第5章 机理分析建模法

第四章机理分析建模法机理分析是根据对现实对象特性的认识, 分析其因果关系, 找出反映内部机理的规律.

*与问题相关的物理、化学、经济

等方面的知识.

*通过对数据和现象的分析对事

物内在规律做出的猜想(模型假设).模型特点:有明确的物理或现实意义

1

8.1 微分方程的建立

实际问题需寻求某个变量y 随另一变量 t 的变化规律:y=y(t).

2

3在工程实际问题中

“改变”、“变化”、“增加”、“减少”等关键词提示我们注意什么量在变化.

关键词“速率”、“增长” “衰变” ,“边际的” ,常涉及到导数.

建建建立立立方方方法法法常常常用用用微微微分分分方方方程程程运用已知物理定律

一.运用已知物理定律

建立微分方程模型时

例8.1.1 一个较热的物体置于室温为180c的房间内,该物体最初的温度是600c,3分钟以后降到500c .想知道它的温度降到300c 需要多少时间?10分钟以后它的温度是多少?

牛顿冷却(加热)定律:将温度为T的物体放入处于常温 m的介质中时,T的变化速率正与周围介质的温度差..

比于T与周围介质的温度差

4

5

分析:假设房间足够大,放入温度较低或较高的物体时,室内温度基本不受影响,即室温分布均衡分布均衡,,保持为保持为m

m ,采用牛顿冷却定律是一个相当好的近似。

建立模型:设物体在冷却过程中的温度为T (t ),t ≥0,

“T 的变化速率正比于T 与周围介质的温度差” 翻译为成正比与m T dt

dT ?数学语言

6

?????=??=.

60)0(),(T m T k dt dT 建立微分方程

其中参数k >0,m =18. 求得一般解为

ln(T -m )=-k t+c ,

代入条件,求得c=42 ,k=- , 最后得21

16ln 31,

0,≥+=?t ce m T kt 或

7

最后得 T (t )=18+42 , t ≥0. t e

2116ln 31结果 :T(10)=18+42 =25.87℃,102116ln 31×e

该物体温度降至300c 需要8.17分钟.

许多研究对象在数量上常常表现出某种不变的特性,如封闭区域内的能量、货币量等.

利用变量间的平衡与增长特性,可分析和 利用变量间的平衡与增长特性,可分析和建立有关变量间的相互关系

建立有关变量间的相互关系..

例8.1.2人口增长模型

对某地区时刻t t的人口总数P(t),除考虑个

对某地区时刻

体的出生、死亡,再进一步考虑迁入与迁出的影响

影响..

8

在很短的时间段Δt 内,关于P(t)变化的一个最简单的模型是:

{Δt时间内的人口增长量}=

{Δt内出生人口数}-{Δt内死亡人口数} + {Δt内迁入人口数}-{Δt内迁出人口数}

9

不同的输入、输出情况对应不同的差分或

微分方程.

输入量:含系统外部输入及系统内部产生的量;输出量:含流出系统及在系统内部消亡的量.

此类建模方法的关键是

10

例8.1.2

8.1.2 战斗模型两方军队交战,希望为这场战斗建立一个数学模型,应用这个模型达到如下目的:

预测哪一方将获胜?

1.

1. 预测哪一方将获胜?

估计获胜的一方最后剩下多少士兵?

2.

2. 估计获胜的一方最后剩下多少士兵?

3. 计算失败的一方开始时必须投入多少士

兵才能赢得这场战斗?

兵才能赢得这场战斗?

11

问题分析

设x(t) ) ——t时刻X方存活的士兵数;

y(t) ) ——t时刻Y方存活的士兵数;

假设:

1) 双方所有士兵不是战死就是活着参加战斗,x(t)与y(t)都是连续变量.

2) Y方军队的一个士兵在单位时间内杀死X 方军队a 名士兵;

3) X 方军队的一个士兵在单位时间内杀死Y方军队b名士兵;

12

13

即有 Δx =-a y Δt ,

同理 Δy =-b x Δt ,

令Δt 得到微分方程组:

0,>?=a ay dt

dx 0,>?=b bx dt

dy {Δt 时间内X 军队减少的士兵数 }

= {Δt 时间内Y }

14

基本思想: 通过分析研究对象的有关变量在一个很短时间内的变化情况.

例8.1.3 一个高为2米的球体容器里盛了一半的水,水从它的底部小孔流出,小孔的横截面

积为积为11平方厘米平方厘米. . . 试求放空容器所需要的时间试求放空容器所需要的时间试求放空容器所需要的时间.

.

15

2米对孔口的流速做两条假设 : 1.t 时刻的流速v 依赖于此刻容器内水的高度h (t ).

2 .整个放水过程无能

量损失。 分析:?

容器内水的体积为零

容器内水的高度为零

16

模型建立:由水力学知:水从孔口流出的流量Q 为通过“孔口横截面的水的体积V 对时间t 的 变化率”,即gh S dt

dV Q 262.0==S —孔口横截面积(单位:平方厘米)

h (t ) ) —

—水面高度(单位:厘米) t —时间(单位:秒)

当S=1平方厘米,有

)

1(262.0dt gh dV =

17

在[t ,t+Δt ]内,水面高度 h(t) 降至h+Δh (Δh<0), 容器中水的体积的改变量为2

22200)100(100h h h r ?=??=记)

( ])()(3[6

1)(22221h O h r h o r r h h h V V(h)V ?+??≈?++??=?+?=?ππ

18

令Δt 0,

得 →dV =-πr 2 dh , (2) 比较(1)、(2)两式得微分方程如下:

?????=????===.100,,))200200((226262..000

2t h dh dh h h h h dt dt gh gh ππ积分后整理得

)31000700000(265.42523

h h g t +?=π 0≤h ≤100

令 h =0,求得完全排空需要约2小时58分.

