太阳能无人机结构质量轻、机翼柔性大、翼载低的特点使其对阵风更加敏感，在阵风扰动下更容易出现大攻角情况，气动力呈现非线性特性。为研究阵风对飞机结构及飞行稳定性的影响，需要建立精确的气动力模型来进行气动弹性及飞行仿真分析。传统面元法精度低，CFD-CSD全阶有限元分析方法效率低，因此需要建立降阶模型来平衡精度和效率之间的矛盾。已有的多种降阶方法在其适用性、收敛性、泛化能力等方面缺乏深入研究，因此很难直接将它们应用于工况多变的飞行仿真。对降阶模型特性研究的不足制约了降阶模型在工程计算中的实际应用。针对以上问题，对气动力降阶方法及其在飞行动力学仿真中的应用进行了进一步的探索，以二维翼型为例，分别基于ARX方法、多小波Volterra级数方法、BP、RBF神经网络和支持向量回归方法建立了非定常气动力降阶模型，并比较了五种模型的收敛性及泛化能力。在此基础之上综合ARX和神经网络方法的优点提出了一种计算精度高，收敛性、泛化能力较强的ARX-BP/RBF组合建模方法。然后将基于ARX-RBF的组合气动力降阶方法和弹性飞机刚弹耦合动力学方程相结合建立了基于气动力降阶的弹性飞机飞行动力学仿真模型。最后以一架太阳能无人机模型为例，开展了数值验证，对算例对象在阵风及舵面激励下的响应进行了仿真研究，并和CFD-CSD结果及基于线性气动力的仿真结果进行了对比。结果表明，所建立的弹性飞机仿真模型能有效反映气动力非线性特性，且仿真效率高于CFD-CSD分析方法，适用于工程实践。