Aircraft， 1994， 31（5）： 1109-1115.
18	汪清，蔡金狮. 飞机大攻角非定常气动力建模与辨识［J］. 航空学报， 1996， 17（4）： 391-398.
	WANG Q， CAI J S. Unsteady aerodynamic modeling and identification of airplane at high angles of attack［J］. Acta Aeronautica et Astronautica Sinica， 1996， 17（4）： 391-398 （in Chinese）.
19	沈霖，黄达，吴根兴，等. 战斗机大迎角非定常气动力建模［J］. 航空学报， 2020， 41（6）： 523440.
	SHEN L， HUANG D， WU G X， et al. Unsteady aerodynamic modeling for fighter configuration at high angles of attack［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（6）： 523440 （in Chinese）.
20	SHEN L， HUANG D， WU G X. Time delay compensation in lateral-directional flight control systems at high angles of attack［J］. Chinese Journal of Aeronautics， 2021， 34（4）： 1-18.
21	岑飞，李清，刘志涛，等. 民机极限飞行状态的动态气动力试验与建模［J］. 航空学报， 2020， 41（8）： 123664.
	CEN F， LI Q， LIU Z T， et al. Unsteady aerodynamics test and modeling of civil aircraft under extreme flight conditions［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（8）： 123664 （in Chinese）.
22	岑飞，刘志涛，蒋永，等. 民机极限飞行状态非定常气动力建模［J］. 航空学报， 2022， 43（8）： 125582.
	CEN Fei， LIU Z T， JIANG Y， et al. Unsteady aerodynamics modeling of civil transport configuration under extreme flight conditions［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（8）： 125582 （in Chinese）.
23	KOU J Q， ZHANG W W. Data-driven modeling for unsteady aerodynamics and aeroelasticity［J］. Progress in Aerospace Sciences， 2021， 125： 100725.
24	史志伟，王峥华，李俊成. 径向基神经网络在非线性非定常气动力建模中的应用研究［J］. 空气动力学学报， 2012， 30（1）： 108-112.
	SHI Z W， WANG Z H， LI J C. The research of RBFNN in modeling of nonlinear unsteady aerodynamics［J］. Acta Aerodynamica Sinica， 2012， 30（1）： 108-112 （in Chinese）.
25	ZHANG W W， WANG B B， YE Z Y， et al. Efficient method for limit cycle flutter analysis based on nonlinear aerodynamic reduced-order models［J］. AIAA Journal， 2012， 50（5）： 1019-1028.
26	GHOREYSHI M， JIRÁSEK A， CUMMINGS R M. Computational approximation of nonlinear unsteady aerodynamics using an aerodynamic model hierarchy［J］. Aerospace Science and Technology， 2013， 28（1）： 133-144.
27	LI W J， LAIMA S J， JIN X W， et al. A novel long short-term memory neural-network-based self-excited force model of limit cycle oscillations of nonlinear flutter for various aerodynamic configurations［J］. Nonlinear Dynamics， 2020， 100（3）： 2071-2087.
28	LI K， KOU J Q， ZHANG W W. Deep neural network for unsteady aerodynamic and aeroelastic modeling across multiple Mach numbers［J］. Nonlinear Dynamics， 2019， 96（3）： 2157-2177.
29	BAGHERZADEH S A. Nonlinear aircraft system identification using artificial neural networks enhanced by empirical mode decomposition［J］. Aerospace Science and Technology， 2018， 75： 155-171.
30	LYU Y X， CAO Y Y， ZHANG W G， et al. Dynamic surface control design of post-stall maneuver under unsteady aerodynamics［J］. Aerospace Science and Technology， 2018， 80： 269-280.
31	GREENWELL D. A review of unsteady aerodynamic modelling for flight dynamics of manoeuvrable aircraft： AIAA-2004-5276［R］. Reston： AIAA， 2004.
32	陈翔，展京霞，陈科，等. 非定常气动力建模研究与虚拟飞行试验验证［J］. 实验流体力学， 2022， 36（3）： 65-72.
	CHEN X， ZHAN J X， CHEN K， et al. Unsteady aerodynamic modeling research and virtual flight test verification［J］. Journal of Experiments in Fluid Mechanics， 2022， 36（3）： 65-72 （in Chinese）.
33	李仑，王刚，索谦，等. 飞行器阵风响应的CFD-6DOF仿真分析［J］. 航空工程进展， 2015， 6（1）： 26-31.
	LI L， WANG G， SUO Q， et al. CFD-6DOF simulation analysis of aircraft gust response［J］. Advances in Aeronautical Science and Engineering， 2015， 6（1）： 26-31 （in Chinese）.
34	王培涵，吴志刚，杨超，等. 一种适用于弹性飞机飞行仿真的补丁方法［J］. 航空学报， 2023， 44（6）： 85-101.
	WANG P H， WU Z G， YANG C， et al. Patch module method for flight simulation of flexible aircraft［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（6）： 85-101 （in Chinese）.
35	王刚，邢宇，朱亚楠. 旋转弹气动力建模与飞行轨迹仿真［J］. 航空学报， 2017， 38（1）： 120169.
	WANG G， XING Y， ZHU Y N. Aerodynamic modeling and flight trajectory simulation of spinning projectile［J］. Acta Aeronautica et Astronautica Sinica， 2017， 38（1）： 120169 （in Chinese）.
36	师妍，万志强，吴志刚，等. 基于气动力降阶的弹性飞机阵风响应仿真分析及验证［J］. 航空学报， 2022， 43（1）： 125474.
	SHI Y， WAN Z Q， WU Z G， et al. Gust response analysis and verification of elastic aircraft based on nonlinear aerodynamic reduced-order model［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（1）： 125474 （in Chinese）.
37	WANG X， KOU J Q， ZHANG W W. Unsteady aerodynamic modeling based on fuzzy scalar radial basis function neural networks［J］. Proceedings of the Institution of Mechanical Engineers， Part G： Journal of Aerospace Engineering， 2019， 233（14）： 5107-5121.
38	ZHANG W B， GUO X C， WANG C Y， et al. A POD-based center selection for RBF neural network in time series prediction problems［C］∥International Conference on Adaptive and Natural Computing Algorithms. Berlin： Springer， 2007： 189-198.
39	KOU J Q， ZHANG W W. An approach to enhance the generalization capability of nonlinear aerodynamic reduced-order models［J］. Aerospace Science and Technology， 2016， 49： 197-208.
40	WANG X， KOU J Q， ZHANG W W， et al. Incorporating physical models for dynamic stall prediction based on machine learning［J］. AIAA Journal， 2022， 60（7）： 4428-4439.
41	NGUYEN L T， OGBURN M E， GILBERT W P，et al. Simulator study of stall/post-stall characteristics of a fighter airplane with longitudinal static stability：NASA-TP-1538［R］. Washington， D.C.： NASA， 1979.
42	KRIGE D G. A statistical approach to some basic mine valuation problems on the Witwatersrand［J］. Journal of the Southern African Institute of Mining and Metallurgy， 1951， 52（6）： 119-139.
43	EBERHART R， KENNEDY J. A new optimizer using particle swarm theory［C］∥Proceedings of the Sixth International Symposium on Micro Machine and Human Science. Piscataway： IEEE Press， 2002： 39-43.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

