虚拟激励法在飞机滑跑谱响应计算中的应用与优化

虚拟激励法在飞机滑跑谱响应计算中的应用与优化一、绪论1.1研究背景与意义飞机作为现代交通运输和航空作业的关键工具，其设计的安全性、可靠性与舒适性至关重要。在飞机的整个服役周期中，滑跑阶段是一个关键且复杂的过程，会承受来自跑道表面不平度等多种因素产生的随机激励，这些激励会引发飞机结构的振动响应，即飞机滑跑谱响应。这种响应不仅直接关乎飞机结构的疲劳寿命和可靠性，对飞行安全有着潜在影响，还会影响到机组人员和乘客的舒适性。在飞机设计过程中，准确计算滑跑谱响应具有重要意义。一方面，它为飞机结构设计提供关键的载荷数据。通过精确计算滑跑过程中飞机各部件所承受的动态载荷，设计人员能够在结构设计阶段更有针对性地进行优化，确保飞机结构在满足强度和刚度要求的前提下，尽可能减轻重量，提高飞机的性能和燃油效率。例如，对于机翼、机身等主要结构部件，准确的滑跑谱响应计算结果可以帮助确定其合理的材料选择、尺寸设计和结构布局，以增强结构的耐久性和可靠性，避免因设计不合理导致的结构疲劳损坏，从而降低飞机在服役期间的维护成本和安全风险。另一方面，滑跑谱响应计算有助于评估飞机在不同跑道条件下的适应性。不同机场的跑道状况千差万别，包括跑道表面的粗糙度、平整度以及道面材料等因素都存在差异。通过计算飞机在各种可能跑道条件下的滑跑谱响应，飞机制造商和运营商可以更好地了解飞机的性能表现，为飞机的运营和维护提供依据。例如，在设计阶段就能够预测飞机在特定跑道条件下的滑跑性能，提前采取相应的措施，如改进起落架的减震系统、优化轮胎的设计等，以提高飞机在不同跑道上的滑行稳定性和舒适性，确保飞行安全。传统的飞机滑跑谱响应计算方法存在诸多局限性，如计算效率低、精度难以满足现代飞机设计的高要求，尤其是在处理复杂结构和多激励源的情况时，这些问题更加突出。随着计算机技术和数值计算方法的不断发展，虚拟激励法作为一种新兴的随机振动分析方法应运而生，为飞机滑跑谱响应计算提供了新的解决方案。虚拟激励法通过巧妙地构造虚拟激励，将随机振动问题转化为确定性振动问题进行求解，从而大大提高了计算效率和精度。与传统方法相比，虚拟激励法在处理多点相干随机激励问题时具有独特的优势，能够更准确地考虑飞机滑跑过程中各轮之间的位移激励相干性，这对于多轮多支柱式飞机的滑跑谱响应计算尤为重要。例如，在实际滑跑过程中，飞机的多个起落架轮子同时与跑道接触，各轮子所受到的激励并非完全独立，而是存在一定的相关性。虚拟激励法能够有效地处理这种相干性，为飞机滑跑谱响应的精确计算提供了有力支持。将虚拟激励法引入飞机滑跑谱响应计算，不仅能够解决传统方法存在的问题，提高计算效率和精度，还能为飞机设计提供更准确、更全面的分析结果，具有显著的潜在优势。这对于推动飞机设计技术的发展，提高飞机的性能和安全性，满足现代航空业对飞机设计日益严格的要求具有重要的现实意义。1.2研究现状在飞机滑跑响应计算领域，国内外学者开展了大量的研究工作，取得了一系列重要成果。早期的研究主要采用传统的时域和频域分析方法。时域分析方法如直接积分法，通过对运动方程进行逐步积分来求解飞机滑跑过程中的响应，但该方法计算效率较低，对于长时间历程的滑跑响应计算，计算量巨大。频域分析方法则是基于傅里叶变换，将时域信号转换到频域进行分析，虽然在一定程度上提高了计算效率，但在处理复杂结构和多激励源问题时，存在精度不足的问题。随着计算机技术和数值计算方法的不断发展，有限元方法在飞机滑跑响应计算中得到了广泛应用。通过将飞机结构离散为有限个单元，建立飞机的有限元模型，能够更准确地模拟飞机的结构特性和力学行为。结合各种数值求解算法，有限元方法可以有效地计算飞机在滑跑过程中的振动响应。例如，一些研究利用有限元软件对飞机机身-起落架系统进行建模，考虑跑道不平度的激励，计算飞机在不同滑跑速度下的位移、加速度等响应参数，为飞机起落架的设计和优化提供了重要依据。然而，有限元方法在处理随机激励问题时，传统的求解方式仍然面临计算效率和精度的挑战。虚拟激励法作为一种新兴的随机振动分析方法，在飞机滑跑谱响应计算中的应用逐渐受到关注。虚拟激励法的核心思想是将随机激励转化为确定性激励，通过构造虚拟激励力，使得随机振动问题可以采用确定性振动的求解方法进行计算。这种方法大大提高了计算效率，并且在处理多点相干随机激励问题时具有独特的优势。林家浩等人对虚拟激励法进行了深入的理论研究，完善了该方法的数学体系，为其在工程中的应用奠定了坚实的基础。在飞机滑跑谱响应计算中应用虚拟激励法，一些研究取得了显著成果。通过建立考虑多点相干激励的飞机滑跑模型，利用虚拟激励法计算飞机的谱响应，能够更准确地反映飞机在实际滑跑过程中的振动特性。与传统方法相比，虚拟激励法不仅计算速度更快，而且计算精度更高，能够为飞机结构设计提供更可靠的数据支持。然而，目前虚拟激励法在飞机滑跑谱响应计算中的应用还存在一些不足之处。一方面，虚拟激励法的理论研究虽然已经取得了很大进展，但在实际工程应用中，仍然需要进一步完善和验证相关的计算模型和算法，以确保计算结果的准确性和可靠性。例如，在考虑飞机结构的非线性特性、跑道条件的复杂性以及多激励源之间的耦合作用等方面，现有的虚拟激励法模型还存在一定的局限性。另一方面，虚拟激励法在飞机滑跑谱响应计算中的应用研究还不够全面和深入，对于一些特殊工况和复杂问题的研究还相对较少。例如，在飞机起飞和着陆过程中的瞬态响应计算、不同类型跑道表面状况下的滑跑谱响应分析以及飞机在极端气象条件下的滑跑性能研究等方面，还有待进一步深入探索。此外，目前的研究大多集中在飞机整体结构的滑跑谱响应计算，对于飞机局部结构和关键部件的精细化分析还不够充分。飞机的机翼、起落架等关键部件在滑跑过程中承受着复杂的载荷，其局部的应力、应变分布和疲劳寿命对飞机的安全性和可靠性有着重要影响。因此，如何将虚拟激励法与局部结构分析方法相结合，实现对飞机关键部件的精细化滑跑谱响应计算，也是未来研究的一个重要方向。1.3研究方法与内容安排本文主要采用以下研究方法：理论分析：深入研究虚拟激励法的基本原理和数学模型，明确其在飞机滑跑谱响应计算中的理论基础。通过对随机振动理论、虚拟激励法的相关公式推导和理论阐述，为后续的数值计算和分析提供坚实的理论依据。例如，详细推导虚拟激励法中虚拟激励力的构造方法，以及如何通过虚拟激励将随机振动问题转化为确定性振动问题进行求解的过程。数值模拟：基于有限元方法，建立飞机滑跑过程的数值模型。利用商业有限元软件或自主开发的程序，对飞机结构进行离散化处理，将飞机划分为多个有限元单元，考虑飞机的结构特性、材料参数以及滑跑过程中的各种边界条件和载荷情况。通过数值模拟，计算飞机在不同滑跑工况下的谱响应，如位移响应谱、加速度响应谱等，分析飞机滑跑过程中的振动特性和响应规律。例如，模拟飞机在不同跑道不平度、不同滑跑速度下的谱响应，研究这些因素对飞机滑跑谱响应的影响。对比验证：将虚拟激励法计算得到的结果与传统方法（如完全二次结合法、平方和开平方法等）的计算结果进行对比分析，验证虚拟激励法在飞机滑跑谱响应计算中的准确性和优越性。同时，与已有的实验数据或实际飞行测试数据进行对比，进一步验证数值模型和计算方法的可靠性。通过对比验证，为虚拟激励法在飞机工程设计中的应用提供有力的支持。本文的内容安排如下：第一章：绪论：阐述飞机滑跑谱响应计算的研究背景与意义，分析该领域的研究现状，指出传统方法的局限性以及虚拟激励法的优势，介绍本文采用的研究方法和内容安排。第二章：随机振动相关理论：介绍平稳随机过程的基本概念和相关理论，包括随机变量的统计特性、功率谱密度函数等。