近日，我校航空宇航学院飞行器设计系博士陈志强在非定常气动力降阶方法研究方面取得突破性进展，最新研究成果《基于增量学习的跨声速气动弹性参数化建模与分析》发表在国际顶级期刊《航空航天科学与技术（Aerospace Science and Technology）》（中科院一区，TOP期刊，航空航天领域排名第二）。
图片
为了提高ROM对不同飞行参数下的气动力预测能力，论文提出了基于最小二乘支持向量回归(LS-SVR)和两种增量学习算法的参数化降阶模型；针对增量学习算法样本较多时计算复杂性急剧增加的问题，论文发展了具有遗忘机制的增量学习算法(Incremental Learning Algorithm with Forgetting Mechanism，FIL)。
研究表明，该降阶模型能够准确地描述气动力和气动弹性系统在不同飞行参数下的动态特性，为航空飞行器在可变飞行参数下非定常气动力预测研究提供了重要参考。
图片
图. CFD, SVR-ROM, IL-ROM 和 FIL-ROM方法预测NACA0012翼型的颤振边界
陈志强，研究方向为飞行器气动弹性力学与控制，致力于参数化降阶方法和颤振主动控制律设计等研究。主持河南省自然科学基金1项、河南省高等学校重点科研项目1项，并参与国家自然科学基金重点项目和面上项目多项，以第一作者在Aerospace Science and Technology、Journal of Aerospace Engineering、航空学报等期刊上发表论文多篇。
图片
为了提高ROM对不同飞行参数下的气动力预测能力，论文提出了基于最小二乘支持向量回归(LS-SVR)和两种增量学习算法的参数化降阶模型；针对增量学习算法样本较多时计算复杂性急剧增加的问题，论文发展了具有遗忘机制的增量学习算法(Incremental Learning Algorithm with Forgetting Mechanism，FIL)。
研究表明，该降阶模型能够准确地描述气动力和气动弹性系统在不同飞行参数下的动态特性，为航空飞行器在可变飞行参数下非定常气动力预测研究提供了重要参考。
图片
图. CFD, SVR-ROM, IL-ROM 和 FIL-ROM方法预测NACA0012翼型的颤振边界
陈志强，研究方向为飞行器气动弹性力学与控制，致力于参数化降阶方法和颤振主动控制律设计等研究。主持河南省自然科学基金1项、河南省高等学校重点科研项目1项，并参与国家自然科学基金重点项目和面上项目多项，以第一作者在Aerospace Science and Technology、Journal of Aerospace Engineering、航空学报等期刊上发表论文多篇。
