@2太阳能电池的数学模型
2太阳能电池的数学模型
太阳能电池的数学模型是太阳能电池模拟器系统设计的基础，本章从太阳能电池的工作原理、等效电路出发，详细介绍了太阳能电池数学模型的建模过程，给出了太阳能电池的数学模型，并且对该数学模型进行了仿真，证明了该数学模型的正确性，为下文提出六折线模型拟合太阳能电池的I-V特性曲线奠定了基础。
2.1太阳能电池的工作原理
通常所说的太阳能电池指的是太阳能电池单体，太阳能电池单体是一种能够利用光伏效应将太阳能直接转换为电能的半导体装置，它的转换效率一般可达百分之十五左右。它通常是由大量的PN结串联而成的，整体结构一般是由一个P型半导体作为底座，在上面刻入N 型薄膜，并且通过金属导线把PN结的两端引出。太阳能电池单体是最小的光电转换单位，输出电压和输电电流都很小，一般不可以直接作为电源使用。通常都是将一定数量太阳能电池单体通过串联构成太阳能电池组件来使用。太阳能电池组件的输出电压一般达到24V左右，24V的电压可用来为蓄电池充电，能够应用在各个系统和领域中。当需要进行大功率光伏发电系统时，可以把这些太阳能电池组件通过一定的形式串联或并联起来，形成太阳能电池阵列。太阳能电池阵列能够产生较大的功率，可以用在各个领域中。
太阳能电池发电的原理主要是半导体的光生伏特效应，也称为光伏效应。硅半导体结构如图2-1 a)所示，在图中，硅原子用正电荷来表示，硅原子四周的四个电子用图中的负电荷来表示。当向晶体硅中掺入其他的杂质，如硼、磷等就会形成一个个很小的PN结。当向晶体中掺入硼时，含有杂质硼的晶体硅的内部电子排列如图2-1 (b)所示。图中，硅原子用正电荷来表示，硅原子四周的四个电子用负电荷表示，而图中黄色的就表示掺入的硼原子，由于硼原子的外部只有三个电子，就会吸引硅原子的一个电子过来，这样就会产生如图中蓝色的空穴，这个空穴又会因为没有足够的电子而去吸引别的电子，这样就形成了P ( positive)型半导体。
同样的原理，如图2-1 (c)，当掺入的杂质为磷时，因为磷原子的周围有五个电子，磷原子与硅原子结合时就会多出来一个电子，多出来的这一个电子通常在晶体内部是很活跃的，这样就形成了N ( negative)型半导体。
如上面的分析，P型半导体内部含有多余的电子，而同时N型半导体内部含有多余的空穴，当这两种半导体材料结合在一起时，就会在交界处的区域内形成一个特殊的薄层，这个薄层就是PN结。PN结靠近P型半导体的这侧带负电，靠近N型半导体的这侧带正电。这是因为P型半导体内部含有多余的空穴，而N型半导体内部含有多余的电子，当二者结合在一起时就会出现电子和空穴的浓度差，这样就会出现P型半导体的空穴向N型半导体
的这侧扩散，而N型半导体的电子向P型半导体这侧扩散，扩散的结果是P型半导体因为留下多余的电子而表现出带有负电，同时N型半导体因为留下了多余的空穴而表现出带有正电，这样就形成了一个由N区指向P区的内建电场，而内建电场又有阻碍电子和空穴扩散的作用，并且还会使电子和空穴向与扩散运动相反的方向进行漂移运动。最终空穴和电子的扩散运动与漂移运动会达到一个动态的平衡。处于动态平衡下的这个薄膜区域就是PN结，如图2-2所示。
当含有杂质的半导体受到光照射时，PN结中，P型半导体中的电子会向N型区域流动，而N型半导体中的空穴会向P型区域流动。这样就形成了由N区向P区流动的电流，然后在PN结中由于空穴和电子的堆积就形成了电势差，这种电势差对外就表现为电源。
因为半导体不是电的良导体，电子在PN结内部流动时会遇到很大的阻碍，对外就表现为内阻很大。为此，我们在PN结材料的表面涂上金属层以供电子顺利流动，但是如果在PN 结表层全部涂上金属层，阳光就被阻挡在金属层的外面不能进入，也就不产生电流了，因此一般都是用金属网格覆盖PN结，这样既能使PN结顺利产生电流，也能够使足够的太阳光流进PN表面上。另外由于硅的表面很光滑，大量的太阳光会被反射掉而不能被电池利用。针对这个问题，科学家们想了一个办法，在PN结的表面涂上一层能够吸收太阳光的反射膜，这样就能够将照在电池表面的太阳光的95%吸收到PN结上。
2.2太阳能电池的等效电路
上一节我们己经对太阳能电池的原理进行了详细的说明，当接上负载的太阳能电池被阳光照射时，负载中便会有电流流过，然后负载两端便会有电压产生，我们可用图2-3所示的等效电路来说明此时太阳能电池的工作情况。图中用能稳定产生光电流1:的电流源代表太阳能电池，同时并联一个并联电阻RS,Z和一个处于正偏电压下的二极管。从图中可以明显的看出，流经二极管的I。和流经并联电阻的旁路电流I S,Z都是由I:供给的，剩余的一部分光电流通过太阳能电池的串联电阻RS后流入负载R。对于实际的太阳能电池而言，我们可以把它看成是由许多个具有这种等效电路结构的电池单元并联而形成的，所以图2-3中所示的等效电路中的所有参量都应看作是集中参量(即各子电池参量的总和)。
假设负载端电压和流进负载R的电流分别为U, I，则太阳能电池的等效电路的数学表达式为:
，一，;一，n牛exp[ q(:、IR)」
““LAlb 1
}
U+IR
一1卜一一
I R，
s九
(2一1)
式中:I:一光生电流;q一电荷电量;I。一二极管饱和电流;A一二极管因子;T-
开氏温度(K ); K一波尔兹曼常数;U一电池的输出电压;I一电池的输出电流;Rs}} - 等效并联电阻;R、一等效串联电阻。
式(2-1)是基于物理原理的最基本的解析表达式，己被广泛应用于太阳电池的理论分析中，但由于表达式中的5个参数，包括IL, lo, RS, RS,Z和A，它们不仅与电池温度和口射强度有关，而且确定十分困难，因此不便于工程应用，也不是太阳电池供应商向用户提供的技术参数。
2.3太阳能电池的输出特性
太阳能电池的输出特性主要是指它的输出1-v特性和它的输出P-v特性两种
特性[[21]，如图2-5所示。在某一特定的自然环境下，太阳能电池的输出电压和输出电流是跟电池所接的负载电阻相关的。对于某一电池，在特定的自然环境下，不同的电阻对应的输出电流和输出电压做成的曲线就是该电池在特定条件下的伏安特性曲线。研究太阳能电池的伏安特性曲线可以知道，单一条件下的特性曲线可以分析特定条件下负载与电池之间的相互作用，而不同条件下的特性曲线可以预见太阳能电池是如何被环境所影响的。
2.3.1太阳能电池的伏安特性曲线
The furthest distance in the world
Is not between life and death
But when I stand in front of you
Yet you don't know that
I love you.