阐述线性系统对随机激励的响应理论，如脉冲响应函数和频率响应函数，以及平稳随机响应的常规算法，为后续虚拟激励法的介绍和应用奠定理论基础。第三章：虚拟激励法程序实现：详细介绍随机振动虚拟激励法的基本原理和计算步骤，包括虚拟激励的构造方法、多点相干随机激励的处理方式等。基于有限元软件平台，实现虚拟激励法在飞机滑跑谱响应计算中的程序设计，包括前后处理功能的实现、数据的输入输出以及计算结果的可视化展示等。第四章：飞机滑跑谱响应计算实例分析：建立飞机滑跑的数值模型，设定不同的滑跑工况，如不同的跑道不平度、滑跑速度等。运用虚拟激励法计算飞机在各种工况下的滑跑谱响应，分析计算结果，研究飞机滑跑谱响应的特性和规律，如响应的频率分布、幅值大小与滑跑工况之间的关系等。第五章：结论与展望：总结本文的研究成果，概括虚拟激励法在飞机滑跑谱响应计算中的应用效果和优势，指出研究中存在的不足和有待进一步改进的方向，对未来相关研究工作进行展望，为后续研究提供参考和思路。二、随机振动与虚拟激励法理论基础2.1随机振动基础理论2.1.1平稳随机过程在自然界和工程实际中，许多现象随时间的变化呈现出不确定性，这类现象可以用随机过程来描述。随机过程是一族依赖于时间参数t的随机变量的集合，记为X(t),t\inT，其中T是时间参数集。例如，在飞机滑跑过程中，由于跑道表面的不平度、风力等因素的影响，飞机所受到的激励是不确定的，这种激励随时间的变化就可以看作是一个随机过程。平稳随机过程是一类特殊且在工程应用中极为重要的随机过程。从严格意义上讲，如果对于任意的正整数n和任意的t_1,t_2,\cdots,t_n\inT以及任意的实数\tau，随机过程X(t)的n维分布函数满足：F_{X}(t_1,t_2,\cdots,t_n;x_1,x_2,\cdots,x_n)=F_{X}(t_1+\tau,t_2+\tau,\cdots,t_n+\tau;x_1,x_2,\cdots,x_n)则称X(t)为严平稳随机过程，即其统计特性不随时间的推移而改变。在实际应用中，要确定一个随机过程的n维分布函数往往非常困难。因此，工程上常采用宽平稳随机过程的概念。若随机过程X(t)的均值函数\mu_X(t)=E[X(t)]为常数，自相关函数R_X(t_1,t_2)=E[X(t_1)X(t_2)]仅与时间间隔\tau=t_2-t_1有关，而与t_1和t_2的具体取值无关，则称X(t)为宽平稳随机过程。平稳随机过程具有一些重要的特性和相关统计参数：均值：均值\mu_X=E[X(t)]表示随机过程在整个时间历程上的平均取值，它反映了随机过程的中心趋势。对于飞机滑跑过程中受到的随机激励，均值可以理解为在大量重复试验下激励的平均水平。方差：方差\sigma_X^2=E[(X(t)-\mu_X)^2]用于衡量随机过程取值相对于均值的离散程度。方差越大，说明随机过程的取值越分散，不确定性越高。在飞机滑跑的例子中，方差可以反映激励的波动幅度大小。自相关函数：自相关函数R_X(\tau)=E[X(t)X(t+\tau)]描述了随机过程在不同时刻取值之间的相关性。当\tau=0时，R_X(0)=E[X^2(t)]，即均方值，它表示随机过程的平均功率。自相关函数反映了随机过程的记忆特性，若R_X(\tau)随着\tau的增大迅速趋近于零，说明随机过程在不同时刻的取值相关性较弱，具有较短的记忆；反之，若R_X(\tau)衰减缓慢，则表示随机过程具有较长的记忆，不同时刻的取值之间存在较强的关联。例如，在飞机滑跑时，跑道表面的不平度可能在一定距离内具有一定的相关性，这种相关性会反映在随机激励的自相关函数中。此外，功率谱密度函数S_X(\omega)也是描述平稳随机过程的重要工具，它是自相关函数R_X(\tau)的傅里叶变换，即S_X(\omega)=\int_{-\infty}^{\infty}R_X(\tau)e^{-j\omega\tau}d\tau，功率谱密度函数反映了随机过程的能量在频率域上的分布情况。在飞机滑跑谱响应计算中，了解激励的功率谱密度函数对于分析飞机结构的振动特性和响应规律具有重要意义。通过对功率谱密度函数的分析，可以确定主要的激励频率成分，从而有针对性地进行结构设计和振动控制。2.1.2线性系统的响应函数线性系统是指满足叠加原理的系统，在工程领域中，许多系统都可以近似看作线性系统，如飞机的结构系统在一定的载荷范围内可以视为线性系统。对于线性系统，脉冲响应函数和频率响应函数是描述其动态特性的重要概念。脉冲响应函数：脉冲响应函数h(t)定义为线性系统在单位脉冲激励\delta(t)作用下的输出响应。单位脉冲函数\delta(t)是一种理想化的函数，它在t=0时刻取值为无穷大，在其他时刻取值为零，且满足\int_{-\infty}^{\infty}\delta(t)dt=1。当线性系统受到单位脉冲激励时，其输出响应h(t)反映了系统对瞬间冲击的动态响应特性，它包含了系统的固有频率、阻尼等信息。从物理意义上讲，脉冲响应函数描述了系统在受到一个极短时间的冲击后，其输出随时间的变化过程。例如，当飞机受到一个瞬间的冲击力时，飞机结构的响应可以通过脉冲响应函数来描述，它可以帮助我们了解飞机结构对突发冲击的承受能力和响应规律。频率响应函数：频率响应函数H(j\omega)是线性系统在正弦激励作用下的稳态响应与激励的复数比。当线性系统输入为x(t)=X_0e^{j\omegat}的正弦信号时，其稳态输出为y(t)=Y_0e^{j(\omegat+\varphi)}，则频率响应函数H(j\omega)=\frac{Y_0}{X_0}e^{j\varphi}，其中\frac{Y_0}{X_0}为幅频特性，表示系统对不同频率正弦激励的幅值放大倍数；\varphi为相频特性，表示系统输出相对于输入的相位差。频率响应函数在频域上描述了线性系统对不同频率输入信号的传递特性，它是分析系统动态特性和进行系统设计的重要依据。例如，在飞机滑跑过程中，不同频率的跑道不平度激励会引起飞机结构不同的响应，通过频率响应函数可以分析飞机结构对这些不同频率激励的响应特性，从而评估飞机在不同跑道条件下的运行性能。脉冲响应函数h(t)和频率响应函数H(j\omega)之间存在着密切的关系，它们是同一系统在时域和频域的不同表现形式。根据傅里叶变换的性质，频率响应函数H(j\omega)是脉冲响应函数h(t)的傅里叶变换，即H(j\omega)=\int_{-\infty}^{\infty}h(t)e^{-j\omegat}dt；反之，脉冲响应函数h(t)是频率响应函数H(j\omega)的傅里叶逆变换，即h(t)=\frac{1}{2\pi}\int_{-\infty}^{\infty}H(j\omega)e^{j\omegat}d\omega。这种关系使得我们可以在时域和频域之间灵活地转换，根据具体问题的需求选择合适的分析方法。例如，在计算飞机滑跑谱响应时，有时在时域中通过脉冲响应函数进行卷积运算来求解系统响应较为方便，而有时在频域中利用频率响应函数进行分析可以更直观地了解系统对不同频率激励的响应特性。2.1.3平稳随机响应常规算法当线性系统受到平稳随机激励时，需要通过一定的算法来计算系统的响应。以下介绍响应平均值、相关矩阵、互关系矩阵及协方差矩阵的常规计算方法：响应平均值：设线性系统的输入为平稳随机过程X(t)，输出为Y(t)。根据线性系统的叠加原理和数学期望的性质，响应的平均值\mu_Y可以通过输入的平均值\mu_X和系统的脉冲响应函数h(t)来计算。