Data-driven transient lift attenuation for extreme vortex gust-airfoil interactions
本研究针对极端涡阵风引起的翼型大幅瞬态升力问题，提出结合非线性机器学习低维建模与相-幅约简的前馈控制方法，推导敏感性函数确定最优强迫，可快速抑制扰动影响，为小型飞行器不利大气飞行提供支撑。
2024-07-10 physics.flu-dyn
Phase-based analysis and control of low Reynolds number aeroelastic flows
University of Nevada, Reno（内华达大学里诺分校）
本研究通过相位基控制策略，针对低雷诺数翼型颤振问题，实现能量最优的不稳定抑制与稳定恢复。
2025-05-30 physics.flu-dyn
Unsteady aerodynamic theory for membrane wings
本文研究了二维无粘不可压缩流中薄膜翼型在任意小振幅弦运动和横向阵风作用下的动态响应。理论模型假设在恒定张力下可伸展膜的线性变形，其使用非定常薄翼型理论将气动弹性耦合到外部气动载荷。本文研究了简谐升沉振荡、迎角瞬时变化、正弦横向阵风和锐缘阵风下的结构和气动薄膜响应。这些情况下的非定常升力响应分别对薄膜机翼的Theodorsen、Wagner、Sears和Küssner函数产生气动弹性扩展。这些扩展首次将膜流体-结构相互作用纳入柔性翼型非定常升力响应的表达式中。我们的研究结果表明，薄膜翼型与适当调整的预张力可以拥有实质性的气动优势，在非定常流动条件下的刚性翼型。
2022-08-17 physics.flu-dyn
Numerical investigations of the fluid-structure interaction of a NACA0012 airfoil based on large-eddy simulations
这项工作的目的是扩展Streher（2017）的工作，以研究由运动NACA 0012翼型周围的流动产生的气动弹性不稳定性。该剖面的弦长为$c = 0.1 m，并暴露于雷诺数Re = 30，000的气流中。翼型只有两个自由度：相对于垂直方向的平移和绕展向轴线的旋转。基于两个单独的求解器和流固耦合（FSI）方案的分区方法。内部CFD求解器FASTEST-3D根据壁面分辨大涡模拟（LES）结合Smagorinsky模型（1963）计算流体子问题。结构子问题由Viets（2013）实现的刚体运动求解器求解，该求解器基于刚体的运动方程。FSI耦合基于松耦合或强耦合算法在两个求解器之间交换信息。一个彻底的分析的问题，主要是为了获得一个计算设置，提供准确性和CPU时间的要求之间的最佳折衷。三个系统配置，然后进行测试和彻底的研究：一个导致有限的小振幅的翼型的振荡行为。另一种是以扭转发散气动弹性不稳定性的存在为特征。最后，针对颤振现象建立了一种构型。然而，目前没有足够的数据，因此，这种动态气动弹性不稳定性不能在本工作中进行彻底的研究。在不久的将来，这项研究将作为颤振实验和计算在流体力学位于赫尔穆特施密特大学的部门进行的基础。
2018-07-04 physics.flu-dyn
Modeling unsteady loads on wind-turbine blade sections from periodic structural oscillations and impinging gusts
本文通过势流解析模型与高保真二维数值模拟，研究周期性俯仰、沉浮和阵风扰动下NACA-0012翼型的非定常升力响应，验证了模型在中小扰动下的有效性，并指出在接近静态失速时理论存在不足，为非定常模型纳入风力机设计工具提供了依据。
2024-06-15 physics.flu-dyn
Data-driven time-dependent bases for turbulent airfoil wake-extreme gust interactions
Department of Aerospace Engineering, Graduate School of Engineering, Tohoku University（东北大学研究生院工学研究科航空航天工程系）；Department of Mechanical Engineering and Materials Science, University of Pittsburgh（匹兹堡大学机械工程和材料科学系）
提出数据驱动时变基框架，通过闭合演化方程和小滚动窗口分析湍流尾流与极端阵风相互作用，揭示模态能量演化与阵风强度、多尺度特征的关系。
2026-06-23 physics.comp-ph physics.flu-dyn
Data-driven unsteady aeroelastic modeling for control