The furthest distance in the world
Is not when I stand in front of you
Yet you can't see my love
But when undoubtedly knowing the love from both Yet cannot be together.
The furthest distance in the world
Is not being apart while being in love
But when I plainly cannot resist the yearning
Yet pretending you have never been in my heart. The furthest distance in the world
Is not struggling against the tides
But using one's indifferent heart
To dig an uncrossable river
For the one who loves you.
建立数学模型的方法、步骤、特点及分类
建立数学模型的方法、步骤、特点及分类 [学习目标] 1.能表述建立数学模型的方法、步骤； 2.能表述建立数学模型的逼真性、可行性、渐进性、强健性、可转移性、非 预制性、条理性、技艺性和局限性等特点；； 3.能表述数学建模的分类； 4.会采用灵活的表述方法建立数学模型； 5.培养建模的想象力和洞察力。 一、建立数学模型的方法和步骤 —般说来建立数学模型的方法大体上可分为两大类、一类是机理分析方法，一类是测试分析方法．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,建立的模型常有明确的物理或现实意义.测试分折将研究对象视为一个“黑箱”系统，内部机理无法直接寻求，可以测量系统的输人输出数据、并以此为基础运用统计分析方法，按照事先确定的准则在某一类模型中选出一个与数据拟合得最好的模型。这种方法称为系统辨识(System Identification)．将这两种方法结合起来也是常用的建模方法。即用机理分析建立模型的结构，用系统辨识确定模型的参数． 可以看出，用上面的哪一类方法建模主要是根据我们对研究对象的了解程度和建模目的决定的．如果掌握了机理方面的一定知识，模型也要求具有反映内部特性的物理意义。那么应该以机理分析方法为主．当然,若需要模型参数的具体数值，还可以用系统辨识或其他统计方法得到．如果对象的内部机理基本上没掌握，模型也不用于分析内部特性,譬如仅用来做输出预报，则可以系统辩识方法为主．系统辨识是一门专门学科，需要一定的控制理论和随机过程方面的知识．以下所谓建模方法只指机理分析。 建模要经过哪些步骤并没有一定的模式，通常与实际问题的性质、建模的目的等有关，从 §16.2节的几个例子也可以看出这点．下面给出建模的—般步骤，如图16-5所示． 图16-5 建模步骤示意图 模型准备首先要了解问题的实际背景，明确建模的目的搜集建模必需的各种信息如现象、数据等，尽量弄清对象的特征,由此初步确定用哪一类模型，总之是做好建模的准备工作．情况明才能方法对，这一步一定不能忽视，碰到问题要虚心向从事实际工作的同志请教，尽量掌握第一手资料. 模型假设根据对象的特征和建模的目的，对问题进行必要的、合理的简化，用精确的语言做出假设，可以说是建模的关键一步．一般地说，一个实际问题不经过简化假设就很难翻译成数学问题，即使可能，也很难求解．不同的简化假设会得到不同的模型．假设作得不合理或过份简单，会导致模型失败或部分失败，于是应该修改和补充假设；假设作得过分详细，试图把复杂对象的各方面因素都考虑进去，可能使你很难甚至无法继续下一步的工作．通常，作假设的依据，一是出于对问题内在规律的认识，二是来自对数据或现象的分析，也可以是二者的综合．作假设时既要运用与问题相关的物理、化学、生物、经济等方面的知识，又要充分发挥想象力、洞察力和判断力，善于辨别问题的主次，果断地抓住主要因素，舍弃次要因素，尽量将问题线性化、均匀化．经验在这里也常起重要作用．写出假设时，语言要精确，就象做习题时写出已知条件那样．
整数规划的两种数学模型解法
规划模型求解 指导老师： 组员： 组员分工 实际的内容： 1·简要介绍线性规划的历史 线性规划是运筹学中最基本、应用最广泛的分支。规划模型是一类有着广泛应用的确定性的系统优化模型，1939年，苏联数学家康托洛维奇出版《生产组织和计划中的数学方法》一书. 1947年，美国数学家丹兹格提出了线性规划问题的单纯形求解方法. 1951年，美国经济学家库普曼斯（J.C.Koopmans,1910—1985）出版《生产与配置的活动分析》一书. 1950～1956年，线性规划的对偶理论出现. 1960年，丹兹格与沃尔夫（P.Wolfe）建立大规模线性规划问题的分解算法. 1975年，康托洛维奇与库普曼斯因“最优资源配置理论的贡献”荣获诺贝尔经济学奖. 1978年，苏联数学家哈奇扬（L.G.Khachian）提出求解线性规划问题的多项式时间算法（内点算法），具有重要理论意义. 1984年，在美国贝尔实验室工作的印度裔数学家卡玛卡（N.Karmarkar）提出可以有效求解实际线性规划问题的多项式时间算法——Karmarkar算法.