由于线性系统对常数输入的响应为常数，所以\mu_Y=\mu_X\int_{-\infty}^{\infty}h(t)dt。若输入的平均值\mu_X=0（许多实际的随机激励满足这一条件），则响应的平均值\mu_Y=0。在飞机滑跑的实际情况中，跑道不平度等随机激励的平均值通常可视为零，因此飞机结构响应的平均值也往往为零。相关矩阵：对于多自由度线性系统，设系统的响应向量为\mathbf{Y}(t)=[Y_1(t),Y_2(t),\cdots,Y_n(t)]^T，则响应的相关矩阵\mathbf{R}_Y(\tau)定义为\mathbf{R}_Y(\tau)=E[\mathbf{Y}(t)\mathbf{Y}^T(t+\tau)]，其元素R_{ij}(\tau)=E[Y_i(t)Y_j(t+\tau)]表示第i个和第j个响应分量在不同时刻的相关性。相关矩阵反映了系统各响应分量之间的相互关系，对于分析多自由度系统的振动特性和耦合效应具有重要意义。例如，在飞机的多轮起落架系统中，不同轮子处的响应之间存在一定的相关性，通过计算相关矩阵可以了解这些相关性的强弱和变化规律，从而更好地设计起落架系统的结构和减震装置。互关系矩阵：当考虑两个不同的随机过程X(t)和Y(t)时，它们之间的互相关函数定义为R_{XY}(\tau)=E[X(t)Y(t+\tau)]。对于多输入多输出线性系统，互关系矩阵描述了不同输入和输出之间的相关性。设系统有m个输入\mathbf{X}(t)=[X_1(t),X_2(t),\cdots,X_m(t)]^T和n个输出\mathbf{Y}(t)=[Y_1(t),Y_2(t),\cdots,Y_n(t)]^T，则互关系矩阵\mathbf{R}_{XY}(\tau)的元素R_{ij}(\tau)=E[X_i(t)Y_j(t+\tau)]，它反映了第i个输入和第j个输出之间的相关性。在飞机滑跑过程中，可能存在多个激励源，如不同跑道区域的不平度激励，通过分析互关系矩阵可以了解这些激励源与飞机结构响应之间的相互关系，为综合考虑多激励源对飞机滑跑谱响应的影响提供依据。协方差矩阵：响应的协方差矩阵\mathbf{C}_Y(\tau)定义为\mathbf{C}_Y(\tau)=E[(\mathbf{Y}(t)-\mu_Y)(\mathbf{Y}(t+\tau)-\mu_Y)^T]，其元素C_{ij}(\tau)=E[(Y_i(t)-\mu_{Y_i})(Y_j(t+\tau)-\mu_{Y_j})]。协方差矩阵与相关矩阵密切相关，当响应的平均值为零时，协方差矩阵等于相关矩阵。协方差矩阵用于衡量系统响应的离散程度和各响应分量之间的相关性，在分析系统的不确定性和可靠性方面具有重要作用。例如，在评估飞机结构在随机激励下的疲劳寿命时，协方差矩阵可以帮助我们了解响应的波动情况和各部位响应之间的关系，从而更准确地预测结构的疲劳损伤。在实际计算中，通常利用傅里叶变换和卷积定理等数学工具，将时域中的计算转换到频域进行，以提高计算效率。例如，根据维纳-辛钦定理，功率谱密度函数与自相关函数是一对傅里叶变换对，即S_Y(\omega)=\int_{-\infty}^{\infty}R_Y(\tau)e^{-j\omega\tau}d\tau和R_Y(\tau)=\frac{1}{2\pi}\int_{-\infty}^{\infty}S_Y(\omega)e^{j\omega\tau}d\omega。通过这种关系，可以在频域中通过功率谱密度函数来计算相关函数和协方差函数等，进而得到系统的响应特性。2.2虚拟激励法基本原理2.2.1虚拟激励法的核心思想虚拟激励法的核心思想是巧妙地将平稳随机激励转化为确定性简谐激励，从而将复杂的随机振动问题转化为相对简单的确定性振动问题进行求解。对于一个受到平稳随机激励的线性系统，设激励为X(t)，其自功率谱密度函数为S_X(\omega)。根据随机振动理论，平稳随机过程可以看作是由无数个不同频率的简谐振动叠加而成。虚拟激励法通过构造一个虚拟激励\widetilde{X}(t)，使得\widetilde{X}(t)与原随机激励X(t)在功率谱密度上具有某种等价关系。具体来说，构造的虚拟激励\widetilde{X}(t)通常具有如下形式：\widetilde{X}(t)=\sqrt{2S_X(\omega)}e^{j\omegat}，其中\omega为角频率，j=\sqrt{-1}为虚数单位。从物理意义上理解，这个虚拟激励可以看作是一个幅值为\sqrt{2S_X(\omega)}，频率为\omega的简谐激励。通过这样的构造，原随机激励下的系统响应问题就可以转化为该虚拟简谐激励下的确定性振动响应问题。在求解过程中，当系统受到虚拟激励\widetilde{X}(t)作用时，根据线性系统的叠加原理和振动理论，可以利用确定性振动的求解方法来计算系统的响应。设系统的频率响应函数为H(j\omega)，则系统在虚拟激励\widetilde{X}(t)作用下的响应\widetilde{Y}(t)可以通过下式计算：\widetilde{Y}(t)=H(j\omega)\widetilde{X}(t)=H(j\omega)\sqrt{2S_X(\omega)}e^{j\omegat}。由于虚拟激励法在数学上是一种精确的转化方法，它能够准确地保留原随机激励的统计特性。通过对虚拟激励下系统响应的分析，可以得到原随机激励下系统响应的各种统计参数，如响应的均值、方差、功率谱密度等。例如，系统响应的功率谱密度函数S_Y(\omega)可以通过虚拟激励下的响应\widetilde{Y}(t)计算得到：S_Y(\omega)=|H(j\omega)|^2S_X(\omega)，其中|H(j\omega)|^2为系统频率响应函数的模的平方。这种将随机激励转化为确定性激励的方法，大大简化了随机振动问题的求解过程，提高了计算效率和精度，为工程实际中的随机振动分析提供了一种有效的手段。2.2.2虚拟激励法在不同激励下的应用多点完全相干平稳激励：在飞机滑跑等实际工程问题中，常常会遇到结构受到多点完全相干平稳激励的情况。例如，飞机在滑跑时，多个起落架轮子与跑道接触，若假设跑道表面的不平度激励在不同轮子处是完全相干的，即各点激励之间具有固定的相位关系。对于这种情况，设结构受到n个完全相干的平稳随机激励X_1(t),X_2(t),\cdots,X_n(t)，它们具有相同的功率谱密度函数S_X(\omega)，且相干函数\gamma_{ij}(\omega)=1（i,j=1,2,\cdots,n）。根据虚拟激励法，可将这n个完全相干的随机激励转化为n个确定性的简谐激励\widetilde{X}_1(t),\widetilde{X}_2(t),\cdots,\widetilde{X}_n(t)，其中\widetilde{X}_i(t)=\sqrt{2S_X(\omega)}e^{j\omegat}（i=1,2,\cdots,n）。然后，利用结构动力学的基本理论，建立结构在这些虚拟激励作用下的动力学方程。设结构的质量矩阵为\mathbf{M}，阻尼矩阵为\mathbf{C}，刚度矩阵为\mathbf{K}，位移响应向量为\mathbf{Y}(t)，则动力学方程为\mathbf{M}\ddot{\mathbf{Y}}(t)+\mathbf{C}\dot{\mathbf{Y}}(t)+\mathbf{K}\mathbf{Y}(t)=\mathbf{F}(t)，其中\mathbf{F}(t)为虚拟激励力向量，\mathbf{F}(t)=[\widetilde{X}_1(t),\widetilde{X}_2(t),\cdots,\widetilde{X}_n(t)]^T。