气动弹性结构，从昆虫的翅膀到风力机叶片，经历与其运动耦合的瞬态非定常气动载荷。柔性结构的有效实时控制依赖于对非定常气动弹性力和翼型变形的准确和有效的预测。对于刚性机翼，经典的非定常空气动力学模型最近在状态空间中被重新表述以用于控制，并被扩展到包括粘性效应。在这里，我们进一步扩展这个建模框架，包括变形的柔性机翼除了准稳定，附加质量，和非定常粘性力。我们开发的低阶线性模型的基础上的数据，直接数值模拟的流动过去的柔性机翼在低雷诺数。我们证明了这些模型的有效性，跟踪侵略性的机动与模型预测控制，同时限制最大机翼变形。这种系统识别方法提供了一个可解释的，准确的，低维的气动弹性系统，可以帮助系统和控制器设计的应用程序中的瞬态起着重要的作用。
2022-07-12 physics.flu-dyn
On the validation and use of high-fidelity numerical simulations for gust response analysis
比阵风响应被认为是飞机所受到的最重要的载荷之一。由欧洲航空安全局（EASA）定义的认证规范（CS）25和由联邦航空管理局（FAA）定义的联邦航空条例（FAR）25描述了飞机必须承受的临界阵风。它们必须针对大范围的飞行点（高度和等效空速）和质量配置进行分析。对于某些载荷情况，标准工具可能不够精确，无法正确预测阵风响应，因此可能需要使用高保真度计算。因此，ONERA在其内部的计算流体动力学（CFD）代码elsA（ONERA-Airbus-Safran property）中实现了直接在时域中计算不同离散阵风形状的高保真气动弹性阵风响应的能力。本文介绍了ONERA最近在阵风响应高保真模拟方面取得的一些工作。首先，阵风响应模拟的物理验证进行比较的结果与实验上获得的比例模型。第二，使用各种技术进行数值比较，以模拟阵风。最后，通用支线飞机的应用程序。
2019-02-21 physics.flu-dyn
Machine Learning Surrogates for Predicting Response of an Aero-Structural-Sloshing System
本研究通过考虑跨音速流中翼型的近似简化模型和来自刚性嵌入翼型内部并经历自由非定常运动的部分填充的燃料箱的晃荡载荷，证明了基于递归神经网络（RNN）开发机器学习（ML）代理模型用于预测跨音速俯仰和纵倾机翼-燃料箱晃荡系统的非定常气动弹性响应的可行性。然后，ML代理人被用来预测耦合系统的气动弹性响应。翼型上的外部气动载荷和用于训练RNN的两相晃动载荷数据使用开源计算流体动力学（CFD）代码生成。根据代理模型的运动历史，预测了气动力和力矩系数。类似地，使用由嵌入式燃料箱的运动产生的代理模型来预测来自燃料箱中的燃料晃动的横向和竖直力和力矩。通过比较无晃荡油箱和油箱部分充满时翼型的自由运动，可以看出晃荡对气动结构系统气动弹性运动的影响。然后通过与高保真耦合的航空结构-油箱晃动模拟结果进行比较，评估RNN预测的有效性。结果表明，该代理模型能够准确、经济地预测气动-结构耦合运动。
2019-11-19 cs.CE physics.flu-dyn
Impact of a resonator on vortex induced vibrations of a wind turbine airfoil
Universitat Politècnica de Catalunya – BarcelonaTech (UPC)（加泰罗尼亚理工大学）；International Centre for Numerical Methods in Engineering (CIMNE)（国际工程数值方法中心）
本研究探索使用局域共振超材料（谐振器）作为风力机翼型涡激振动的缓解策略，通过流固耦合模型评估不同谐振器设计，发现其仅在特定频率带有效且需高质量比（>0.25）才能实现50%振幅衰减，机理为气动弹性频率分叉。
2026-09-22 physics.flu-dyn
Study of flutter instability using the actuator line method for wind energy harvesting devices
Instituto Tecnológico de Aeronáutica（巴西航空研究院）；Universidad Nacional de La Plata（拉普拉塔国立大学）
本文通过建立二维线性模型研究作动线方法（ALM）预测颤振不稳定性的能力，比较了三种不同的ALM分析模型，包括是否包含非循环项和俯仰速率项，并与Theodorsen理论进行对比，结果表明考虑俯仰速率和非循环项的ALM能够更准确地预测颤振，为风能设备、大型水平轴风力涡轮机和固定翼飞机的气弹模拟提供指导。
2026-05-20 physics.flu-dyn
A Physics-Driven Framework for Parametric Periodic-Flow Modeling and Finite-Amplitude Aeroelastic Response Analysis
Northwestern Polytechnical University（西北工业大学）；Institute of AI for Industries, Chinese Academy of Sciences（中国科学院工业人工智能研究所）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；International Joint Institute of Artificial Intelligence on Fluid Mechanics, Northwestern Polytechnical University（西北工业大学流体力学人工智能联合研究院）
