问题：[题]

题目：基于神经网络技术的动态非线性气动建模研究

飞行器动态气动特性研究是飞行器设计的重要环节；非定常NS数值方法可以模拟复杂的非线性流场，开展飞行器强迫运动和自由飞运动的数值模拟，但其计算效率较低，不便于在飞行器初步设计中广泛应用。基于系统辨识技术的气动模型可以极大地提高计算效率，但多用于线性或静态气动力问题，不能预测强非线性气动问题，本文主要利用人工神经网络开展动态非线性气动建模，并将其应用于飞行器强迫运动和自由飞运动的动态气动力辨识问题中。论文主要工作如下： 通过CFD获得非定常气动数据，利用神经网络技术和系统辨识理论，建立了带输入延迟和输出反馈的非定常气动模型，算例比较了本文方法和文献方法的模型辨识精度，算例结果表明本文非定常气动模型在预测相似非定常问题时具有较文献方法高的辨识精度，可以开展非定常气动参数辨识研究。 利用本文方法开展了一定外形飞行器强迫运动的气动参数辨识研究，非定常气动模型可以开展一定频率和振幅范围内的气动参数辨识，算例研究表明合理的训练信号是网络辨识精度的保障；由于气动力矩非线性较强，其辨识精度要低于气动力结果；在保证气动力矩辨识精度基础上，结合动导数数学模型，进行了一定外形飞行器强迫运动时动导数仿真计算。本文非定常气动模型的计算效率较非定常CFD提高2-3个量级。 最后，耦合飞行器3DoF运动方程，本文开展了动力学飞行仿真实验，算例结果表明本文非定常气动模型辨识的运动学参数和动力学参数与非定常数据吻合较好，再次验证了本文气动模型精确可靠。本文方法可以用于研究不同抛撒参数对飞行器运动稳定性和动态气动特性的影响，精度高，效率高。