线性规划的基本点就是在满足一定约束条件下，使预定的目标达到最优. 现在线性规划已不仅仅是一种数学理论和方法，而且成了现代化管理的重要手段，是帮助管理者与经营者做出科学决策的一个有效的数学技术. 历史表明，重要数学概念对数学发展的作用是不可估量的，函数概念对数学发展的影响，可以说是贯穿古今、旷日持久、作用非凡，回顾函数概念的历史发展，看一看 函数概念不断被精炼、深化、丰富的历史过程，是一件十分有益的事情，它不仅有助于我们提高对函数概念来龙去脉认识的清晰度，而且更能帮助我们领悟数学概念 对数学发展，数学学习的巨大作用。 2·线性规划的原理：线性规划是合理利用、调配资源 的一种应用数学方法。它的基本思路就是在满足一定的约束条件下，使预定的目标达到最优。它的研究内容可归纳为两个方面：一是系统的任务已定，如何合理筹划，精细安排，用最少的资源(人力、物力和财力)去实现这个任务；二是资源的数量已定，如何合理利用、调配，使任务完成的最多。前者是求极小，后者是求极大。线性规划是在满足企业内、外部的条件下，实现管理目标和极值(极小值和极大值)问题，就是要以尽少的资源输入来实现更多的社会需要的产品的产出。因此，线性规划是辅助企业“转轨”、“变型”的十分有利的工具，它在辅助企业经营决策、计划优化等方面具有重要的作用。其一般形式为： n n n n n n b x a x a x a b x a x a x a x c x c x c x f =+++=+++→+++= 2 2222121112121112211min )(
(完整word版)整数规划的数学模型及解的特点
整数规划的数学模型及解的特点 整数规划IP (integer programming)：在许多规划问题中，如果要求一部分或全部决策变量必须取整数。例如，所求的解是机器的台数、人数、车辆船只数等，这样的规划问题称为整数规划，简记IP 。 松弛问题(slack problem)：不考虑整数条件，由余下的目标函数和约束条件构成的规划问题称为该整数规划问题的松弛问题。 若松弛问题是一个线性规化问题，则该整数规划为整数线性规划(integer linear programming)。 一、整数线性规划数学模型的一般形式 ∑==n j j j x c Z 1 min)max(或 中部分或全部取整数n j n j i j ij x x x m j n i x b x a t s ,...,,...2,1,...,2,10 ),(.211 ==≥=≥≤∑= 整数线性规划问题可以分为以下几种类型 1、纯整数线性规划(pure integer linear programming)：指全部决策变量都必须取整数值的整数线性规划。有时，也称为全整数规划。
2、混合整数线性规划(mixed integer liner programming)：指决策变量中有一部分必须取整数值，另一部分可以不取整数值的整数线性规划。 3、0—1型整数线性规划(zero —one integer liner programming)：指决策变量只能取值0或1的整数线性规划。 1 解整数规划问题 0—1型整数规划 0—1型整数规划是整数规划中的特殊情形，它的变量仅可取值0或1，这时的 ???? ? ????≥≤+≥+≤-+=且为整数0,5210453233max 2121212121x x x x x x x x x x z
过程控制系统第2章 对象特性 习题与解答
过程控制系统第二章（对象特性）习题2-1．什么是被控过程的数学模型？ 2-1解答： 被控过程的数学模型是描述被控过程在输入（控制输入与扰动输入）作用下，其状态和输出（被控参数）变化的数学表达式。 2-2．建立被控过程数学模型的目的是什么？过程控制对数学模型有什么要求？ 2-2解答： 1）目的：○1设计过程控制系统及整定控制参数； ○2指导生产工艺及其设备的设计与操作； ○3对被控过程进行仿真研究； ○4培训运行操作人员； ○5工业过程的故障检测与诊断。 2）要求：总的原则一是尽量简单，二是正确可靠。阶次一般不高于三阶，大量采用具有纯滞后的一阶和二阶模型，最常用的是带纯滞后的一阶形式。 2-2．简述建立对象的数学模型两种主要方法。 2-2解答： 一是机理分析法。机理分析法是通过对对象内部运动机理的分析，根据对象中物理或化学变化的规律(比如三大守恒定律等)，在忽略一些次要因素或做出一些近似处理后推导出的对象特性方程。通过这种方法得到的数学模型称之为机理模型，它们的表现形式往往是微分方程或代数方程。 二是实验测取法。实验测取法是在所要研究的对象上，人为施加一定的输入作用，然后，用仪器测取并记录表征对象特性的物理量随时间变化的规律，即得到一系列实验数据或实验曲线。然后对这些数据或曲线进行必要的数据处理，求取对象的特性参数，进而得到对象的数学模型。 5-12 何为测试法建模？它有什么特点？ 2-3解答： 1）是根据工业过程输入、输出的实测数据进行某种数学处理后得到数学模型。
2）可以在不十分清楚内部机理的情况下，把被研究的对象视为一个黑匣子，完全通过外部测试来描述它的特性。 2-3．描述简单对象特性的参数有哪些?各有何物理意义? 2-3解答： 描述对象特性的参数分别是放大系数K 、时间常数T 、滞后时间τ。 放大系数K 放大系数K 在数值上等于对象处于稳定状态时输出的变化量与输入的变 化量之比，即 输入的变化量 输出的变化量=K 由于放大系数K 反映的是对象处于稳定状态下的输出和输入之间的关系，所以放大系数是描述对象静态特性的参数。 时间常数T 时间常数是指当对象受到阶跃输入作用后，被控变量如果保持初始速度变 化，达到新的稳态值所需的时间。或当对象受到阶跃输入作用后，被控变量达到新的稳态值的63．2％所需时间。 时间常数T 是反映被控变量变化快慢的参数，因此它是对象的一个重要的动态参数。 滞后时间τ滞后时间τ是纯滞后时间0τ和容量滞后c τ的总和。 输出变量的变化落后于输入变量变化的时间称为纯滞后时间，纯滞后的产生一般是由于介质的输送或热的传递需要一段时间引起的。容量滞后一般是因为物料或能量的传递需要通过一定的阻力而引起的。 滞后时间τ也是反映对象动态特性的重要参数。 5-6 什么是自衡特性？具有自衡特性被控过程的系统框图有什么特点？ 2-3解答： 1）在扰动作用破坏其平衡工况后，被控过程在没有外部干预的情况下自动恢复平衡的特性，称为自衡特性。 2）被控过程输出对扰动存在负反馈。 5-7 什么是单容过程和多容过程？