通过求解该动力学方程，得到结构在虚拟激励下的位移响应\mathbf{Y}(t)。再根据随机振动理论，可进一步计算出结构响应的功率谱密度矩阵、相关函数矩阵等统计参数，从而全面分析结构在多点完全相干平稳激励下的振动特性。多点部分相干平稳激励：实际中更常见的是多点部分相干平稳激励的情况，即各激励点之间的相干性不完全相同。例如，飞机滑跑时，由于跑道表面状况的不均匀性以及各起落架位置的差异，不同轮子所受到的激励之间存在部分相干性。设结构受到n个部分相干的平稳随机激励X_1(t),X_2(t),\cdots,X_n(t)，它们的功率谱密度函数分别为S_{X_1}(\omega),S_{X_2}(\omega),\cdots,S_{X_n}(\omega)，相干函数为\gamma_{ij}(\omega)（i,j=1,2,\cdots,n）。在虚拟激励法中，对于每个激励点i，构造虚拟激励\widetilde{X}_i(t)=\sqrt{2S_{X_i}(\omega)}e^{j\omegat}。考虑到各激励点之间的部分相干性，在建立结构动力学方程时，需要引入相干函数来修正虚拟激励力向量。设修正后的虚拟激励力向量为\mathbf{\widetilde{F}}(t)，其元素\widetilde{F}_i(t)可表示为\widetilde{F}_i(t)=\sum_{j=1}^{n}\sqrt{\gamma_{ij}(\omega)}\widetilde{X}_j(t)（i=1,2,\cdots,n）。这样，结构在多点部分相干平稳激励下的动力学方程为\mathbf{M}\ddot{\mathbf{Y}}(t)+\mathbf{C}\dot{\mathbf{Y}}(t)+\mathbf{K}\mathbf{Y}(t)=\mathbf{\widetilde{F}}(t)。通过求解该方程得到结构的响应\mathbf{Y}(t)，进而计算出结构响应的功率谱密度矩阵、互功率谱密度矩阵等，以分析结构在多点部分相干平稳激励下的复杂振动特性。这些统计参数能够反映出不同激励点之间的相互作用对结构响应的影响，为工程设计和分析提供更准确的依据。具有基础激励时：当结构存在基础激励时，例如飞机在滑跑过程中，机身不仅受到起落架传来的跑道不平度激励，还受到因基础（跑道）运动而产生的激励。假设基础激励为X_b(t)，其功率谱密度函数为S_{X_b}(\omega)。对于这种情况，根据虚拟激励法，将基础激励X_b(t)转化为虚拟激励\widetilde{X}_b(t)=\sqrt{2S_{X_b}(\omega)}e^{j\omegat}。在建立结构动力学方程时，需要考虑基础激励对结构的作用方式。通常采用运动学关系将基础激励转化为作用在结构上的等效激励力。设结构与基础之间的连接关系可以用传递矩阵\mathbf{T}表示，则作用在结构上的等效虚拟激励力向量\mathbf{F}_e(t)可通过\mathbf{F}_e(t)=\mathbf{T}\widetilde{X}_b(t)计算得到。此时，结构的动力学方程为\mathbf{M}\ddot{\mathbf{Y}}(t)+\mathbf{C}\dot{\mathbf{Y}}(t)+\mathbf{K}\mathbf{Y}(t)=\mathbf{F}_e(t)。通过求解该方程，可以得到结构在具有基础激励情况下的响应\mathbf{Y}(t)。进一步利用随机振动理论，计算结构响应的各种统计参数，如响应的功率谱密度、均方根值等。这些参数能够帮助我们了解基础激励对结构振动响应的影响程度，为结构的抗震、抗风等设计提供重要的参考依据，确保结构在复杂的激励环境下能够安全、可靠地运行。2.3虚拟激励法与常规算法对比在飞机滑跑谱响应计算中，虚拟激励法与常规随机响应算法相比，在计算精度、效率和适用范围等方面呈现出显著的差异和各自的特点。计算精度：常规算法如完全二次结合法（CQC）和平方和开平方法（SRSS）在处理多点激励问题时存在一定的局限性。CQC方法虽然考虑了振型之间的相关性，但在实际应用中，由于需要对大量的振型组合进行计算，计算过程较为复杂，且在某些情况下可能会产生较大的误差。例如，当振型阻尼比较小时，CQC方法的计算结果可能会高估响应值。SRSS方法则假设各振型之间完全不相关，直接对各振型响应的平方和进行开方来计算总响应，这种假设在实际工程中往往与真实情况不符，导致计算精度较低。特别是对于飞机滑跑这样的复杂系统，各部位的振动响应存在明显的相关性，SRSS方法很难准确地计算出滑跑谱响应。虚拟激励法基于严格的数学推导，能够精确地考虑多点激励之间的相干性。通过将随机激励转化为确定性简谐激励，在计算过程中可以准确地保留激励的统计特性，从而获得更精确的计算结果。在处理飞机滑跑过程中多个起落架轮子所受到的跑道不平度激励时，虚拟激励法能够充分考虑各激励点之间的相位关系和功率谱密度差异，精确计算出飞机结构各部位的响应，其计算精度明显优于常规算法。计算效率：常规算法在计算过程中通常需要进行大量的矩阵运算和积分计算，尤其是在处理多自由度系统和长时间历程的响应计算时，计算量会急剧增加，导致计算效率较低。例如，在采用时域直接积分法计算飞机滑跑谱响应时，需要对运动方程进行逐时间步的积分，计算过程繁琐，计算时间长。虚拟激励法将随机振动问题转化为确定性振动问题，大大简化了计算过程。在频域中进行计算时，利用快速傅里叶变换（FFT）等高效算法，可以显著提高计算速度。与传统的时域分析方法相比，虚拟激励法的计算效率可提高数倍甚至数十倍。在计算大型飞机复杂结构的滑跑谱响应时，虚拟激励法能够在较短的时间内完成计算，为飞机设计和分析提供及时的数据支持，这对于提高飞机研发效率具有重要意义。适用范围：常规算法在处理简单结构和单一激励源的问题时具有一定的优势，但在面对复杂结构和多激励源的情况时，其适用性受到很大限制。例如，对于具有复杂几何形状和材料特性的飞机结构，以及受到多种不同类型随机激励（如跑道不平度激励、空气动力激励等）的情况，常规算法很难准确地建立模型并进行计算。虚拟激励法具有更广泛的适用范围，不仅可以处理复杂结构的随机振动问题，还能有效地考虑多激励源之间的相互作用。无论是线性系统还是弱非线性系统，虚拟激励法都能通过合理的近似和处理，准确地计算出系统的响应。在飞机滑跑谱响应计算中，虚拟激励法可以灵活地考虑飞机结构的各种复杂因素，如机翼、机身、起落架等部件之间的耦合作用，以及不同跑道条件下的激励特性，为飞机滑跑性能的全面分析提供了有力的工具。三、基于虚拟激励法的飞机滑跑谱响应计算模型构建3.1飞机滑跑数学模型建立3.1.1飞机结构简化与参数确定飞机结构复杂，包含机翼、机身、尾翼、起落架等多个部件，在建立滑跑数学模型时，需对其进行合理简化以降低计算复杂度，同时确保关键力学特性得以保留。以常见的民航客机为例，可将机身视为梁单元，利用梁理论描述其在纵向、横向和垂向的弯曲以及扭转变形。机翼可简化为带集中质量的弹性梁，考虑其在空气动力和惯性力作用下的弯曲和扭转耦合。起落架则简化为弹簧-阻尼系统，弹簧模拟其弹性支撑，阻尼反映减震特性。在参数确定方面，质量参数的获取至关重要。飞机的总质量可通过设计资料或实际测量确定，部件质量分布则依据结构布局和材料特性估算。例如，机身质量可根据其尺寸、材料密度及内部设备布置来确定；机翼质量考虑蒙皮、桁条、翼肋等结构件质量之和，以及燃油质量在机翼内的分布。