提出纯物理驱动的P-PINN框架，通过时间周期性和参数化输入直接求解周期流，并耦合谐波平衡进行气动弹性分析，实现快速准确的参数化响应预测。
2026-09-25 physics.comp-ph physics.flu-dyn
Energy Transfer Mechanisms in Wake-Modulated Transonic Flutter
Johns Hopkins University（约翰斯·霍普金斯大学）；Colorado State University（科罗拉多州立大学）
通过高保真直接数值模拟和能量图，研究了尾流扰动对跨声速颤振的影响，发现圆柱体显著扩大颤振边界，并利用力分解方法识别出机翼与圆柱之间的间隙流是能量传递的主要来源。
2026-06-01 physics.flu-dyn
Airfoil's Aerodynamic Coefficients Prediction using Artificial Neural Network
Institute of Space Technology（空间技术研究所）
在任何飞行器设计的初始阶段，确定正确的翼型是至关重要的一步，因为它的形状直接影响飞机或旋翼机的整体空气动力学特性。除了作为性能的量度外，气动力系数还用于设计附加的子系统，如飞行控制系统，或预测复杂的动态现象，如气动弹性不稳定性。所讨论的系数可以通过风洞试验获得，或者根据精度要求，通过数值模拟流体动力学的基本方程获得。本文研究了应用人工神经网络（ANN）在不同迎角、马赫数和雷诺数下估算不同翼型几何形状的气动力系数的可行性。人工神经网络是具有学习高度非线性空间和时间模式的能力的计算实体。因此，它们越来越多地被用来近似复杂的现实世界现象。然而，尽管在过去的几年中取得了重大突破，人工神经网络在计算流体动力学（CFD）领域的传播是相当新的，并且该领域内的许多应用仍然未被探索。因此，本研究比较了不同的网络架构和训练数据集，试图深入了解网络如何感知给定的翼型几何形状，同时产生一个可接受的神经元模型，用于更快，更容易地预测稳定状态下的升力，阻力和力矩系数，不可压缩流态。这种数据驱动的方法产生了足够准确的结果，并节省了高昂的计算和实验成本。
2021-09-24 cs.AI physics.flu-dyn
Spatio-Temporal Prediction of Unsteady Airfoil Aerodynamics Using Augmented Graph Neural Ordinary Differential Equations with Exogenous Controls
German Aerospace Center (DLR)（德国航空航天中心）；Airbus Operations（空客运营公司）
研究非定常翼型空气动力学的时空预测问题，核心方法是将图神经网络与增强神经常微分方程结合形成GNODE，主要贡献是该方法能稳定准确地预测表面力，适合建模含外部输入的非线性时空系统。
2026-07-22 cs.LG physics.flu-dyn
Low-Order Flow Reconstruction and Uncertainty Quantification in Disturbed Aerodynamics Using Sparse Pressure Measurements
UCLA（美国大学）
本文提出基于稀疏压力测量的机器学习框架，重构低阶阵风流场与升力系数，并采用蒙特卡洛丢弃法和统计参数分别量化认知与偶然不确定性，实现高效准确预测。
2025-01-06 cs.LG physics.flu-dyn
Model-Based Reinforcement Learning for Control of Strongly-Disturbed Unsteady Aerodynamic Flows
Department of Mechanical and Aerospace Engineering（机械与航空航天工程系）；Graduate Aerospace Laboratories（航空航天研究生实验室）
针对强扰动非定常气动流动控制中无模型RL交互成本高的问题，提出以物理增强自编码器和潜动力学模型构建降阶替代环境的MBRL方法，并在俯仰翼型阵风控制中验证其可迁移至完整CFD环境。
2025-02-27 cs.LG physics.flu-dyn
Data-driven Balanced Truncation for Predictive Model Order Reduction of Aeroacoustic Response
本文提出基于ERA的数据驱动平衡截断方法，结合多保真gappy POD和切向插值降低计算成本，实现翼型气动声学响应的快速准确预测。
2023-05-30 cs.SY eess.SY physics.flu-dyn