19

基本思想:根据对现实对象特性的认识,分析其因果关系, 找出反映内部机理的规律. 例8.1.4(独家广告模型)(独家广告模型)

广告是调整商品销售的强有力的手段售的强有力的手段, , , 广告与销售量之间有什么内

广告与销售量之间有什么内在联系?如何评价不同时期的广告效果?分析 广告的效果, 可做如下的条件假设: *1. 商品的销售速度会因广告而增大,当商品在市场上趋于饱和时,销售速度将趋于一个极限值;

20

*2. 商品销售率(销售加速度)随商品销售速度的增高而降低;

*3. 选择如下广告策略,t 时刻的广告费用为:

???><<=.,

0;0,)(ττt t A t A 建模 记

S(t) S(t) S(t) —

— t 时刻商品的销售速度; M M —

— 销售饱和水平,即销售速度的上限; λ(>0)— 衰减因子,广告作用随时间的推移而自然衰减的速度.

直接建立微分方程

第二讲数学建模的基本方法和步骤

第二讲 数学建模的基本方法与步骤 数学建模面临的实际问题就是多种多样的,建模的目的不同、分析的方法不同、采用的数学工具不同,所得模型的类型也不同,我们不能指望归纳出若干条准则,适用于一切实际问题的数学建模方法。下面所谓基本方法不就是针对具体问题而就是从方法论的意义上讲的。(注:用最初等的方法解决,越受人尊重) 一 数学建模的基本方法 一般说来数学建模的方法大体上可分为机理分析与测试分析两种。 ????????????? 机理分析: 是根据对客观事物特性的认识,找出反映内部机理的数 量规律,建立的数学模型常有明确的物理或现实意义。 建模方法测试分析: 将研究对象看作一个“黑箱”(意思是内部机理看不清 楚),通过对测量数据的统计分析,找出与数据拟合最 好的模型。 面对于一个实际问题用哪一种方法建模,主要取决于人们对研究对象的了解程度与建模目的。如果掌握了一些内部机理的知识,模型也要求具有反映内部特征的物理意义,建模就应以机理分析为主。而如果对象的内部机理规律基本上不清楚,模型也不需要反映内部特征,那么可以用测试分析。对于许多实际问题也常常将两种方法结合起来,用机理分析建立模型结构,用测试分析确定模型的参数。 二 数学建模的一般步骤 建模要经过哪些步骤并没有一定的模式,通常与问题性质与建模的目的等有关。下面给出建模的一般步骤,如图1、2所示。 ⑴ 模型准备:了解实际背景,明确建模目的,搜索必要信息,弄清对象的主要特征,形成一个比较清晰的“问题”(即问题的提出)。情况明才能方法对,在这个阶段要深入调查研究,虚心向实际工作者请教,尽量掌握第一手资料。

⑵模型假设:根据对象的特征与建模目的,抓住问题的本质,忽略次要因素,作出必要的、合理的简化假设。对于建模的成败这就是非常重要与困难的一步。假设不合理或太简单,会导致错误的或无用的模型;假设作得过分详细,试图把复杂对象的众多因素都考虑进去,会使您很难或无法继续下一步的工作。常常需要在合理与简化之间作出恰当的折衷,要不段积累经验,并注意培养与充分发挥对事物的洞察力与判断力。 ⑶模型的建立:根据假设,用数学的语言、符号描述对象的内在规律,得到一个数学结构。这里除了需要一些相关的专门知识外,还常常需要较为广阔的应用数学方面的知识,要善于发挥想象力,注意使用类比法,分析对象与熟悉的其她对象的共性,借用已有的数学模型。建模时还应遵循的一个原则就是尽量采用简单数学工具,因为您的模型总希望更多的人了解与使用,而不就是只供少数专家欣赏。 ⑷模型求解:使用各种数学方法、数学软件与计算机技术对模型求解。 ⑸模型分析:对求解结果进行数学上的分析,如对结果进行误差分析,分析模型对数据的稳定性或灵敏性等。 ⑹模型检验:把求解与分析结果翻译回到实际问题,与实际现象、数据进行比较,检验模型的合理性与适用性。如果结果与实际不符,问题常常出现在模型假设上,应该修改或补充假设,重新建模。这一步对于模型就是否真的有用就是非常关键的,要以严肃认真的态度对待。 ⑺模型应用:这与问题的性质、建模的目的以及最终结果有关,一般不属于本书讨论的范围。 应该指出,并不就是所有问题的建模都要经过这些步骤,有时各步骤之间的界限也不那么分明,建模时不要拘泥于形式上的按部就班。 三数学建模的全过程 数学建模的全过程可分为表述、求解、解释、验证几个阶段,并且通过这些阶段完成从现实对象到数学模型,再从数学模型回到现实对象的循环,如图1、3所示。 表述就是根据建模目的与信息将实际问题“翻译”成数学问题,即将现实问题“翻译”成抽象的数学问题,属于归纳法。数学模型的求解选择适当的数学方

数学建模——回归分析

回归分析——20121060025 吕佳琪 企业编号生产性固定资产价值(万元)工业总产值(万元) 1318524 29101019 3200638 4409815 5415913 6502928 7314605 812101516 910221219 1012251624 合计65259801 (2)建立直线回归方程; (3)计算估价标准误差; (4)估计生产性固定资产(自变量)为1100万元时总产值(因变量)的可能值。解: (1)画出散点图,观察二变量的相关方向 x=[318 910 200 409 415 502 314 1210 1022 1225]; y=[524 1019 638 815 913 928 605 1516 1219 1624]; plot(x,y,'or') xlabel('生产性固定资产价值(万元)') ylabel('工业总产值(万元)') 由图形可得,二变量的相关方向应为直线 (2)

x=[318 910 200 409 415 502 314 1210 1022 1225]; y=[524 1019 638 815 913 928 605 1516 1219 1624]; X = [ones(size(x))', x']; [b,bint,r,rint,stats] = regress(y',X,0、05); b,bint,stats b = 395、5670 0、8958 bint = 210、4845 580、6495 0、6500 1、1417 stats = 1、0e+004 * 0、0001 0、0071 0、0000 1、6035 上述相关系数r为1,显著性水平为0 Y=395、5670+0、8958*x (3) 计算方法:W=((Y1-y1)^2+……+(Y10-y10)^2)^(1/2)/10 利用SPSS进行回归分析:

层次分析报告法在数学建模中的应用

层次分析法在数学建模中的应用 摘要:人们在生活中处理一些决策问题的时候,要考虑的因素有多有少,有大有小,但是 一个共同的特点是它们通常都涉及到经济 、社会、 人文等方面的因素。在作比较、 判断 、 评价、 决策时,这些因素的重要性 影响力或者优先程度往往难以量化,人的主观选择会起 着相当主要的作用,这就给用一般的数学方法解决问题带来本质上的困难。这是就有人提出 了一种能有效地处理这样一类问题的实用方法,称为层次分析法,这是一种定性和定量相结 合的、系统化、层次化的分析方法。以及在对层次分析法的引入基础之上,建立层次分析模 型,并给出了层次分析的求解过程,以及在现实生活中的应用。 关键词:层次分析法;成对比较矩阵;权向量;一致性指标;一致性比率 一. 问题的提出:人们在日常生活中常常碰到许多决策问题:请朋友吃饭要筹划是办家宴还是去饭店,是吃中餐、西餐还是自助餐;假期旅游和科研成果的评价。诸如此类问题面临抉择,就要慎重考虑,反复比较,尽可能满意的决策。 然而人们在处理上面这些决策问题的时候,要考虑的因素有多有少,有大有小,但是一个共同的特点是它们通常都涉及经济社会和人文等方面的因素。在做比较、判断、评价、决策时,这些因素的重要性、影响力或者优先程度难以量化,人的主观选择会起着相当重要的作用。T.L.Saaty 等人在20世纪70年代提出了一种能有效地处理这样一类问题的实用方法,称为层次分析法(简称AHP ),这是一种定性和定量相结合的、系统化、层次化的分析方法。 二. 层次分析法的基本步骤 1.将决策问题分解为三个层次。最上层为目标层,最下层为方案层,中间层为准则层。 2.通过相互比较确定各准则对于目标的权重,及各方案对于每一准则的权重,这些权重在人的思想过程常是定性的,而在层次分析法中则要给出得到权重的定量方法。 3.将方案层对准则层的权重及准则层对目标层的权重进行综合,最终确定方案层对目标层的权重。在层次分析法中要给出进行综合的计算方法。 三. 构造成对比较阵、计算权向量并做一致性检验;计算组合权向量并做组合一致性检验。 1.成对比较矩阵和权向量 所有因素两两相互对比,对比时采用相对尺度,以尽可能减少性质不同的诸因素相互对比的困难,提高准确度。 假设要比较某一层n 个因素对12,n c c c 上层一个因素O 的影响,每次取两个

第1节 数学建模与数学探究

第1节数学建模与数学探究 【内容要求】 数学建模活动是对现实问题进行数学抽象,用数学语言表达问题、用数学方法构建模型解决问题的过程.主要包括:在实际情境中从数学的视角发现问题、提出问题,分析问题、构建模型,确定参数、计算求解,检验结果、改进模型,最终解决实际问题.数学建模活动是基于数学思维运用模型解决实际问题的一类综合实践活动,是高中阶段数学课程的重要内容. 【基本过程】 数学建模活动的基本过程如下: 数学探究活动是围绕某个具体的数学问题,开展自主探究、合作研究并最终解决问题的过程.具体表现为:发现和提出有意义的数学问题,猜测合理的数学结论,提出解决问题的思路和方案,通过自主探索、合作研究论证数学结论.数学探究活动是运用数学知识解决数学问题的一类综合实践活动,也是高中阶段数学课程的重要内容. 【过程解读】 掌握建模基本过程,会对实际问题进行问题分析,善于合理假设. ·问题分析也常称为模型准备或问题重述.由于数学模型是建立数学与实际现象之

间的桥梁,因此,首要的工作是要设法用数学的语言表述实际现象.所谓问题重述是指把实际现象尽量地使用贴近数学的语言进行重新描述.为此,要充分了解问题的实际背景,明确建模的目的,尽可能弄清对象的特征,并为此搜集必需的各种信息或数据.要善于捕捉对象特征中隐含的数学因素,并将其一一列出.至此,我们便有了一个很好的开端,而有了这个良好的开端,不仅可以决定建模方向,初步确定用哪一类模型,而且对下面的各个步骤都将产生影响. ·模型假设(即合理假设)是与问题分析紧密衔接的又一个重要步骤.根据对象的特征和建模目的,在问题分析基础上对问题进行必要的、合理的取舍简化,并使用精确的语言作出假设,这是建模至关重要的一步.这是因为,一个实际问题往往是复杂多变的,如不经过合理的简化假设,将很难于转化成数学模型,即便转化成功,也可能是一个复杂的难于求解的模型从而使建模归于失败.当然,假设作得不合理或过分简单也同样会因为与实际相去甚远而使建模归于失败.一般地,作出假设时要充分利用与问题相关的有关学科知识,充分发挥想象力和观察判断力,分清问题的主次,抓住主要因素,舍弃次要因素. 【实际意义】 数学建模的实际意义 1.在一般工程技术领域,数学建模仍然大有用武之地. 在以声、光、热、力、电这些物理学科为基础的诸如机械、电机、土木、水利等工程技术领域中,数学建模的普遍性和重要性不言而喻,虽然这里的基本模型是已有的,但是由于新技术、新工艺的不断涌现,提出了许多需要用数学方法解决的新问题;高速、大型计算机的飞速发展,使得过去即便有了数学模型也无法求解的课题(如大型水坝的应力计算,中长期天气预报等)迎刃而解;建立在数学模型和计算机模拟基础上的CAD技术,以其快速、经济、方便等优势,大量地替代了传统工程设计中的现场实验、物理模拟等手段. 2.在高新技术领域,数学建模几乎是必不可少的工具. 无论是发展通讯、航天、微电子、自动化等高新技术本身,还是将高新技术用于传统工业去创造新工艺、开发新产品,计算机技术支持下的建模和模拟都是经常使用的有效手段.数学建模、数值计算和计算机图形等相结合形成的计算机软件,已经被固化于产品中,在许多高新技术领域起着核心作用,被认为是高新技术的特征之一.