质心位置的准确计算对分析飞机滑跑动力学特性意义重大，可通过对各部件质量和位置的加权平均得到。转动惯量是描述飞机转动特性的关键参数。对于机身，可将其看作圆柱体或长方体，依据相应几何形状的转动惯量计算公式进行计算。对于机翼，由于其形状不规则，可采用数值积分或经验公式估算。例如，通过有限元软件对机翼进行离散化，计算每个单元的转动惯量，再进行累加得到机翼的总转动惯量。刚度参数的确定也不容忽视。机身梁单元的弯曲刚度和扭转刚度与材料弹性模量、截面形状和尺寸相关。机翼的弯曲刚度和扭转刚度可通过分析机翼结构的受力特性，结合材料力学公式进行计算。起落架弹簧-阻尼系统的刚度和阻尼系数则需根据起落架的设计要求和试验数据确定。例如，通过对起落架进行静载试验和动态试验，测量其在不同载荷下的变形和振动响应，从而确定刚度和阻尼系数。3.1.2滑跑过程力学分析飞机在滑跑过程中受到多种力的作用，这些力相互影响，共同决定飞机的运动状态。地面摩擦力是影响飞机滑跑的重要因素之一，它与飞机的质量、轮胎与地面的摩擦系数以及飞机的运动状态密切相关。在起飞滑跑阶段，地面摩擦力阻碍飞机前进，其大小可通过公式F_f=\muN计算，其中\mu为摩擦系数，N为飞机对地面的正压力，正压力等于飞机的重力。摩擦系数受轮胎类型、地面状况等因素影响，例如在干燥的水泥跑道上，摩擦系数相对较大；在潮湿或结冰的跑道上，摩擦系数会显著减小，这将对飞机的滑跑稳定性和制动性能产生重要影响。空气阻力也是飞机滑跑时不可忽视的作用力。随着飞机滑跑速度的增加，空气阻力迅速增大。空气阻力可分为压差阻力、摩擦阻力和诱导阻力等。压差阻力是由于飞机前后的压力差产生的，与飞机的形状和迎风面积密切相关；摩擦阻力是空气与飞机表面摩擦产生的，与飞机表面的粗糙度和空气的粘性有关；诱导阻力则是由于机翼产生升力而诱导产生的，与机翼的展弦比和升力系数等因素有关。空气阻力的大小可通过经验公式或计算流体力学（CFD）方法进行估算。在初步分析中，可采用经验公式F_d=\frac{1}{2}\rhov^2C_dA计算，其中\rho为空气密度，v为飞机滑跑速度，C_d为空气阻力系数，A为飞机的迎风面积。随着对计算精度要求的提高，可利用CFD方法对飞机周围的流场进行数值模拟，更准确地计算空气阻力。发动机推力是飞机滑跑的动力来源，其大小直接影响飞机的加速性能和滑跑距离。发动机推力与发动机的类型、工作状态以及外界环境条件等因素有关。在起飞滑跑阶段，发动机通常处于最大推力状态，以提供足够的动力使飞机加速到起飞速度。发动机推力可通过发动机的性能曲线或试验数据获取，在实际计算中，还需考虑发动机推力随高度、温度等环境因素的变化。除上述主要作用力外，飞机在滑跑过程中还受到其他一些力的影响。例如，在侧风条件下，飞机将受到侧向风力的作用，这会使飞机产生侧滑和偏航运动，影响飞机的滑跑方向稳定性。此时，飞行员需要通过操纵飞机的舵面来修正飞机的姿态，以保持飞机沿跑道中心线滑跑。此外，当飞机在不平坦的跑道上滑跑时，还会受到因跑道不平度引起的冲击载荷，这些冲击载荷会使飞机产生振动，影响飞机结构的疲劳寿命和乘坐舒适性。综上所述，飞机在滑跑过程中的受力情况复杂，各种力相互作用，对飞机的运动状态和结构响应产生重要影响。在建立飞机滑跑数学模型时，需要全面考虑这些力的作用，准确分析飞机的受力特性，为后续的滑跑谱响应计算提供可靠的力学基础。三、基于虚拟激励法的飞机滑跑谱响应计算模型构建3.2跑道功率谱数值计算3.2.1路面功率谱与不平度模型路面功率谱是描述路面不平度统计特性的重要工具，它反映了路面不平度在不同空间频率上的能量分布情况。在飞机滑跑谱响应计算中，准确获取跑道的路面功率谱对于模拟飞机所受激励至关重要。国际上常用的路面不平度数学模型是基于功率谱密度函数的模型，其中最具代表性的是由国际标准化组织（ISO）提出的路面不平度功率谱密度模型。该模型将路面不平度的垂直位移功率谱密度S_q(n)表示为空间频率n的函数，其表达式为：S_q(n)=S_q(n_0)(\frac{n}{n_0})^{-w}其中，S_q(n_0)为参考空间频率n_0（通常取n_0=0.1m^{-1}）下的路面不平度系数，它表征了路面的粗糙度等级，不同等级的路面具有不同的S_q(n_0)值，如A级路面最为平坦，其S_q(n_0)=16\times10^{-6}m^3，而H级路面最为崎岖，S_q(n_0)=256\times10^{-6}m^3；w为频率指数，一般取值为2，该指数决定了功率谱密度随空间频率变化的速率。从物理意义上讲，空间频率n表示单位长度内路面不平度的变化周期数，频率越低，对应的路面不平度波长越长；频率越高，波长越短。通过上述功率谱密度模型，可以清晰地了解不同空间频率下路面不平度的能量分布情况。例如，在低频段，路面功率谱密度较大，说明长波长的路面不平度分量对飞机滑跑激励的贡献较大，这种长波长的不平度可能会引起飞机的低频振动，影响飞机的平稳性；而在高频段，功率谱密度相对较小，但短波长的不平度分量会使飞机受到高频冲击，对飞机结构的局部疲劳有重要影响。除了上述ISO模型外，还有其他一些路面不平度模型，如三角级数法模型、过滤泊松模型、线性滤波白噪声法模型等。三角级数法从理论上认为任意一条路面轨迹均可由一系列离散的正弦波叠加而成，每个正弦波的振幅由相应频率的频率谱密度获得，相位差由随机数发生器产生。该模型数学基础严密，适用于实测道路谱的时域模拟，但由于涉及大量三角函数运算，计算较为费时，一般需采用快速傅里叶变换（FFT）算法提高其计算效率。过滤泊松模型在频率大于一定值后能较好地逼近目标谱密度，但在频率为零附近效果较差，且其参数的求取缺乏严密算法，需试凑确定，使用不太方便。线性滤波白噪声法将路面高程的随机波动抽象为满足一定条件的白噪声，然后经一假设系统进行适当变换而拟合出路面随机不平度的时域模型，该方法计算量小、速度快，但算法繁琐、模拟精度差。在飞机滑跑谱响应计算中，需根据具体情况选择合适的路面不平度模型，以准确模拟跑道对飞机的激励作用。3.2.2飞机滑跑地面空间变化效应考虑在飞机滑跑过程中，地面空间变化效应会对飞机的谱响应产生显著影响。飞机的多个起落架在滑跑时与跑道接触，由于跑道表面的不均匀性，不同位置的起落架所受到的激励存在差异，这种差异包括激励的幅值、频率和相位等方面。例如，当飞机在跑道上滑跑时，前轮和后轮所经过的路面区域不同，可能前轮遇到的是一个小的凸起，而后轮遇到的是一个凹坑，这就导致前后轮所受到的激励在幅值和相位上都有所不同。此外，飞机滑跑速度也会对地面空间变化效应产生影响。随着滑跑速度的增加，飞机在单位时间内经过的路面区域增大，这使得飞机所感受到的地面激励变化更加频繁，激励的频率成分也会发生改变。例如，在低速滑跑时，飞机主要受到长波长路面不平度的激励，而在高速滑跑时，短波长的不平度激励成分会相对增加，从而对飞机结构的高频振动产生更大影响。为了考虑飞机滑跑地面空间变化效应，在计算中需要对不同位置的激励进行精确模拟。一种常用的方法是将跑道划分为多个小段，对每个小段的路面不平度进行独立建模和分析。通过这种方式，可以更准确地描述飞机在滑跑过程中不同位置所受到的激励特性。例如，假设跑道长度为L，将其划分为N个小段，每个小段的长度为\DeltaL=\frac{L}{N}。对于每个小段i，根据其对应的路面不平度模型，计算出该小段的路面功率谱密度S_{q,i}(n)，进而得到该小段对飞机起落架的激励。在考虑多个起落架之间的相干性时，可引入相干函数来描述不同位置激励之间的相关性。