摘要
在悬停阶段，分布式电推进（DEP）无人机（UAV）的旋翼下洗气流与机翼之间存在严重的气动干扰，导致推力损失。高保真计算流体力学（CFD）能够捕捉该干扰的物理机制，但其计算成本过高，难以满足迭代设计的需求。现有的降阶模型（ROM）虽然计算速度快，但其在不同翼弦长、发动机吊舱偏移量及旋翼-机翼高度变化条件下的机翼下洗力预测结果尚未经过充分验证。针对这一问题，我们提出了一种集成框架，将经验证的叠合网格CFD模型、一种将机翼下洗力分解为等效系数与滑流冲击面积之积的参数化降阶模型，以及用于设计空间探索的拉丁超立方抽样方法相结合。利用CFD校准数据，通过高斯过程回归，基于三个几何参数对等效系数进行表征。该降阶模型可在数秒内预测机翼下洗力（在标准台式工作站上每次评估耗时不到10秒），而相应的高保真CFD仿真通常需要在256核高性能计算集群上每个案例花费约2至4小时。该降阶模型以最高7.6%的验证误差在数秒内预测机翼下洗力，并成功将设计空间划分为可接受和高干扰两个区域。在两种干扰区域内选取的九个几何不同的验证点均实现了正确分类，未出现任何误判。该框架为孤立旋翼-机翼相互作用分析提供了一种轻量级筛选工具，这是理解更复杂DEP构型的基础构建模块。该整体建模框架在方法论上可通过重新校准扩展至其他构型，但本研究未对此类扩展进行探讨。