数学建模之回归分析法

什么是回归分析 回归分析(regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛,回归分析按照涉及的自变量的多少,可分为一元回归分析和多元回归分析;按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。如果在回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量,且因变量和自变量之间是线性关系,则称为多元线性回归分析。 回归分析之一多元线性回归模型案例解析 多元线性回归,主要是研究一个因变量与多个自变量之间的相关关系,跟一元回归原理差不多,区别在于影响因素(自变量)更多些而已,例如:一元线性回归方程为: 毫无疑问,多元线性回归方程应该为: 上图中的x1, x2, xp分别代表“自变量”Xp截止,代表有P个自变量,如果有“N组样本,那么这个多元线性回归,将会组成一个矩阵,如下图所示: 那么,多元线性回归方程矩阵形式为: 其中:代表随机误差,其中随机误差分为:可解释的误差和不可解释的误差,随机误差必须满足以下四个条件,多元线性方程才有意义(一元线性方程也一样) 1:服成正太分布,即指:随机误差必须是服成正太分别的随机变量。 2:无偏性假设,即指:期望值为0 3:同共方差性假设,即指,所有的随机误差变量方差都相等 4:独立性假设,即指:所有的随机误差变量都相互独立,可以用协方差解释。

今天跟大家一起讨论一下,SPSS---多元线性回归的具体操作过程,下面以教程教程数据为例,分析汽车特征与汽车销售量之间的关系。通过分析汽车特征跟汽车销售量的关系,建立拟合多元线性回归模型。数据如下图所示:(数据可以先用excel建立再通过spss打开) 点击“分析”——回归——线性——进入如下图所示的界面:

基于层次分析法的数学建模

基于层次分析法研究云南烟草品牌竞争力 摘要 与国外知名烟草品牌相比,国内的烟草品牌存在着品牌集中度不够,品牌多、杂、散、小;品牌定位模糊,市场占有率低;品牌形象乱,品牌美誉度低,消费者购买行为习惯化导致忠诚度差等问题,因此,本文采用层次分析法对在中国烟草行业中有着举足轻重地位的云南省烟草品牌竞争力进行了评价研究,分析云南烟草业品牌现状,提出品牌竞争力的影响因素,对提高云南烟草业的品牌竞争力、解决烟草业存在的问题提供一定的帮助。 关键词:烟草品牌云南烟草品牌竞争力层次分析法 一、问题重述 近年来,我国一直推进实施卷烟工业的整合重组、卷烟品牌的淘汰和优化。但是,由于之前的卷烟品牌众多;截止到 2009 年底我国的烟草企业有 30 家,卷烟品牌 138 个,所以目前我国烟草企业之间的竞争非常激烈,行业内有众多势均力敌的竞争对手。当今卷烟产品差异化日渐缩小,消费者购买时会更看重品牌价值和品牌文化,使烟草行业内部面临着激烈的竞争,以具有代表性的云烟为实证,分析云南烟草企业的品牌竞争力及影响品牌竞争力的主要因素,并提出提高云烟品牌竞争力的对策建议。

二、问题分析 (1)云南卷烟近年情况分析 图1为云产卷烟在全国各地区的销量情况,有颜色部分为云南卷烟销量均超过15.58万箱,在全国卷烟销售中占有很大份额。2008 年卷烟品牌为16个,比2003年的36个减少了 20个。作为全国卷烟产销量最大的省份,2009 年云南的产销量达到 3667.9 亿支。在卷烟产量增幅较小的情况下,2008 年云南烟草工业税利为 577 亿元,比2003 年的 330 亿元增加了 247 亿元。因此,分析云南卷烟品牌竞争力有助于对云南卷烟品牌做出适当的规划调整,很大程度上能够促进云南经济的发展。(数据为云南中烟系统中2015年 云产卷烟销量数据) 图1

数学建模的基本步骤

数学建模的基本步骤 一、数学建模题目 1)以社会,经济,管理,环境,自然现象等现代科学中出现的新问题为背景,一般都有一个比较确切的现实问题。 2)给出若干假设条件: 1. 只有过程、规则等定性假设; 2. 给出若干实测或统计数据; 3. 给出若干参数或图形等。 根据问题要求给出问题的优化解决方案或预测结果等。根据问题要求题目一般可分为优化问题、统计问题或者二者结合的统计优化问题,优化问题一般需要对问题进行优化求解找出最优或近似最优方案,统计问题一般具有大量的数据需要处理,寻找一个好的处理方法非常重要。 二、建模思路方法 1、机理分析根据问题的要求、限制条件、规则假设建立规划模型,寻找合适的寻优算法进行求解或利用比例分析、代数方法、微分方程等分析方法从基本物理规律以及给出的资料数据来推导出变量之间函数关系。 2、数据分析法对大量的观测数据进行统计分析,寻求规律建立数学模型,采用的分析方法一般有: 1). 回归分析法(数理统计方法)-用于对函数f(x)的一组观测值(xi,fi)i=1,2,…,n,确定函数的表达式。 2). 时序分析法--处理的是动态的时间序列相关数据,又称为过程统计方法。 3)、多元统计分析(聚类分析、判别分析、因子分析、主成分分析、生存数据分析)。 3、计算机仿真(又称统计估计方法):根据实际问题的要求由计算机产生随机变量对动态行为进行比较逼真的模仿,观察在某种规则限制下的仿真结果(如蒙特卡罗模拟)。 三、模型求解: 模型建好了,模型的求解也是一个重要的方面,一个好的求解算法与一个合

适的求解软件的选择至关重要,常用求解软件有matlab,mathematica,lingo,lindo,spss,sas等数学软件以及c/c++等编程工具。 Lingo、lindo一般用于优化问题的求解,spss,sas一般用于统计问题的求解,matlab,mathematica功能较为综合,分别擅长数值运算与符号运算。 常用算法有:数据拟合、参数估计、插值等数据处理算法,通常使用spss、sas、Matlab作为工具. 线性规划、整数规划、多元规划、二次规划、动态规划等通常使用Lindo、Lingo,Matlab软件。 图论算法,、回溯搜索、分治算法、分支定界等计算机算法, 模拟退火法、神经网络、遗传算法。 四、自学能力和查找资料文献的能力: 建模过程中资料的查找也具有相当重要的作用,在现行方案不令人满意或难以进展时,一个合适的资料往往会令人豁然开朗。常用文献资料查找中文网站:CNKI、VIP、万方。 五、论文结构: 0、摘要 1、问题的重述,背景分析 2、问题的分析 3、模型的假设,符号说明 4、模型的建立(局部问题分析,公式推导,基本模型,最终模型等) 5、模型的求解 6、模型检验:模型的结果分析与检验,误差分析 7、模型评价:优缺点,模型的推广与改进 8、参考文献 9、附录 六、需要重视的问题 数学建模的所有工作最终都要通过论文来体现,因此论文的写法至关重要:

20112515直线一级倒立摆机理建模

上海电力学院课程设计报告 课名:自动控制原理应用实践 题目:倒立摆控制装置 院系:自动化工程学院 专业:测控技术与仪器 班级:2011151班 姓名:马玉林 学号:20112515 时间:2014年1月14日

倒立摆系统按摆杆数量的不同,可分为一级,二级,三级倒立摆等,多级摆的摆杆之间属于自有连接(即无电动机或其他驱动设备)。对倒立摆系统的研究能有效的反映控制中的许多典型问题:如非线性问题、鲁棒性问题、镇定问题、随动问题以及跟踪问题等。通过对倒立摆的控制,用来检验新的控制方法是否有较强的处理非线性和不稳定性问题的能力。 倒立摆的控制问题就是使摆杆尽快地达到一个平衡位置,并且使之没有大的振荡和过大的角度和速度。当摆杆到达期望的位置后,系统能克服随机扰动而保持稳定的位置。 1.1 倒立摆的控制方法 倒立摆系统的输入来自传感器的小车与摆杆的实际位置信号,与期望值进行比较后,通过控制算法得到控制量,再经数模转换驱动直流电机实现倒立摆的实时控制。直流电机通过皮带带动小车在固定的轨道上运动,摆杆的一端安装在小车上,能以此点为轴心使摆杆能在垂直的平面上自由地摆动。作用力u平行于铁轨的方向作用于小车,使杆绕小车上的轴在竖直平面内旋转,小车沿着水平铁轨运动。当没有作用力时,摆杆处于垂直的稳定的平衡位置(竖直向下)。为了使杆子摆动或者达到竖直向上的稳定,需要给小车一个控制力,使其在轨道上被往前或朝后拉动。 本次设计中我们采用其中的牛顿-欧拉方法建立直线型一级倒立摆系统的数学模型,然后通过开环响应分析对该模型进行分析,并利用学习的古典控制理论和Matlab /Simulink仿真软件对系统进行控制器的设计,主要采用根轨迹法,频域法以及PID(比例-积分-微分)控制器进行模拟控制矫正。 2 直线倒立摆数学模型的建立 直线一级倒立摆由直线运动模块和一级摆体组件组成,是最常见的倒立摆之一,直线倒立摆是在直线运动模块上装有摆体组件,直线运动模块有一个自由度,小车可以沿导轨水平运动,在小车上装载不同的摆体组件。 系统建模可以分为两种:机理建模和实验建模。实验建模就是通过在研究对象上加上一系列的研究者事先确定的输入信号,激励研究对象并通过传感器检测其可观测的输出,应用数学手段建立起系统的输入-输出关系。这里面包括输入

回归分析在数学建模中的应用

摘要 回归分析和方差分析是探究和处理相关关系的两个重要的分支,其中回归分析方法是预测方面最常用的数学方法,它是利用统计数据来确定变量之间的关系,并且依据这种关系来预测未来的发展趋势。本文主要介绍了一元线性回归分析方法和多元线性回归分析方法的一般思想方法和一般步骤,并且用它们来研究和分析我们在生活中常遇到的一些难以用函数形式确定的变量之间的关系。在解决的过程中,建立回归方程,再通过该回归方程进行预测。 关键词:多元线性回归分析;参数估计;F检验

回归分析在数学建模中的应用 Abstract Regression analysis and analysis of variance is the inquiry and processing of the correlation between two important branches, wherein the regression analysis method is the most commonly used mathematical prediction method, it is the use of statistical data to determine the relationship between the variables, and based on this relationship predict future trends. introduces a linear regression analysis and multiple linear regression analysis method general way of thinking and the general steps, and use them to research and analysis that we encounter in our life, are difficult to determine as a function relationship between the variables in the solving process, the regression equation is established by the regression equation to predict. Keywords:Multiple linear regression analysis; parameter estimation;inspection II

数学建模之层次分析法

第四讲层次分析法 在现实世界中,往往会遇到决策的问题,比如如何选择旅游景点的问题,选择升学志愿的问题等等。在决策者作出最后的决定以前,他必须考虑很多方面的因素或者判断准则,最终通过这些准则作出选择。 比如选择一个旅游景点时,你可以从宁波、普陀山、浙西大峡谷、雁荡山和楠溪江中选择一个作为自己的旅游目的地,在进行选择时,你所考虑的因素有旅游的费用、旅游地的景色、景点的居住条件和饮食状况以及交通状况等等。这些因素是相互制约、相互影响的。我们将这样的复杂系统称为一个决策系统。这些决策系统中很多因素之间的比较往往无法用定量的方式描述,此时需要将半定性、半定量的问题转化为定量计算问题。层次分析法是解决这类问题的行之有效的方法。层次分析法将复杂的决策系统层次化,通过逐层比较各种关联因素的重要性来为分析、决策提供定量的依据。 一、建立系统的递阶层次结构 首先要把问题条理化、层次化,构造出一个有层次的结构模型。一个决策系统大体可以分成三个层次: (1) 最高层(目标层):这一层次中只有一个元素,一般它是分析问题的预定目标或理想结果; (2) 中间层(准则层):这一层次中包含了为实现目标所涉及的中间环节,它可以由若干个层次组成,包括所需考虑的准则、子准则; (3) 最低层(方案层):这一层次包括了为实现目标可供选择的各种措施、决策方案等。 比如旅游景点问题,我们可以得到下面的决策系统: 目标层——选择一个旅游景点 准则层——旅游费用、景色、居住、饮食、交通 方案层——宁波、普陀山、浙西大峡谷、雁荡山、楠溪江 二、构造成对比较判断矩阵和正互反矩阵 在确定了比较准则以及备选的方案后,需要比较若干个因素对同一目标的影响,从额确定它们在目标中占的比重。如旅游问题中,五个准则对于不同决策者在进行决策是肯定会有不同的重要程度,而不同的方案在相同的准则上也有不同的适合程度表现。层次结构反映了因素之间的关系,但准则层中的各准则在目标衡量中所占的比重并不一定相同,在决策者的