相干函数\gamma_{ij}(\omega)表示第i个和第j个激励点之间的相干程度，其取值范围为0\leq\gamma_{ij}(\omega)\leq1。当\gamma_{ij}(\omega)=1时，表示两个激励点完全相干，即它们的激励具有相同的频率和固定的相位差；当\gamma_{ij}(\omega)=0时，表示两个激励点完全不相干。在实际飞机滑跑中，不同起落架之间的激励通常存在部分相干性，通过合理确定相干函数，可以更准确地模拟飞机滑跑过程中的多点激励情况，从而提高飞机滑跑谱响应计算的精度。3.3虚拟激励法在飞机滑跑谱响应计算中的实现步骤将虚拟激励法应用于飞机滑跑谱响应计算，主要包括以下关键步骤：虚拟激励的构造：首先，需根据跑道不平度的功率谱密度函数来构造虚拟激励。已知跑道不平度的垂直位移功率谱密度S_q(n)通常可表示为S_q(n)=S_q(n_0)(\frac{n}{n_0})^{-w}（其中S_q(n_0)为参考空间频率n_0下的路面不平度系数，w为频率指数）。由于飞机滑跑时各起落架所受激励存在相干性，对于每个起落架位置i，其对应的虚拟激励力\widetilde{F}_i(t)可构造为：\widetilde{F}_i(t)=\sqrt{2S_{q,i}(\omega)}e^{j\omegat}其中S_{q,i}(\omega)是考虑相干性后第i个起落架位置处跑道不平度的功率谱密度，通过相干函数对不同位置的功率谱密度进行修正，以准确反映各激励点之间的相关性。例如，假设飞机有三个起落架，分别为前起落架和两个主起落架，根据跑道不同位置的功率谱密度以及各起落架之间的相干函数，计算出每个起落架对应的虚拟激励力。响应计算流程：建立飞机有限元模型：利用有限元软件，将飞机结构离散为多个有限元单元，如梁单元、壳单元等，建立飞机的有限元模型。在建模过程中，准确输入飞机的结构参数、材料特性、质量分布、刚度矩阵等信息，确保模型能够准确反映飞机的力学特性。例如，对于飞机机身，采用壳单元模拟其薄壁结构；对于机翼的桁条和梁，使用梁单元进行建模。施加虚拟激励：将构造好的虚拟激励力施加到飞机有限元模型的相应节点上，即起落架与飞机结构连接的节点处。这些虚拟激励力模拟了跑道不平度对飞机的随机激励作用。在施加虚拟激励时，需注意激励的方向和作用点，确保与实际滑跑情况相符。求解动力学方程：在虚拟激励作用下，飞机结构的动力学方程可表示为\mathbf{M}\ddot{\mathbf{Y}}(t)+\mathbf{C}\dot{\mathbf{Y}}(t)+\mathbf{K}\mathbf{Y}(t)=\mathbf{\widetilde{F}}(t)，其中\mathbf{M}为质量矩阵，\mathbf{C}为阻尼矩阵，\mathbf{K}为刚度矩阵，\mathbf{\widetilde{F}}(t)为虚拟激励力向量，\mathbf{Y}(t)为位移响应向量。利用数值求解方法，如直接积分法（如Newmark法）或模态叠加法，求解该动力学方程，得到飞机结构在虚拟激励下的位移响应\mathbf{Y}(t)。例如，采用Newmark法进行求解时，需合理选择时间步长，以确保计算结果的准确性和稳定性。计算响应统计参数：根据求解得到的位移响应\mathbf{Y}(t)，进一步计算飞机结构响应的各种统计参数，如功率谱密度、均方根值等。功率谱密度S_Y(\omega)可通过傅里叶变换得到，即S_Y(\omega)=|\mathbf{H}(j\omega)|^2S_{\widetilde{F}}(\omega)，其中\mathbf{H}(j\omega)为飞机结构的频率响应函数矩阵，S_{\widetilde{F}}(\omega)为虚拟激励力的功率谱密度矩阵。均方根值则可通过对功率谱密度在频率范围内进行积分计算得到。这些统计参数能够全面反映飞机滑跑谱响应的特性，为飞机结构的设计和分析提供重要依据。四、虚拟激励法程序实现与关键技术4.1基于特定软件平台的程序设计在飞机滑跑谱响应计算中，选用MSC.Patran和MSC.Nastran这两款商业软件作为数据平台，主要基于多方面的考量。MSC.Patran作为业界广泛使用的有限元前后处理软件，具有强大的几何建模和网格划分功能。它能直接访问多种CAD几何模型，方便设计人员将飞机的设计模型导入软件进行后续处理。其几何造型功能丰富，可通过直接创建或转化创建等方式生成复杂的几何形状，满足飞机结构复杂外形的建模需求。例如，在构建飞机机身和机翼的几何模型时，利用Patran的曲面创建和编辑功能，能够精确地模拟其复杂的曲面形状，为后续的有限元分析提供准确的几何基础。而MSC.Nastran原是美国航空航天局（NASA）主持开发的大型通用结构有限元分析软件，后经改良成为MSC公司的重要产品并推广至全世界。它在功能全面性与计算精度准确性上表现出色，拥有多种分析类型，如静力分析、动力学分析、屈曲分析等，尤其在处理随机振动问题方面具有独特的优势。在航空航天领域，Nastran一直是不可或缺的分析工具，许多航空企业在飞机设计过程中，都依赖Nastran进行结构分析和优化。基于这两款软件进行程序设计时，首先利用Patran强大的前处理功能建立飞机的有限元模型。在几何建模阶段，根据飞机的设计图纸和实际结构参数，在Patran中创建飞机的三维几何模型，包括机身、机翼、尾翼、起落架等部件。例如，对于机身，可使用Patran的实体建模功能，通过拉伸、旋转、布尔运算等操作创建出准确的几何形状；对于机翼，利用曲面建模工具，构建出具有准确翼型和展弦比的机翼模型。完成几何建模后，进行有限元网格划分。Patran提供了丰富的单元库，包括梁单元、壳单元、实体单元等，可根据飞机各部件的结构特点和分析需求选择合适的单元类型。例如，对于机身的薄壁结构，选用壳单元进行网格划分，既能准确模拟其力学特性，又能减少计算量；对于起落架的支柱等部件，采用梁单元进行建模，以简化计算并突出其主要的力学行为。在网格划分过程中，通过合理设置网格尺寸和质量控制参数，确保生成高质量的网格，为后续的分析提供可靠的基础。接着，在Patran中定义材料属性和单元属性。根据飞机各部件所使用的实际材料，如铝合金、钛合金等，输入相应的材料参数，包括弹性模量、泊松比、密度等。对于单元属性，设置单元的厚度、截面形状等参数，以准确反映各部件的结构特性。例如，对于机翼的蒙皮，设置合适的厚度参数，对于起落架的弹簧-阻尼单元，定义其刚度和阻尼系数。完成前处理后，将模型数据导入MSC.Nastran进行求解分析。在Nastran中，根据虚拟激励法的原理，编写相应的分析控制文件。在文件中，定义分析类型为随机响应分析，设置虚拟激励的参数，包括激励的功率谱密度函数、作用点和方向等。同时，根据飞机滑跑的实际工况，设置边界条件，如起落架与地面的接触条件、机身的约束条件等。例如，在模拟飞机滑跑时，将起落架与地面的接触设置为弹性约束，考虑地面的支撑力和摩擦力；将机身的重心处设置为固定约束，以模拟飞机在滑跑过程中的实际受力情况。Nastran求解完成后，将计算结果返回Patran进行后处理。Patran提供了交互式可视化后处理功能，可对计算结果进行直观的显示和分析。通过绘制位移响应云图、应力应变云图、功率谱密度曲线等，清晰地展示飞机在滑跑过程中的响应特性。例如，通过位移响应云图，可以直观地看到飞机各部位的位移分布情况，找出位移较大的区域，为结构优化提供依据；通过功率谱密度曲线，可以分析飞机响应的频率成分，了解不同频率下的响应幅值，为振动控制提供参考。