什么是数学模型与数学建模
1. 什么是数学模型与数学建模 简单地说：数学模型就是对实际问题的一种数学表述。 具体一点说：数学模型是关于部分现实世界为某种目的的一个抽象的简化的数学结构。 更确切地说：数学模型就是对于一个特定的对象为了一个特定目标，根据特有的内在规律，做出一些必要的简化假设，运用适当的数学工具，得到的一个数学结构。数学结构可以是数学公式，算法、表格、图示等。 数学建模就是建立数学模型，建立数学模型的过程就是数学建模的过程（见数学建模过程流程图）。数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻划并"解决"实际问题的一种强有力的数学手段。 2.美国大学生数学建模竞赛的由来： 1985年在美国出现了一种叫做MCM的一年一度大大学生数学模型（1987年全称为Mathematical Competition in Modeling,1988年改全称为Mathematical Contest in Modeling,其所写均为MCM）。这并不是偶然的。在1985年以前美国只有一种大学生数学竞赛（The william Lowell Putnam mathematial Competition,简称Putman(普特南）数学竞赛），这是由美国数学协会（MAA--即Mathematical Association of America的缩写）主持，于每年12月的第一个星期六分两试进行，每年一次。在国际上产生很大影响，现已成为国际性的大学生的一项著名赛事。该竞赛每年2月或3月进行。 我国自1989年首次参加这一竞赛，历届均取得优异成绩。经过数年参加美国赛表明，中国大学生在数学建模方面是有竞争力和创新联想能力的。为使这一赛事更广泛地展开，1990年先由中国工业与应用数学学会后与国家教委联合主办全国大学生数学建模竞赛（简称CMCM），该项赛事每年9月进行。
01型整数规划模型
甲乙公司不合作即竞争下所争取到的不同名专业推广者所建立的不同动态规划模 型的组合方案如下：其中X 为可能竞争到的专业推广者人数，即动态规划模型中第一天的
专业推广者推 广能力的份数，Y 为第二天需要的专业推广者推广能力的份数，即第三天安排从事推广 工作的专业推广者的人数；Z 为第三天需要的专业推广者推广能力的份数，即第三天安排从事推广工作的专业推广者的人数；a 为x 名专业推广者累计从事培训工作出来的兼职推广者的批数（每批20 人），其中，有多种组合方案；甲公司雇佣这些兼职推广者均工作一天，从事推广工作，第二天辞退a ?b 批兼职推广员，其余的b 批继续从事推广工作一天后辞退，即兼职宣传员总共最多雇佣2 天；cost 为花费的成本，即资金的使用数量；F 为不同方案下所达到的总推广效益。上表可以提供给甲公司做决策依据，根据效益的大小甲公司可以决策的目标方向顺序是从①--⑧，即不合作的情况下甲公司可以尽量争取到9 人，如若 不行，考虑争取4 人。 §5.4 0—1型整数规划模型 1、 0—1型整数规划模型概述 整数规划指的是决策变量为非负整数值的一类线性规划，在实际问题的应用中，整数规划模型对应着大量的生产计划或活动安排等决策问题，整数规划的解法主要有分枝定界解法及割平面解法（这里不作介绍，感兴趣的读者可参考相关书籍）。在整数规划问题中，0—1型整数规划则是其中较为特殊的一类情况，它要求决策变量的取值仅为0或1，在实际问题的讨论中，0—1型整数规划模型也对应着大量的最优决策的活动与安排讨论，我们将列举一些模型范例，以说明这个事实。 0—1型整数规划的的数学模型为： 目标函数 n n x c x c x c z M i n M a x +++= 2211)( 约束条件为： ???? ?? ?==≥≤++=≥≤++=≥≤++1 | 0 ) ,() ,() ,(2211222221211 1212111n m n mn m m n n n n x x x b x a x a x a b x a x a x a b x a x a x a , , ,21 这里，0 | 1表示0或1。 2、0—1型整数规划模型的解法
实验一 控制系统的数学模型
实验一 控制系统的数学模型 一 实验目的 1、学习用MATLAB 创建各种控制系统模型。 2、掌握传递函数模型、零-极点增益模型以及连续系统模型与离散系统模型之间的转化，模型的简化。 二 相关理论 1传递函数描述 (1)连续系统的传递函数模型 连续系统的传递函数如下： ? 对线性定常系统，式中s 的系数均为常数，且a1不等于零，这时系统在MATLAB 中 可以方便地由分子和分母系数构成的两个向量唯一地确定出来，这两个向量分别用num 和den 表示。 num=[b1,b2,…,bm,bm+1] den=[a1,a2,…,an,an+1] 注意：它们都是按s 的降幂进行排列的。 tf （）函数可以表示传递函数模型：G=tf(num, den) 举例： num=[12,24,0,20];den=[2 4 6 2 2]; G=tf(num, den) (2)零极点增益模型 ? 零极点模型实际上是传递函数模型的另一种表现形式，其原理是分别对原系统传递 函数的分子、分母进行分解因式处理，以获得系统的零点和极点的表示形式。 K 为系统增益，zi 为零点，pj 为极点 在MATLAB 中零极点增益模型用[z,p,K]矢量组表示。即： z=[z1,z2,…,zm] p=[p1,p2,...,pn] K=[k] zpk （）函数可以表示零极点增益模型：G=zpk(z,p,k) (3)部分分式展开 ? 控制系统常用到并联系统，这时就要对系统函数进行分解，使其表现为一些基本控 制单元的和的形式。 ? 函数[r,p,k]=residue(b,a)对两个多项式的比进行部分展开，以及把传函分解为微 分单元的形式。 ? 向量b 和a 是按s 的降幂排列的多项式系数。部分分式展开后，余数返回到向量r ， 极点返回到列向量p ，常数项返回到k 。 ? [b,a]=residue(r,p,k)可以将部分分式转化为多项式比p(s)/q(s)。 11 211121......)()()(+-+-++++++++==n n n n m n m m a s a s a s a b s b s b s b s R s C s G ))...()(())...()(()(2121n m p s p s p s z s z s z s K s G ------=22642202412)(23423++++++=s s s s s s s G
