紊流激励下基于贝叶斯统计推断的颤振边界预测方法研究

提出将贝叶斯统计推断方法推广应用于大气紊流激励下飞行器结构的颤振分析，对含不确定性因素影响的模态参数识别与颤振边界预测进行研究。在采用自然激励技术从结构在大气紊流激励下的响应中提取自由衰减信号后，基于贝叶斯统计推断，通过马尔科夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)算法对结构模态参数的后验概率密度函数进行采样识别，并利用Z-W(Zimmerman-Weissenburger)颤振裕度法获取颤振速度概率分布，预测颤振边界并分析其不确定性。进行了数值仿真研究，对大气紊流激励下的结构响应数据进行分析，验证了所提出方法的有效性。