数学建模常用方法

数学建模常用方法 建模常用算法,仅供参考: 1、蒙特卡罗算法(该算法又称随机性模拟算法,是通过计算机仿真来解决问题的算法,同时可以通过模拟可以来检验自己模型的正确性,是比赛时必 用的方法) 2、数据拟合、参数估计、插值等数据处理算法(比赛中通常会遇到大量的数据需要处理,而处理数据的关键就在于这些算法,通常使用M a t l a b作为工具) 3、线性规划、整数规划、多元规划、二次规划等规划类问题(建模竞赛大多数问题属于最优化问题,很多时候这些问题可以用数学规划算法来描述,通 常使用L i n d o、L i n g o软件实现) 4、图论算法(这类算法可以分为很多种,包括最短路、网络流、二分图等算法,涉及到图论的问题可以用这些方法解决,需要认真准备) 5、动态规划、回溯搜索、分治算法、分支定界等计算机算法(这些算法是算法设计中比较常用的方法,很多场合可以用到竞赛中) 6、最优化理论的三大非经典算法:模拟退火法、神经网络、遗传算法(这些问题是用来解决一些较困难的最优化问题的算法,对于有些问题非常有帮助,但是算法的实现比较困难,需慎重使用) 7、网格算法和穷举法(网格算法和穷举法都是暴力搜索最优点的算法,在很多竞赛题中有应用,当重点讨论模型本身而轻视算法的时候,可以使用这种 暴力方案,最好使用一些高级语言作为编程工具) 8、一些连续离散化方法(很多问题都是实际来的,数据可以是连续的,而计 算机只认的是离散的数据,因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的) 9、数值分析算法(如果在比赛中采用高级语言进行编程的话,那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用) 10、图象处理算法(赛题中有一类问题与图形有关,即使与图形无关,论文 中也应该要不乏图片的,这些图形如何展示以及如何处理就是需要解决的问题,通常使用M a t l a b进行处理) 一、在数学建模中常用的方法: 1.类比法 2.二分法 3.量纲分析法 4.差分法 5.变分法 6.图论法 7.层次分析法 8.数据拟合法 9.回归分析法 10.数学规划(线性规划、非线性规划、整数规划、动态规划、目标规划) 11.机理分析 12.排队方法

数学建模-回归分析-多元回归分析

1、 多元线性回归在回归分析中,如果有两个或两个以上的自变量,就称为 多元回归。事实上,一种现象常常是与多个因素相联系的,由多个自变量的最优组合共同来预测或估计因变量,比只用一个自变量进行预测或估计更有效,更符合实际。 在实际经济问题中,一个变量往往受到多个变量的影响。例如,家庭消费支出,除了受家庭可支配收入的影响外,还受诸如家庭所有的财富、物价水平、金融机构存款利息等多种因素的影响,表现在线性回归模型中的解释变量有多个。这样的模型被称为多元线性回归模型。(multivariable linear regression model ) 多元线性回归模型的一般形式为: 其中k 为解释变量的数目,j β (j=1,2,…,k)称为回归系数(regression coefficient)。上式也被称为总体回归函数的随机表达式。它的非随机表达式为: j β也被称为偏回归系数(partial regression coefficient)。 2、 多元线性回归计算模型 多元性回归模型的参数估计,同一元线性回归方程一样,也是在要求误差平方和(Σe)为最小的前提下,用最小二乘法或最大似然估计法求解参数。 设( 11 x , 12 x ,…, 1p x , 1 y ),…,( 1 n x , 2 n x ,…, np x , n y )是一个样本, 用最大似然估计法估计参数: 达 到最小。

把(4)式化简可得: 引入矩阵: 方程组(5)可以化简得: 可得最大似然估计值:

3、Matlab 多元线性回归的实现 多元线性回归在Matlab 中主要实现方法如下: (1)b=regress(Y, X ) 确定回归系数的点估计值 其中 (2)[b,bint,r,rint,stats]=regress(Y,X,alpha)求回归系数的点估计和区间估计、并检 验回归模型 ①bint 表示回归系数的区间估计. ②r 表示残差 ③rint 表示置信区间 ④stats 表示用于检验回归模型的统计量,有三个数值:相关系数r2、F 值、与F 对应的 概率p 说明:相关系数r2越接近1,说明回归方程越显著;F>F1-alpha(p,n-p-1) 时拒绝H0,F 越大,说明回归方程越显著;与F 对应的概率p<α 时拒绝H0,回归模型成立。 ⑤alpha 表示显著性水平(缺省时为0.05) (3)rcoplot(r,rint) 画出残差及其置信区间

(完整版)数学建模之层次分析法

层次分析法 层次分析法是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。该方法将定量分析与定性分析结合起来,用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度,并合理地给出每个决策方案的每个标准的权数,利用权数求出各方案的优劣次序,比较有效地应用于那些难以用定量方法解决的课题。 缺点: (1)层次分析法的主观性太强,模型的搭建,判断矩阵的输入都是决策者的主观判断,往往会因为决策者的考虑不周、顾此失彼而造成失误。 (2)层次分析法模型的内部结构太过理想化,完全分离、彼此独立的层次结构在实践中很难做到。 (5)层次分析法只能从给定的决策方案中去选择,而不能给出新的、更优的策略。 1.模型的应用 用于解决多目标的复杂问题的定性与定量相结合的决策分析。 (1)公司选拔人员, (2)旅游地点的选取, (3)产品的购买等, (4)船舶投资决策问题(下载文档), (5)煤矿安全研究, (6)城市灾害应急能力, (7)油库安全性评价, (8)交通安全评价等。 2.步骤 ①建立层次结构模型 首先明确决策目标,再将各个因素按不同的属性从上至下搭建出一个有层次的结构模型,模型如下图所示。

