随着现代飞行器越来越高的设计要求,发展高精度的数值模拟工具和高效的多学科耦合分析方法成为目前亟待解决的关键问题。计算流体力学(Computational Fluid Dynamics,CFD)能够对复杂非线性、非定常的流动现象进行精确的数值模拟,并能够与结构、热、控制等物理场耦合以实现准确的多场耦合分析,是航空工程研究中的重要工具。然而基于CFD技术进行非定常流场仿真的计算量极大,随之而来的非定常流场大数据同样要求海量的存储资源,这大大限制了CFD技术的应用范围。为解决CFD方法在精度与效率间的矛盾,20世纪90年代以来提出了一系列基于CFD技术的非定常气动力降阶模型(Reduced-Order Model,ROM),从而实现了复杂流体动力学特征的模型化和高维、海量流场信息的模态提取。降阶模型具有接近CFD求解器的精度,计算量与CFD相比少了一到两个数量级,因此有望作为未来飞行器设计工作中,飞行力学、气动弹性和不确定性分析以及优化和控制系统设计的重要手段。论文以发展非定常气动力模型及非定常流场降阶方法为主题,主要开展了如下工作:(1)为增强基于系统辨识的非线性气动力降阶模型的精度和泛化能力,以递归径向基函数(Radial Basis Function,RBF)神经网络气动力模型为研究对象,从影响模型性能的主要控制参数入手,研究相关参数对模型精度的影响。在此基础上,结合进化算法、数据降维、混合基函数等技术,发展了多种增强模型泛化能力的训练算法,以实现对训练样本的深入学习,使其能够对更为复杂的动力学响应进行预测。(2)针对非线性气动弹性分析中,气动力模型需要同时满足高精度的线性颤振和非线性极限环振荡的分析要求,提出了三种结合线性与非线性系统辨识方法的混合降阶模型框架。通过组合非线性神经网络和线性带外输入的自回归(Autoregressive with Exogenous Input,ARX)模型,结合不同组合框架、信息传递手段及训练方法,使发展的降阶模型能够准确描述不同结构参数和来流速度下,气动弹性系统的极限环振荡响应及颤振边界,进而实现多种复杂气动弹性现象的复现。(3)为了分析非定常流动的物理机理,同时研究高维流场的演化特征,开展了动力学模态分解(Dynamic Mode Decomposition,DMD)方法的应用与改进研究。通过发展基于DMD的流动模态测试技术,解释了亚临界雷诺数下,弹性支撑结构涡致振动存在最低雷诺数的原因。此外,针对标准DMD方法难以准确捕捉主要模态的问题,提出一种改进的DMD模态选择准则,准确重构并预测了跨音速抖振发展过程中的过渡段流动。本文的研究成果为非线性、非定常气动力的模型化提供了有效的数学工具,并验证了这些模型用于非定常空气动力学和非线性气动弹性问题的有效性。