第二章 系统的数学模型
第二章 系统的数学模型 2．3图中三图分别表示三个机械系统。求出他们各自的微分方程，图中xi 表示输入位移，xo 表示输出位移，假设输出端无负载效应。 解：（1）、对图（a ）所示系统，有牛顿定律有 c 1(x i-x 0)-c 2x 0=m x 0 即 m x 0+(c 1-c 2) x 0= c 1x i （2）、对图（b ）所示系统，引入一中间变量x ，并有牛顿定律有 (x i -x)k 1=c(x -x 0) c(x -x 0)=k 2x 0 消除中间变量有 c(k 1+k 2)x 0+k 1k 2x 0=ck 1x i （3）、对图（c ）所示系统，有牛顿定律有 c(x i-x 0)+ k 1 (x i -x)= k 2x 0 即 c x 0+(k 1+k 2)x 0=c x i+ k 1x i 2.4 求出图（2.4）所示电网络图的微分方程。
解：（1）对图（a ）所示系统，设i x 为流过1R 的电流，i 为总电流，则有 ?+ =i d t C i R u o 2 21 11i R u u o i =- dt i i C u u o i ?-= -)(11 1 消除中间变量，并化简有 i i i o o o u R C u C C R R u R C u R C u C C R R u R C 1 22 11 221122 112211 )(1)1(++ +=++ ++ （2）对图（b ）所示系统，设i 为电流，则有 dt i C i R u u o i ?+ +=1 11 i R dt i C u o 2 2 1+= ? 消除中间变量，并化简有 i i o o u C u R u C C u R R 2 22 1 211)11()(+=+ ++ 2.5 求图2.5所示机械系统的微分方程。图中M 为输入转矩，C m 为圆周阻尼，J 为转动惯量。 解：设系统输入为M （即M （t ）），输出为θ（即θ（t ）），分别对圆盘和质块进行动力学分析，列写动力学方程如下：
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：
数学建模(整数规划)
整数规划模型
实际问题中 x x x x f z Max Min T n "),(),()(1==或的优化模型 m i x g t s i ",2,1,0)(..=≤x ~决策变量f (x )~目标函数g i (x )≤0~约束条件 多元函数决策变量个数n 和数 线性规划条件极值约束条件个数m 较大最优解在可行域学 规 非线性规划解 的边界上取得划 整数规划
Programming +Integer 所有变量都取整数，称为纯整数规划；有一部分取整数，称为混合整数规划；限制取0，1称为0‐1型整数规划。 型整数规划
+整数线性规划 max(min) n z c x =1j j j n =∑1 s.t. (,) 1,2,,ij j i j a x b i m =≤=≥=∑"12 ,,,0 () n x x x ≥"且为整数 或部分为整数
+例：假设有m 种不同的物品要装入航天飞机，它们的重量和体积分别为价值为w j 和v j ，价值为c j ，航天飞机的载重量和体积限制分别为W 和V ，如何装载使价值最大化？ m 1?1 max j j j c y =∑ 1 0j j y =?被装载 s.t. m j j v y V ≤∑0 j ?没被装载1 j m =1 j j j w y W =≤∑ 0 or 1 1,2,,j y j m =="
(Chicago)大学的Linus Schrage教授于1980年美国芝加哥(Chi)Li S h 前后开发, 后来成立LINDO系统公司（LINDO Systems Inc.），网址：https://www.360docs.net/doc/d53908489.html, I）网址htt//li d LINDO: Interactive and Discrete Optimizer (V6.1) Linear(V61) LINGO: Linear Interactive General Optimizer (V8.0) LINDO——解决线性规划LP—Linear Programming，整数规划IP—Integer Programming问题。 LINGO——解决线性规划LP—Linear Programming，非线性规划NLP—Nonlinear Programming，整数规划IP—Integer Programming g g整划g g g 问题。
建立数学模型的方法、步骤、特点及分类 ()