4.2程序流程设计基于上述对MSC.Patran和MSC.Nastran软件的运用，设计飞机滑跑谱响应计算程序的流程图，其流程如下：数据初始化：启动程序后，首先对程序运行所需的各类参数进行初始化。这些参数包括飞机的基本结构参数，如机身长度、机翼展长、起落架间距等；材料参数，如铝合金的弹性模量、密度等；以及计算控制参数，如频率计算范围、频率步长等。同时，读取飞机的三维模型数据，若模型是通过CAD软件创建的，利用Patran的CAD几何模型直接访问功能，将模型导入程序。例如，从CATIA软件创建的飞机模型文件，可直接在Patran中打开，并进行后续处理。有限元模型建立：在Patran中，利用其几何造型功能，对导入的飞机模型进行细节处理，如去除模型中的微小特征（如小倒角、小孔等），这些微小特征对整体力学性能影响较小，但会增加网格划分的复杂度和计算量。接着进行有限元网格划分，根据飞机各部件的结构特点，选择合适的单元类型。对于机身薄壁结构，采用四边形或三角形壳单元；对于机翼的梁结构，使用梁单元；对于起落架的弹簧-阻尼系统，创建相应的弹簧-阻尼单元。在划分网格时，合理控制网格密度，在应力集中区域（如机翼与机身连接部位、起落架安装点等）加密网格，以提高计算精度；在应力变化平缓区域，适当降低网格密度，以减少计算量。完成网格划分后，定义材料属性和单元属性，如为机身和机翼指定铝合金材料属性，为起落架弹簧-阻尼单元设置相应的刚度和阻尼系数。虚拟激励设定：根据跑道不平度的功率谱密度函数，结合飞机滑跑的实际工况，确定虚拟激励的参数。计算跑道不平度在不同空间频率下的功率谱密度，根据相干函数确定各起落架位置激励之间的相关性。例如，若已知跑道为某一等级，根据相应的功率谱密度模型计算出不同空间频率下的功率谱密度值。然后，构造虚拟激励力，将其施加到飞机有限元模型的起落架节点上。在施加虚拟激励时，确保激励的方向和作用点与实际滑跑情况相符，如激励方向垂直于跑道表面，作用点位于起落架与地面接触点对应的模型节点上。求解计算：将定义好的有限元模型和虚拟激励参数导入MSC.Nastran求解器。在Nastran中，设置求解控制参数，如选择合适的求解算法（对于线性问题，可选择直接解法或迭代解法；对于非线性问题，选择相应的非线性求解算法）、收敛准则等。启动求解器，Nastran根据输入的模型和参数，求解飞机结构在虚拟激励下的动力学方程，得到飞机各节点的位移响应、速度响应和加速度响应等。在求解过程中，实时监控求解进度和收敛情况，若出现不收敛或异常情况，及时调整求解参数或检查模型设置。结果处理与输出：求解完成后，将计算结果返回Patran进行后处理。在Patran中，利用其结果交互式可视化后处理功能，对计算结果进行分析和展示。绘制飞机各部件的位移响应云图，直观地显示位移分布情况，判断飞机结构的变形状态；绘制应力应变云图，找出应力集中区域，为结构强度分析提供依据；绘制功率谱密度曲线，分析飞机响应的频率特性，确定主要的振动频率成分。同时，将计算结果以文本文件或数据库的形式保存，以便后续查询和分析。例如，将各节点的位移响应、应力应变值等结果保存为CSV文件，方便与其他软件进行数据交互和进一步处理。4.3关键技术实现4.3.1稀疏矩阵存储在飞机滑跑谱响应计算中，涉及到大量的矩阵运算，如质量矩阵、刚度矩阵和阻尼矩阵等。这些矩阵通常具有稀疏性，即矩阵中大部分元素为零。例如，对于一个大型飞机的有限元模型，其节点数量可能多达数万个甚至数十万个，相应的刚度矩阵规模巨大，但由于结构的连接特性，只有与节点直接相连的单元才会对该节点的刚度产生贡献，因此矩阵中存在大量的零元素。采用稀疏矩阵存储技术具有重要的必要性。传统的稠密矩阵存储方式，如二维数组存储，会浪费大量的存储空间来存储这些零元素。在计算机内存有限的情况下，对于大规模的飞机模型，可能无法存储完整的稠密矩阵，导致计算无法进行。而且，在进行矩阵运算时，对零元素的运算也是不必要的，会增加计算时间，降低计算效率。在本程序中，选用压缩稀疏行（CSR）存储方式来存储稀疏矩阵。CSR存储方式将稀疏矩阵存储为三个一维数组：第一个数组存储非零元素的值；第二个数组存储非零元素所在的列索引；第三个数组存储每行第一个非零元素在前面两个数组中的偏移量。例如，对于一个简单的稀疏矩阵：\begin{bmatrix}1&0&3\\0&0&5\\0&7&0\end{bmatrix}采用CSR存储时，非零元素值数组为[1,3,5,7]，列索引数组为[0,2,2,1]，行偏移量数组为[0,2,3,4]。通过这种存储方式，仅存储非零元素及其位置信息，大大减少了存储空间的占用。在进行矩阵与向量的乘法运算时，利用CSR存储方式的特点，可以跳过零元素的运算。根据行偏移量数组确定每行的非零元素范围，然后结合列索引数组和非零元素值数组进行乘法和累加运算。相比于稠密矩阵存储方式，这种方法显著减少了计算量，提高了计算效率，使程序能够更高效地处理大型飞机滑跑谱响应计算中的矩阵运算。4.3.2线性方程组求解在飞机滑跑谱响应计算中，求解线性方程组是核心任务之一，其解的准确性和计算效率对整个计算过程至关重要。飞机滑跑过程的动力学方程通常可表示为\mathbf{M}\ddot{\mathbf{Y}}(t)+\mathbf{C}\dot{\mathbf{Y}}(t)+\mathbf{K}\mathbf{Y}(t)=\mathbf{\widetilde{F}}(t)，经过离散化处理后，会得到形如\mathbf{A}\mathbf{x}=\mathbf{b}的线性方程组，其中\mathbf{A}为系数矩阵，由质量矩阵、刚度矩阵和阻尼矩阵等组合而成；\mathbf{x}为待求解的未知向量，代表飞机结构的位移、速度或加速度等响应量；\mathbf{b}为右端项向量，与虚拟激励力相关。由于飞机结构的复杂性和有限元模型的规模较大，系数矩阵\mathbf{A}通常是大型稀疏矩阵，传统的直接求解方法，如高斯消去法、LU分解法等，在处理这类矩阵时，计算量和存储需求会随着矩阵规模的增大而急剧增加，导致计算效率低下，甚至在实际计算中无法实现。例如，对于一个具有n个自由度的飞机有限元模型，高斯消去法的计算复杂度为O(n^3)，当n较大时，计算时间会变得非常长。为了提高求解效率，本程序采用迭代法来求解线性方程组，其中常用的是共轭梯度法（ConjugateGradientMethod，CG）及其改进版本。共轭梯度法是一种适用于求解对称正定线性方程组的迭代法，其基本原理是通过构造共轭方向，使得迭代过程能够快速收敛到方程组的解。在每次迭代中，共轭梯度法利用当前的残差向量和之前的共轭方向来计算下一个迭代点，通过不断迭代逐步逼近方程组的精确解。共轭梯度法具有收敛速度快、存储需求低的优点。相比于其他迭代法，如雅可比迭代法和高斯-赛德尔迭代法，共轭梯度法在处理大型稀疏对称正定矩阵时，能够更快地收敛到解。而且，共轭梯度法在迭代过程中只需要存储少量的向量，如当前迭代点、残差向量和共轭方向向量等，大大减少了内存的占用。在实际应用中，为了进一步提高共轭梯度法的收敛性能，还可以采用预条件共轭梯度法（PreconditionedConjugateGradientMethod，PCG）。预条件共轭梯度法通过对系数矩阵\mathbf{A}进行预处理，构造一个近似逆矩阵\mathbf{M}，将原方程组\mathbf{A}\mathbf{x}=\mathbf{b}转化为等价的方程组\mathbf{M}^{-1}\mathbf{A}\mathbf{x}=\mathbf{M}^{-1}\mathbf{b}进行求解。