Abstract 基于系统辨识技术的非定常气动力降阶模型(Reduced-Order ModelsROMs)保留流体力学(Computational Fluid DynamicsCFD)计算精度的同时能提高计算效率但对输入信号加载方式或/和信号频谱要求较高。因此采用基于随机白噪声的模态激励信号进行模型辨识。以一次激励一个模态加载方式在时域内建立多输入、输出的非定常气动力降阶模型。该模型由多个辨识所得单输入多输出自回归滑动平均(Autoregressive Moving AverageARMA)模型线性叠加而成。用不同频率、形状激励信号对辨识模型与直接CFD计算结果比较结果表明辨识模型与CFD计算精度一致。将该降阶模型转换为状态空间形式后与结构模型耦合用于Agard445.6机翼颤振边界预测。辨识模型计算结果与非定常NS方程计算结果及风洞试验结果比较证实该方法能用于高效气动弹性分析。