薅§16.3建立数学模型的方法、步骤、特点及分类 螁[学习目标] 蚀1.能表述建立数学模型的方法、步骤； 蒆2.能表述建立数学模型的逼真性、可行性、渐进性、强健性、可转移性、非预制性、条理性、技艺性和局限性等特点；； 羆3.能表述数学建模的分类； 蒃4.会采用灵活的表述方法建立数学模型； 葿5.培养建模的想象力和洞察力。 薆一、建立数学模型的方法和步骤 膃—般说来建立数学模型的方法大体上可分为两大类、一类是机理分析方法，一类是测试分析方法．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,建立的模型常有明确的物理或现实意义.§16.2节的示例都属于机理分析方法。测试分折将研究对象视为一个“黑箱”系统，内部机理无法直接寻求，可以测量系统的输人输出数据、并以此为基础运用统计分析方法，按照事先确定的准则在某一类模型中选出一个与数据拟合得最好的模型。这种方法称为系统辨识(SystemIdentification)．将这两种方法结合起来也是常用的建模方法。即用机理分析建立模型的结构，用系统辨识确定模型的参数． 袁可以看出，用上面的哪一类方法建模主要是根据我们对研究对象的了解程度和建模目的决定的．如果掌握了机理方面的一定知识，模型也要求具有反映内部特性的物理意义。那么应该以机理分析方法为主．当然,若需要模型参数的具体数值，还可以用系统辨识或其他统计方法得到．如果对象的内部机理基本上没掌握，模型也不用于分析内部特性,譬如仅用来做输出预报，则可以系统辩识方法为主．系统辨识是一门专门学科，需要一定的控制理论和随机过程方面的知识．以下所谓建模方法只指机理分析。 膈建模要经过哪些步骤并没有一定的模式，通常与实际问题的性质、建模的目的等有关，从 薆§16.2节的几个例子也可以看出这点．下面给出建模的—般步骤，如图16-5所示． 薄图16-5建模步骤示意图 蚃模型准备首先要了解问题的实际背景，明确建模的目的搜集建模必需的各种信息如现象、数据等，尽量弄清对象的特征,由此初步确定用哪一类模型，总之是做好建模的准备工作．情况明才能方法对，这一步一定不能忽视，碰到问题要虚心向从事实际工作的同志请教，尽量掌握第一手资料. 芁模型假设根据对象的特征和建模的目的，对问题进行必要的、合理的简化，用精确的语言做出假设，可以说是建模的关键一步．一般地说，一个实际问题不经过简化假设就很难翻译成数学问题，即使可能，也很难求解．不同的简化假设会得到不同的模型．假设作得不合理或过份简单，会导致模型失败或部分失败，于是应该修改和补充假设；假设作得过分详细，试图把复杂对象的各方面因素都考虑进去，可能使你很难甚至无法继续下一步的工作．通常，作假设的依据，一是出于对问题内在规律的认识，二是来自对数据或现象的分析，也可以是二者的综合．作假设时既要运用与问题相关的物理、化学、生物、经济等方面的知识，又要充分发挥想象力、洞察力和判断力，善于辨别问题的主次，果断地抓住主要因素，舍弃次要因素，尽量将问题线性化、均匀化．经验在这里也常起重要作用．写出假设时，语言要精确，就象做习题时写出已知条件那样．
过程控制系统第2章对象特性习题与解答
过程控制系统第二章（对象特性）习题 2-1．什么是被控过程的数学模型 2-1解答： 被控过程的数学模型是描述被控过程在输入（控制输入与扰动输入）作用下，其状态和输出（被控参数）变化的数学表达式。 2-2．建立被控过程数学模型的目的是什么过程控制对数学模型有什么要求 2-2解答： 1）目的：○1设计过程控制系统及整定控制参数； ○2指导生产工艺及其设备的设计与操作； ○3对被控过程进行仿真研究； ○4培训运行操作人员； ○5工业过程的故障检测与诊断。 2）要求：总的原则一是尽量简单，二是正确可靠。阶次一般不高于三阶，大量采用具有纯滞后的一阶和二阶模型，最常用的是带纯滞后的一阶形式。 2-2．简述建立对象的数学模型两种主要方法。 2-2解答： 一是机理分析法。机理分析法是通过对对象内部运动机理的分析，根据对象中物理或化学变化的规律(比如三大守恒定律等)，在忽略一些次要因素或做出一些近似处理后推导出的对象特性方程。通过这种方法得到的数学模型称之为机理模型，它们的表现形式往往是微分方程或代数方程。 二是实验测取法。实验测取法是在所要研究的对象上，人为施加一定的输入作用，然后，用仪器测取并记录表征对象特性的物理量随时间变化的规律，即得到一系列实验数据或实验曲线。然后对这些数据或曲线进行必要的数据处理，求取对象的特性参数，进而得到对象的数学模型。 5-12 何为测试法建模它有什么特点 2-3解答： 1）是根据工业过程输入、输出的实测数据进行某种数学处理后得到数学模型。
2）可以在不十分清楚内部机理的情况下，把被研究的对象视为一个黑匣子，完全通过外部测试来描述它的特性。 2-3．描述简单对象特性的参数有哪些各有何物理意义 2-3解答： 描述对象特性的参数分别是放大系数K 、时间常数T 、滞后时间τ。 放大系数K 放大系数K 在数值上等于对象处于稳定状态时输出的变化量与输入的变 化量之比，即 输入的变化量 输出的变化量=K 由于放大系数K 反映的是对象处于稳定状态下的输出和输入之间的关系，所以放大系数是描述对象静态特性的参数。 时间常数T 时间常数是指当对象受到阶跃输入作用后，被控变量如果保持初始速度变 化，达到新的稳态值所需的时间。或当对象受到阶跃输入作用后，被控变量达到新的稳态值的63．2％所需时间。 时间常数T 是反映被控变量变化快慢的参数，因此它是对象的一个重要的动态参数。 滞后时间τ滞后时间τ是纯滞后时间0τ和容量滞后c τ的总和。 输出变量的变化落后于输入变量变化的时间称为纯滞后时间，纯滞后的产生一般是由于介质的输送或热的传递需要一段时间引起的。容量滞后一般是因为物料或能量的传递需要通过一定的阻力而引起的。 滞后时间τ也是反映对象动态特性的重要参数。 5-6 什么是自衡特性具有自衡特性被控过程的系统框图有什么特点 2-3解答： 1）在扰动作用破坏其平衡工况后，被控过程在没有外部干预的情况下自动恢复平衡的特性，称为自衡特性。 2）被控过程输出对扰动存在负反馈。
建立数学模型的一般方法