合适的预条件矩阵\mathbf{M}能够改善系数矩阵的条件数，加速共轭梯度法的收敛速度。例如，不完全Cholesky分解预条件器是一种常用的预条件方法，它通过对系数矩阵进行不完全Cholesky分解来构造预条件矩阵，在很多情况下能够显著提高共轭梯度法的收敛效率。在程序实现中，合理设置共轭梯度法的迭代终止条件是确保计算结果准确性和计算效率的关键。通常采用残差范数作为迭代终止条件，即当残差向量\mathbf{r}=\mathbf{b}-\mathbf{A}\mathbf{x}的范数小于预先设定的容差\epsilon时，认为迭代收敛，停止迭代。容差\epsilon的选择需要综合考虑计算精度和计算效率的要求，过小的容差会导致迭代次数增加，计算时间变长；过大的容差则会影响计算结果的准确性。五、案例分析与结果验证5.1选取典型飞机型号及跑道条件选取波音737-800作为典型飞机型号进行研究。波音737-800是一款广泛应用于国内外航线的中短程窄体客机，在民航运输领域具有代表性。其主要参数如下：机身长度为39.5米，翼展达到28.8米，最大起飞重量可达79050千克。该机型采用下单翼布局，起落架为前三点式，前起落架为双轮，主起落架为四轮小车式结构。这种起落架布局和结构设计，使其在滑跑过程中的力学特性具有一定的典型性，对于研究飞机滑跑谱响应具有重要意义。在跑道条件方面，设定跑道为常见的水泥混凝土道面。这种道面具有强度高、耐久性好、表面平整度易于保证等优点，是机场跑道的常用类型之一。跑道的纵向坡度设定为0.5%，这是在实际机场建设中较为常见的坡度值，既能满足飞机滑跑时的排水要求，又能保证飞机在滑跑过程中的稳定性。横向坡度为1%，符合相关标准规范对跑道横向坡度的要求，可有效防止飞机在滑跑过程中因横向倾斜而产生的侧滑等问题。跑道表面的不平度按照国际不平度分级标准中的B级进行模拟。B级跑道不平度的路面不平度系数S_q(n_0)=64\times10^{-6}m^3（参考空间频率n_0=0.1m^{-1}），该等级的跑道不平度具有一定的随机性和复杂性，能够较好地反映实际机场跑道的表面状况。在实际飞机滑跑过程中，跑道表面的不平度是引起飞机振动的主要激励源之一，不同等级的不平度会对飞机滑跑谱响应产生不同程度的影响，选择B级不平度可以为研究飞机在常见跑道条件下的滑跑谱响应提供较为合适的模拟环境。5.2计算结果分析5.2.1固有频率分析通过虚拟激励法对波音737-800飞机滑跑模型进行计算，得到飞机结构的固有频率。在飞机滑跑过程中，固有频率是一个关键参数，它反映了飞机结构自身的振动特性。固有频率与飞机结构的刚度和质量分布密切相关，不同的结构部件和连接方式会导致不同的固有频率。例如，飞机的机翼、机身和起落架等部件的固有频率各不相同，机翼由于其细长的结构和较大的柔性，固有频率相对较低；而机身由于其较为刚性的结构，固有频率相对较高。固有频率对飞机滑跑谱响应有着重要影响。当跑道不平度激励的频率与飞机结构的固有频率接近或相等时，会发生共振现象。共振会导致飞机结构的振动响应急剧增大，对飞机的结构安全和乘坐舒适性产生严重威胁。例如，在某次计算中，发现当跑道不平度激励的某一频率成分与飞机机翼的某一阶固有频率接近时，机翼的振动位移响应幅值比正常情况下增大了数倍，这可能会导致机翼结构的疲劳损伤加剧，甚至出现结构破坏的风险。通过计算得到波音737-800飞机的前几阶固有频率及其对应的振型。例如，一阶固有频率为f_1=10.5Hz，对应的振型主要表现为飞机整体的弯曲振动，机身和机翼在垂直方向上呈现出较大的位移变形；二阶固有频率为f_2=18.3Hz，振型为机翼的扭转振动，机翼绕其纵轴发生扭转。这些固有频率和振型信息对于分析飞机滑跑过程中的振动特性和响应规律具有重要意义。通过与跑道不平度激励的频率成分进行对比，可以评估飞机在滑跑过程中发生共振的可能性，为飞机结构设计和滑跑安全性评估提供重要依据。5.2.2计算耗时对比为了验证虚拟激励法在飞机滑跑谱响应计算中的计算效率优势，将其与传统的蒙特卡洛方法进行计算耗时对比。蒙特卡洛方法是一种通过随机抽样来模拟随机过程的方法，在随机振动分析中，它通过多次重复模拟随机激励下的系统响应，然后对这些响应进行统计分析，以得到系统响应的统计特性。然而，蒙特卡洛方法需要进行大量的模拟计算，计算量巨大，计算耗时较长。在相同的计算条件下，对波音737-800飞机滑跑模型分别采用虚拟激励法和蒙特卡洛方法进行滑跑谱响应计算。计算条件包括相同的飞机模型参数、跑道条件和计算精度要求等。通过多次计算取平均值，得到虚拟激励法的平均计算耗时为t_1=15.6s，而蒙特卡洛方法的平均计算耗时高达t_2=210.3s。可以明显看出，虚拟激励法的计算耗时远远低于蒙特卡洛方法，计算效率得到了显著提高，约为蒙特卡洛方法的13.5倍。虚拟激励法计算效率高的原因主要在于其巧妙的算法设计。它将随机振动问题转化为确定性振动问题进行求解，避免了蒙特卡洛方法中大量的随机抽样和重复计算过程。通过构造虚拟激励，使得计算过程更加简洁高效，减少了计算量和计算时间。这种高效的计算方法在飞机滑跑谱响应计算中具有重要的应用价值，能够大大缩短飞机设计和分析的周期，提高工作效率，为飞机工程实际应用提供了有力的支持。5.2.3与实际测试或其他方法结果对比为了验证虚拟激励法计算结果的准确性和可靠性，将其与实际测试数据以及传统的完全二次结合法（CQC）的计算结果进行对比分析。实际测试数据来自于对波音737-800飞机在真实跑道上进行的滑跑试验，试验中通过在飞机关键部位布置传感器，测量飞机在滑跑过程中的振动响应。首先对比虚拟激励法与实际测试数据。以飞机机身某关键部位的垂直位移响应为例，在某一特定滑跑速度下，实际测试得到的位移响应均方根值为Y_{test}=0.085m，而虚拟激励法计算得到的位移响应均方根值为Y_{virtual}=0.088m。相对误差为\frac{|Y_{virtual}-Y_{test}|}{Y_{test}}\times100\%=\frac{|0.088-0.085|}{0.085}\times100\%\approx3.53\%，误差在可接受范围内，说明虚拟激励法计算结果与实际测试数据具有较好的一致性。再将虚拟激励法与完全二次结合法（CQC）的计算结果进行对比。在相同的计算工况下，CQC方法计算得到的该部位垂直位移响应均方根值为Y_{CQC}=0.095m。虚拟激励法与CQC方法计算结果的相对误差为\frac{|Y_{virtual}-Y_{CQC}|}{Y_{CQC}}\times100\%=\frac{|0.088-0.095|}{0.095}\times100\%\approx7.37\%。通过对比可以发现，虚拟激励法的计算结果与CQC方法的计算结果较为接近，但虚拟激励法在计算精度上略优于CQC方法，尤其是在考虑多点激励相干性等复杂因素时，虚拟激励法能够更准确地反映飞机滑跑谱响应的实际情况。综合以上对比分析，充分验证了虚拟激励法在飞机滑跑谱响应计算中的准确性和可靠性。5.3结果讨论与优化建议通过对波音737-800飞机滑跑谱响应的计算结果分析，可以看出虚拟激励法在飞机滑跑谱响应计算中展现出显著的优势，但也存在一定的局限性。优势方面：虚拟激励法在计算效率上具有明显优势。与传统的蒙特卡洛方法相比，其计算耗时大幅缩短，约为蒙特卡洛方法的13.5倍。这主要得益于虚拟激励法将随机振动问题转化为确定性振动问题进行求解，避免了蒙特卡洛方法中大量的随机抽样和重复计算过程，大大提