目标层 准则层 方案层 目标层:表示解决问题的目的,即层次分析要达到的总目标。通常只有一个总目标。 准则层:表示采取某种措施、政策、方案等实现预定总目标所涉及的中间环节。 方案层:表示将选用的解决问题的各种措施、政策、方案等。通常有几个方案可选。 注意: (1)任一元素属于且仅属于一个层次;任一元素仅受相邻的上层元素的支配,并不是任一元素与下层元素都有联系; (2)虽然对准则层中每层元素数目没有明确限制,但通常情况下每层元素数最好不要超过 9 个。这是因为,心理学研究表明,只有一组事物在 9 个以内,普通人对其属性进行判别时才较为清楚。当同一层次元素数多于 9 个时,决策者对两两重要性判断可能会出现逻辑错误的概率加大,此时可以通过增加层数,来减少同一层的元素数。 ②构造判断(成对比较)矩阵 以任意一个上一层的元素为准则,对其支配的下层各因素之间进行两两比 a重要程度的衡量用Santy的1—9较。得到判断矩阵,再求出各元素的权重。 ij 标度方法给出。即

第5章 机理分析建模法

第四章机理分析建模法机理分析是根据对现实对象特性的认识, 分析其因果关系, 找出反映内部机理的规律. *与问题相关的物理、化学、经济 等方面的知识. *通过对数据和现象的分析对事 物内在规律做出的猜想(模型假设).模型特点:有明确的物理或现实意义 1

8.1 微分方程的建立 实际问题需寻求某个变量y 随另一变量 t 的变化规律:y=y(t). 2

3在工程实际问题中 “ “改变”、“变化”、“增加”、“减少”等关键词提示我们注意什么量在变化. 关键词“速率”、“增长” “衰变” ,“边际的” ,常涉及到导数. 建建建立立立方方方法法法常常常用用用微微微分分分方方方程程程运用已知物理定律

一.运用已知物理定律 建立微分方程模型时 例8.1.1 一个较热的物体置于室温为180c的房间内,该物体最初的温度是600c,3分钟以后降到500c .想知道它的温度降到300c 需要多少时间?10分钟以后它的温度是多少? 牛顿冷却(加热)定律:将温度为T的物体放入处于常温 m的介质中时,T的变化速率正与周围介质的温度差.. 比于T与周围介质的温度差 4

5 分析:假设房间足够大,放入温度较低或较高的物体时,室内温度基本不受影响,即室温分布均衡分布均衡,,保持为保持为m m ,采用牛顿冷却定律是一个相当好的近似。 建立模型:设物体在冷却过程中的温度为T (t ),t ≥0, “T 的变化速率正比于T 与周围介质的温度差” 翻译为成正比与m T dt dT ?数学语言

6 ?????=??=. 60)0(),(T m T k dt dT 建立微分方程 其中参数k >0,m =18. 求得一般解为 ln(T -m )=-k t+c , 代入条件,求得c=42 ,k=- , 最后得21 16ln 31, 0,≥+=?t ce m T kt 或

数学建模多元回归模型

实习报告书 学生姓名: 学号: 学院名称: 专业名称: 实习时间: 2014年 06 月 05 日 第六次实验报告要求 实验目的: 掌握多元线性回归模型的原理,多元线性回归模型的建立、估计、检验及解释变量的增减的方法,以及运用相应的Matlab软件的函数计算。 实验内容: 已知某市粮食年销售量、常住人口、人均收入、肉、蛋、鱼的销售数据,见表1。请选择恰当的解释变量和恰当的模型,建立粮食年销售量的回归模型,并对其进行估计和检验。

表1 某市粮食年销售量、常住人口、人均收入、肉、蛋、鱼的销售数据 年份粮食年销售 量Y/万吨 常住人口 X2/万人 人均收 入X3/ 元 肉销售 量X4/万 吨 蛋销售 量X5/ 万吨 鱼虾销 售量 X6/万吨 197498.45560.20153.20 6.53 1.23 1.89 1975100.70603.11190.009.12 1.30 2.03 1976102.80668.05240.308.10 1.80 2.71 1977133.95715.47301.1210.10 2.09 3.00 1978140.13724.27361.0010.93 2.39 3.29 1979143.11736.13420.0011.85 3.90 5.24 1980146.15748.91491.7612.28 5.13 6.83 1981144.60760.32501.0013.50 5.418.36 1982148.94774.92529.2015.29 6.0910.07

1983158.55785.30552.7218.107.9712.57 1984169.68795.50771.1619.6110.1815.12 1985162.14804.80811.8017.2211.7918.25 1986170.09814.94988.4318.6011.5420.59 1987178.69828.731094.6 523.5311.6823.37 实验要求: 撰写实验报告,参考第10章中牙膏销售量,软件开发人员的薪金两个案例,写出建模过程,包括以下步骤 1.分析影响因变量Y的主要影响因素及经济意义; 影响因变量Y的主要影响因素有常住人口数量,城市中人口越多,需要的粮食数量就越多,粮食的年销售量就会相应增加。粮食销量还和人均收入有关,人均收入增加了,居民所能购买的粮食数量也会相应增加。另外,肉类销量、蛋销售量、鱼虾销售量也会对粮食的销售量有影响,这些销量增加了,也表示居民的饮食结构也在发生变化,生活水平在提高,所以相应的,生活水平提升了,居民也有能力购买更多的粮食。