建立数学模型的一般方法 —般说来建立数学模型的方法大体上可分为两大类、一类是机理分析方法，一类是测试分析方法．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,建立的模型常有明确的物理或现实意义. 模型准备首先要了解问题的实际背景，明确建模的目的搜集建模必需的各种信息如现象、数据等，尽量弄清对象的特征,由此初步确定用哪一类模型，总之是做好建模的准备工作．情况明才能方法对，这一步一定不能忽视，碰到问题要虚心向从事实际工作的同志请教，尽量掌握第一手资料. 模型假设根据对象的特征和建模的目的，对问题进行必要的、合理的简化，用精确的语言做出假设，可以说是建模的关键一步．一般地说，一个实际问题不经过简化假设就很难翻译成数学问题，即使可能，也很难求解．不同的简化假设会得到不同的模型．假设作得不合理或过份简单，会导致模型失败或部分失败，于是应该修改和补充假设；假设作得过分详细，试图把复杂对象的各方面因素都考虑进去，可能使你很难甚至无法继续下一步的工作．通常，作假设的依据，一是出于对问题内在规律的认识，二是来自对数据或现象的分析，也可以是二者的综合．作假设时既要运用与问题相关的物理、化学、生物、经济等方面的知识，又要充分发挥想象力、洞察力和判断力，善于辨别问题的主次，果断地抓住主要因素，舍弃次要因素，尽量将问题线性化、均匀化．经验在这里也常起重要作用．写出假设时，语言要精确，就象做习题时写出已知条件那样． 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(常量和变量)之间的等式(或不等式)关系或其他数学结构．这里除需要一些相关学科的专门知识外，还常常需要较广阔的应用数学方面的知识，以开拓思路.当然不能要求对数学学科门门精通,而是要知道这些学科能解决哪一类问题以及大体上怎样解决．相似类比法，即根据不同对象的某些相似性，借用已知领域的数学模型，也是构造模型的一种方法．建模时还应遵循的一个原则是，尽量采用简单的数学工具，因为你建立的模型总是希望能有更多的人了解和使用,而不是只供少数专家欣赏. 模型求解可以采用解方程、画图形、证明定理、逻辑运算、数值计算等各种
过程控制系统课后习题
第二章 1什么是对象特性？为什么要研究对象特性？ 答：研究对象特性是设计控制系统的基础；为了能使控制系统能安全投运并进行必要的调试；优化操作。 2什么是对象的数学模型？静态数学模型与动态数学模型有什么区别？ 答：对对象特性的数学描述就叫数学模型。 静态：在输入变量和输出变量达到平稳状态下的情况。 动态：输出变量和状态变量在输入变量影响下的变化情况。 3建立对象的数学模型有什么意义？ 答：1,控制系统的方案设计； 2控制系统的调试和调节器参数的确定； 3制定工业过程操作优化方案； 4新型控制方案及控制策略的确定； 5计算机仿真与过程培训系统； 6设计工业过程的故障检测与诊断系统。 4建立对象的数学模型有哪两种方法？ 答：机理建模和实验建模。 机理建模：由一般到特殊的推理演绎方法，对已知结构、参数的物理系统运用相应的物理定律或定理，根据对象或生产过程的内部机理，经过合理的分析简化而建立起描述系统各物理量动静态性能的数学模型。 实验建模步骤：1确定输入变量与输出变量信号；2测试；3对数据进行回归分析。 5反应对象特性的参数有哪些？各有什么物理意义？他们对自动控制系统有什么影响？ 答：K—放大系数。对象从新稳定后的输出变化量与输入变化量之比。 T—时间参数。时间参数表示对象受到输入作用后，被控变量的变化快慢。 桃—停滞时间。输入发生变化到输出发生变化之间的时间间隔。 6评价控制系统动态性能的常用单项指标有哪些？各自的定义是什么？ 单项性能指标主要有：衰减比、超调量与最大动态偏差、静差、调节时间、振荡频率、上升时间和峰值时间等。 衰减比：等于两个相邻的同向波峰值之比n； 过渡过程的最大动态偏差：对于定值控制系统，是指被控参数偏离设定值的最大值A； 超调量：第一个波峰值y与最终稳态值y之比的百分数； 残余偏差C：过渡过程结束后，被控参数所达到的新稳态Y与设定值之间的偏差。 调节时间：从过渡过程开始到过渡过程结束所需的时间； 振荡频率：过渡过程中相邻两同向波峰之间的时间间隔叫振荡周期或工作周期，其倒数称为振荡频率； 峰值时间：过渡过程开始至被控参数到达第一个波峰所需要的时间。 第三章 12选择调节器控制规律的依据是什么？若已知过程的数学模型，怎样来选择pid控制规律？ 1根据桃0/T0比值来选择。若比值小于，选PI，若在与之间，选用PI或者PID，若大于，就需要用到串级控制。 2根据过程特性来选择控制器的控制规律。 P：过渡时间短，克服干扰能力大。常用于负荷变化小，自平衡能力强，对象控制通道中的滞后时间与时间常数之比小，允许余差存在，控制质量要求不高的场合。
建立数学模型的方法、步骤
§16.3 建立数学模型的方法、步骤、特点及分类 [学习目标] 1.能表述建立数学模型的方法、步骤； 2.能表述建立数学模型的逼真性、可行性、渐进性、强健性、可转移性、非预制性、条理 性、技艺性和局限性等特点；； 3.能表述数学建模的分类； 4.会采用灵活的表述方法建立数学模型； 5.培养建模的想象力和洞察力。 一、建立数学模型的方法和步骤 —般说来建立数学模型的方法大体上可分为两大类、一类是机理分析方法，一类是测试分析方法．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,建立的模型常有明确的物理或现实意义.§16.2节的示例都属于机理分析方法。测试分折将研 究对象视为一个“黑箱”系统，内部机理无法直接寻求，可以测量系统的输人输出数据、并以 此为基础运用统计分析方法，按照事先确定的准则在某一类模型中选出一个与数据拟合得最好 的模型。这种方法称为系统辨识(System Identification)．将这两种方法结合起来也是常用的建模方法。即用机理分析建立模型的结构，用系统辨识确定模型的参数． 可以看出，用上面的哪一类方法建模主要是根据我们对研究对象的了解程度和建模目的决定的．如果掌握了机理方面的一定知识，模型也要求具有反映内部特性的物理意义。那么应该 以机理分析方法为主．当然,若需要模型参数的具体数值，还可以用系统辨识或其他统计方法得到．如果对象的内部机理基本上没掌握，模型也不用于分析内部特性,譬如仅用来做输出预报，则可以系统辩识方法为主．系统辨识是一门专门学科，需要一定的控制理论和随机过程方面的 知识．以下所谓建模方法只指机理分析。 建模要经过哪些步骤并没有一定的模式，通常与实际问题的性质、建模的目的等有关，从§16.2节的几个例子也可以看出这点．下面给出建模的—般步骤，如图16-5所示． 