变量	配平值	变量	配平值
速度/（m·s^-1）	63.83	高度/m	5 000
迎角/（°）	30	侧滑角/（°）	0
俯仰角/（°）	30	升降舵/（°）	-8.08
副翼	0	方向舵	0
油门开度	0.827 1

参数	动导数模型	FSRBF模型	PENN模型
α	8.52	6.39	2.37
θ	9.98	7.25	2.09

参数	动导数模型	FSRBF模型	PENN模型
α	14.34	25.03	11.58
θ	18.78	21.50	14.15

[1]	王立波, 荆志伟, 唐矗. 波阵风中的弹性飞机动力学建模与仿真[J]. 航空学报, 2023, 44(17): 228214-228214.
[2]	王延灵, 卜忱, 杨文, 沈彦杰, 冯帅. 小展弦比飞翼大迎角状态空间气动力建模[J]. 航空学报, 2021, 42(7): 124539-124539.
[3]	陈志强, 刘战合, 苗楠, 冯伟. 基于增量学习的非定常气动力参数化降阶模型[J]. 航空学报, 2021, 42(7): 125103-125103.
[4]	陈森林, 高正红, 朱新奇, 庞超, 杜一鸣, 陈树生. 非稳定动态过程非定常气动力建模[J]. 航空学报, 2020, 41(8): 123675-123675.
[5]	岑飞, 李清, 刘志涛, 蒋永, 张磊. 民机极限飞行状态的动态气动力试验与建模[J]. 航空学报, 2020, 41(8): 123664-123664.
[6]	沈霖, 黄达, 吴根兴, 展京霞. 战斗机大迎角非定常气动力建模[J]. 航空学报, 2020, 41(6): 523440-523440.
[7]	肖志祥, 崔文瑶, 刘健, 罗堃宇, 孙元昊. 新一代战斗机非定常流动数值研究综述[J]. 航空学报, 2020, 41(6): 523451-523451.
[8]	杨朝旭, 郭毅, 雷廷万, 李荣冰. 先进战斗机过失速机动大气数据融合估计方法[J]. 航空学报, 2020, 41(6): 523456-523456.
[9]	向欢, 杨应凯, 谢锦睿, 吴永胜. 战斗机大迎角/过失速机动下的进气道气动特性[J]. 航空学报, 2020, 41(6): 523460-523460.
[10]	李旭, 祝小平, 周洲, 郭佳豪. 动基座近舰面流场数值模拟[J]. 航空学报, 2018, 39(12): 122131-122131.
[11]	陈森林, 高正红, 饶丹. 基于多小波的Volterra级数非定常气动力建模方法[J]. 航空学报, 2018, 39(1): 121379-121379.
[12]	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[J]. 航空学报, 2017, 38(6): 220829-220829.
[13]	王刚, 邢宇, 朱亚楠. 旋转弹气动力建模与飞行轨迹仿真[J]. 航空学报, 2017, 38(1): 120169-120169.
[14]	汪清, 钱炜祺, 丁娣. 飞机大迎角非定常气动力建模研究进展[J]. 航空学报, 2016, 37(8): 2331-2347.
[15]	杨文, 卜忱, 眭建军, 尚祖铭. 面向复杂构型飞机的非定常气动力建模与辨识[J]. 航空学报, 2016, 37(8): 2464-2471.

大迎角机动飞行的气动力建模与飞行仿真

Aerodynamic modeling and flight simulation of maneuver flight at high angle of attack

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 23

参考文献 43

相关文章 15

编辑推荐

Metrics

本文评价