数学建模方法和步骤

数学建模的主要步骤: 第一、模型准备 首先要了解问题的实际背景,明确建模目的,搜集必需的各种信息,尽量弄清对象的特征. 第二、模型假设 根据对象的特征和建模目的,对问题进行必要的、合理的简化,用精确的语言作出假设,是建模至关重要的一步.如果对问题的所有因素一概考虑,无疑是一种有勇气但方法欠佳的行为,所以高超的建模者能充分发挥想象力、洞察力和判断力,善于辨别主次,而且为了使处理方法简单,应尽量使问题线性化、均匀化. 第三、模型构成 根据所作的假设分析对象的因果关系,利用对象的内在规律和适当的数学工具,构造各个量间的等式关系或其它数学结构.这时,我们便会进入一个广阔的应用数学天地,这里在高数、概率老人的膝下,有许多可爱的孩子们,他们是图论、排队论、线性规划、对策论等许多许多,真是泱泱大国,别有洞天.不过我们应当牢记,建立数学模型是为了让更多的人明了并能加以应用,因此工具愈简单愈有价值. 第四、模型求解 可以采用解方程、画图形、证明定理、逻辑运算、数值运算等各种传统的和近代的数学方法,特别是计算机技术.一道实际问题的解决往往需要纷繁的计算,许多时候还得将系统运行情况用计算机模拟出来,因此编程和熟悉数学软件包能力便举足轻重. 第五、模型分析 对模型解答进行数学上的分析."横看成岭侧成峰,远近高低各不?quot;,能否对模型结果作出细致精当的分析,决定了你的模型能否达到更高的档次.还要记住,不论那种情况都需进行误差分析,数据稳定性分析. 数学建模采用的主要方法有: (一)、机理分析法:根据对客观事物特性的认识从基本物理定律以及系统的结构数据来推导出模 型. 1、比例分析法:建立变量之间函数关系的最基本最常用的方法. 2、代数方法:求解离散问题(离散的数据、符号、图形)的主要方法. 3、逻辑方法:是数学理论研究的重要方法,对社会学和经济学等领域的实际问题,在决策,对策等学科中得到广泛应用. 4、常微分方程:解决两个变量之间的变化规律,关键是建立“瞬时变化率”的表达式. 5、偏微分方程:解决因变量与两个以上自变量之间的变化规律. (二)、数据分析法:通过对量测数据的统计分析,找出与数据拟合最好的模型 1、回归分析法:用于对函数f(x)的一组观测值(xi,fi)i=1,2,…,n,确定函数的表达式,由于处理的是静态的独立数据,故称为数理统计方法. 2、时序分析法:处理的是动态的相关数据,又称为过程统计方法. 3、回归分析法:用于对函数f(x)的一组观测值(xi,fi)i=1,2,…,n,确定函数的表达式,由于处理的是静态的独立数据,故称为数理统计方法.

公交车门运动机构原理分析及模型制作

公交车门运动机构原理分析及模型制作 文稿归稿存档编号:[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58-

公交车门运动机构原理分析及模型制作 材料科学与工程学院2011级卓越一班第2小组 组员:朱富慧、王文霞、徐潇、 赵洪阳 目录 一、车门机构数据采集 本组主要了解了k52路公交的车门构造,通过拍摄细节照片和录制视频收集数据,并分析其运动原理和利用solidworks软件制作其模型(该过程在保证机构正常运动前提下,仅做了少部分简化和优化,最大程度保持拟实性与美观性)。收集到的资料(视频资料参见附件)如下:

二、机构运动原理分析 车门运动机构简图 该运动机构包括5个构件, 1、5为机架,2、3为杆件,4为滑块。 4个低副:3个转动副O 1、O 2 、O 3 和一个移动副。 自由度F=3n-2P L -P H =3×3-2×4-0=1,自由度为1,有确定的运动。 三、装配分析 该机构中,1、5为机架,连接在车体上; 杆件2:柱子、柱子扣、连杆组成的整体; 杆件3:车门; O 1 :机构与动力系统连接形成的转动副; O 2 :连杆与门连接形成的转动副; O 3 :门与滑块4连接形成的转动副。 四、运动过程分析 开门时,动力系统通过转动副O 1使杆件2顺时针转动,杆件2通过转动副O 2 及杆件3 (门)带动滑块向两侧滑动同时在O 3 作用下使之逆时针旋转。关门与开门工程相反。 五、装配效果图(另可参见附件2) 六、装配效果动画展示 参见附件3.

七、部分零件模型(另可参见附件2) 八、成果与收获 在本次公交车门运动机构原理分析及模型制作的协作中,我们实地收集资料、分析原理、制作模型,并成功利用模型模拟了车门机构的运动。从中我们也遇到许多配合和尺寸方面的问题,提升了综合分析问题的能力,对机构运动原理也有了更为深刻的认识。

数学建模统计模型

数学建模

论文题目: 一个医药公司的新药研究部门为了掌握一种新止痛剂的疗效,设计了一个药物试验,给患有同种疾病的病人使用这种新止痛剂的以下4个剂量中的某一个:2 g,5 g,7 g和10 g,并记录每个病人病痛明显减轻的时间(以分钟计). 为了解新药的疗效与病人性别和血压有什么关系,试验过程中研究人员把病人按性别及血压的低、中、高三档平均分配来进行测试. 通过比较每个病人血压的历史数据,从低到高分成3组,分别记作,和. 实验结束后,公司的记录结果见下表(性别以0表示女,1表示男). 请你为该公司建立一个数学模型,根据病人用药的剂量、性别和血压组别,预测出服药后病痛明显减轻的时间.

一、摘要 在农某医药公司为了掌握一种新止痛药的疗效,设计了一个药物实验,通过观测病人性别、血压和用药剂量与病痛时间的关系,预测服药后病痛明显减轻的时间。我们运用数学统计工具m i n i t a b软件,对用药剂量,性别和血压组别与病痛减轻

时间之间的数据进行深层次地处理并加以讨论概率值P (是否<)和拟合度R-S q的值是否更大(越大,说明模型越好)。 首先,假设用药剂量、性别和血压组别与病痛减轻时间之间具有线性关系,我们建立了模型Ⅰ。对模型Ⅰ用m i n i t a b 软件进行回归分析,结果偏差较大,说明不是单纯的线性关系,然后对不同性别分开讨论,增加血压和用药剂量的交叉项,我们在模型Ⅰ的基础上建立了模型Ⅱ,用m i n i t a b软件进行回归分析后,用药剂量对病痛减轻时间不显着,于是我们有引进了用药剂量的平方项,改进模型Ⅱ建立了模型Ⅲ,用m i n i t a b 软件进行回归分析后,结果合理。最终确定了女性病人服药后病痛减轻时间与用药剂量、性别和血压组别的关系模型: Y=1x 3x 1x 3x 2 1 x 对模型Ⅱ和模型Ⅲ关于男性病人用m i n i t a b软件进行回归分析,结果偏差依然较大,于是改进模型Ⅲ建立了模型Ⅳ,用m i n i t a b软件进行回归分析后,结果合理。最终确定了男性病人服药后病痛减轻时间与用药剂量、性别和血压组别的关系模 型:Y=1x1x 3x 2 1 x关键词止痛剂药剂量性别病痛减轻时 间

相关文档
最新文档