图16-5 建模步骤示意图 模型准备首先要了解问题的实际背景，明确建模的目的搜集建模必需的各种信息如现象、数据等，尽量弄清对象的特征,由此初步确定用哪一类模型，总之是做好建模的准备工作．情况明才能方法对，这一步一定不能忽视，碰到问题要虚心向从事实际工作的同志请教，尽量掌握 第一手资料. 模型假设根据对象的特征和建模的目的，对问题进行必要的、合理的简化，用精确的语言做出假设，可以说是建模的关键一步．一般地说，一个实际问题不经过简化假设就很难翻译 成数学问题，即使可能，也很难求解．不同的简化假设会得到不同的模型．假设作得不合理或 过份简单，会导致模型失败或部分失败，于是应该修改和补充假设；假设作得过分详细，试图 把复杂对象的各方面因素都考虑进去，可能使你很难甚至无法继续下一步的工作．通常，作假 设的依据，一是出于对问题内在规律的认识，二是来自对数据或现象的分析，也可以是二者的 综合．作假设时既要运用与问题相关的物理、化学、生物、经济等方面的知识，又要充分发挥
自动控制系统数学模型
第二章自动控制系统的数学模型 教学目的： （1）建立动态模拟的概念，能编写系统的微分方程。 （2）掌握传递函数的概念及求法。 （3）通过本课学习掌握电路或系统动态结构图的求法，并能应用各环节的传递函数，求系统的动态结构图。 （4）通过本课学习掌握电路或自动控制系统动态结构图的求法，并对系统结构图进行变换。 （5）掌握信号流图的概念，会用梅逊公式求系统闭环传递函数。 （6）通过本次课学习，使学生加深对以前所学的知识的理解，培养学生分析问题的能力 教学要求： （1）正确理解数学模型的特点； （2）了解动态微分方程建立的一般步骤和方法； （3）牢固掌握传递函数的定义和性质，掌握典型环节及传递函数； （4）掌握系统结构图的建立、等效变换及其系统开环、闭环传递函数的求取，并对重要的传递函数如：控制输入下的闭环传递函数、扰动输入下的闭环传递函数、误差传 递函数，能够熟练的掌握； （5）掌握运用梅逊公式求闭环传递函数的方法； （6）掌握结构图和信号流图的定义和组成方法，熟练掌握等效变换代数法则，简化图形结构，掌握从其它不同形式的数学模型求取系统传递函数的方法。 教学重点： 有源网络和无源网络微分方程的编写；有源网络和无源网络求传递函数；传递函数的概念及求法；由各环节的传递函数，求系统的动态结构图；由各环节的传递函数对系统的动态结构图进行变换；梅逊增益公式的应用。 教学难点：举典型例题说明微分方程建立的方法；求高阶系统响应；求复杂系统的动态结构 。 图；对复杂系统的动态结构图进行变换；求第K条前向通道特记式的余子式 k 教学方法：讲授 本章学时：10学时 主要内容： 2.0 引言 2.1 动态微分方程的建立 2.2 线性系统的传递函数 2.3 典型环节及其传递函数 2.4系统的结构图 2.5 信号流图及梅逊公式 2.0引言：
数学模型方法的定义及基本步骤
数学模型方法的定义及基本步骤 3.1数学模型方法的定义 数学模型方法(MathematicalModelingMethod)是利用数学模型解决问题的一般数学方法，简称MM方法。它是处理各种数学理论问题、解决各种实际问题的小可或缺的方法，无疑，数学教师在日常教学中都应当注意让学生了解并掌握这种方法，最大可能地培养其构造数学模型的能力。这绝对小是一个轻松的过程。首先，学生必须先掌握一定的数学知识，让他们学“杂”一些，使得建立模型解题才有了可能性厂其次，要让学生多接触题目，多动脑。 3.2数学建模方法的基本步骤 一般来说数学建模方法大体上可分为机理分析和测试分析两种．机理分析是根据客观事物特征的认识，找出反应内部机理的数量规律，建立的数学模型常有明确的物理意义。测试分析是将研究对象看作一个“黑箱”(不考虑内部机理)，通过对测量数据的统计分析，找出与数据拟合得最好的模型。 建模的步骤一般分为下列几步： 3.2.1调查研究 在建模前应对实际问题的历史背景和内在机理要有深刻的了解，必须对该问题进行全面的、深入细微的调查和研究．首先要明确所解决问题的目的要求和着手收集数据．数据悬为建立模型而收集的．因此，如果在调查研究时对建立什么样的模型有所考虑的话，那么我们就按模型的需要更有目的地，更合理地来收集有关数据．收集数据时应注意精度的要求，在耐曩；际问题作深入了解时，应向有关专家或从事实际工作的人员请教。将使你对问题的了解更快和走捷径。
3.2.2现实问题的理想化 现实问题错综复杂，涉及面非常之广．因此要想建立一个数学模型来反映一小现实问题面面俱到、无所不包是不可能的，也是没有必要的．一个模型，只要能反映我们所需要的某一‘个侧面就行了，或者在此基础之上进一步提高．建模前必须先将问题理想化，简单化，即首先抓住主要因素。暂不考虑次要因素．在相对比较简单的情况下，理清变量之闻的：廷系，建立树应的模型(读者在三级火箭模型，人口模型和传染病传播模型中会有较深的体会)_勾此对昕给问题给予必要的假设，不同的假设会得到不同的模型。这一步是建立模型的关键．如果假设合理，则模型与实际问题比较吻合；如果假设不合理或过于简单(即过爹地忽略了一些因素)，则模型与实际情况不吻合，或部分吻合，就要修改假设，修改模型。 3.3.3建立模型 在已有假设的基础上，可以着手建立数学模型，建模时应注意以下几点： (1)分清变量类型恰当使用数学工具。如果实际问题中的变量是确定性变量，建模时数学工具多用微积分、微分方程、线性规划、非线性规划、网络、投入产出、确定性存贮论等．如果变量是随机变量，建模时数学工具多用概率、统计、随机性存贮论、排队论、对策论、决策论、随机微分方程等．由于数学分支很多，又加之相互交叉渗透，派生出许多分支．建模具体用什幺舒芝好，一是因问题而异，二是因人而异。应看自己对哪门学科比较熟悉精通，尽量发挥自己的特长。总之，对变量进行分析是建立模型的基础。 (2)抓住问题的本质，简化变量之间的关系。因为模型过于复杂，则无法求解或求解困难，就不能反映客观实际．因此应尽可能瑚简单的模型如线性化，均匀化等来描述客观实际．建模的原则是：模型尽可能简单、明了．思路清晰，能不采用则尽量不用高深的数学知识，不要追求模型技术的完美，侧重于实际应喇．只要问题能解决，模型越简单越能被决策者所采用。