目前应用的温度场的数学模型解析.docVIP

目前应用的温度场的数学模型： 冶金过程温度场，温度场有限单元法 有限元法的应用： ：计算结构的固有属性，以及动载荷下的结构的各种响应和动应力，应变； 在热环境下，或区域内的温度分布和热流，以及热引起的热应力和热变形； 离散： ，有限元法的基本思想是通过离散化的手段把微分方程或者变分方程变成袋鼠方程进行求解。 。处理形状复杂结构 。复杂的边界条件 炉衬砌体结构温度场的数学模型：对称性三维结构图 3、沥青路面温度场模型应用的是统计回归法。 面温度场数据为基础，建立了精度更高的路面温度场模型，尤其提高了较深处路面温度的预测效果。 测试方案 因素分析 采用分段函数建立了温度场模型，预测值与实测温度数据相关系数R2达到0.92，能预测0～38cm任何深度的路面温度，改善了以往模型在较深处预测精度差的问题;( 2) 气温 太阳辐射等环境因素对路面温度影响有明显的延后性，层位越深则延后时间越长，就此提出了不同路面层位气温和太阳辐射影响的延后时长;( 3) 路面温度受气温 太阳辐射的影响而产生波动，波动的幅度随深度增加而衰减，采用乘幂函数H－i作为温度衰减因子，表征不同深度路面温度波动幅度的差异更为合适。 GA和BP 网络模型的建立： 本文在 BP 网络的基础上把输出端信号通过延时环节反馈到输入端, 从而形成动态 BP 网络。 利用 G A 进行 BP 网络的权阈值优化, 即上述 4 个矩阵 w , v , 的优化。转换成方便 G A 操作 的染色体串。在遗传算法的进化过程中, 对染色体的评价由适应度函数完成, 将适应度函数的函数值作为选择运算的依据。遗传算法的搜索目标是所有进化代中使误差平方和最小的网络权重, 而遗传算法只能朝着使适应度函数值增大的方向进化。 GA遗传算法： 遗传算法求解步骤 （1） 选择问题解的一个编码，给出一个有N个染色体的初始群体pop(1)，t=1。 （2） 对群体中的每一个染色体 ，计算它的适应函数值f()。 （3） 若停止规则满足，则算法停止，否则计算概率=，并以此概率分布，从 pop(t)中随机选取N个染色体构成一个新的种群newpop(t)。 (4) 通过交叉（交叉概率为），得到N个染色体的crosspop(t+1)。 (5) 以较小的变异概率 ，使得某染色体的一个基因发生变异，形成新的群体 mutpop(t+1)。 令t=t+1，pop(t)=mutpop(t)，重复第（2）步。流程如图一所示。 BP神经网络： BP网络模型包括其输入输出模型、作用函数模型、误差计算模型和自学习模型。 BP神经网络模型拓扑结 构包括输入层（input）、隐层(hide layer)和输出层(output layer)。 6、自适应神经模糊法： 在对 P EM FC 非线 性较强的系统进行辨识时, 利用模糊 隶属度函数及模糊规则 通过对P E M FC 在最佳稳定 工作 状况 下 不同 时刻 的工 作温 度值 学 习,与神经网络结合形成自 适应模糊推理系统, 再结合神经 网络的反向传播学 习算 法, 提 高整 个系 统 的辨 识精 度。如 图 4 所 示A N FIS 结构 基于 S ug eno 模型的模糊神经网络的实现算法。 典型的 A NF IS 结构分为 5 层, 依次为: 隶属度函数节点、归一化节点、模糊规则输出节点 、模糊系统输出节点; 7、阶跃响应建模法提供了过程数学模型建立的一种解决方案 。 阶跃响应建模法 的基本思想是首先通过实验获得被控变量在控制量一定的阶跃激 励下的 阶跃响 应曲线 , 然后 用表达 形式已定而参数未定的低阶 模型去 逼近该 阶跃响应 曲线 , 借助 于图解的方法 , 简单有效地确 定各种 模型的 参数 。 常用 的低阶 逼近模型有 : 二参数模型 、三参数 模型 、四参数 模型 。 对于 一个 自衡过程 , 可以分别用上述三种 不同模型 来建立 被控对 象的数 学模型[ 1 ]。 控制采用多模态控制策略 8、陀螺仪温度建模研究： 线性回归算法建模研究： 1）内部温度求取拟合， 系数建模 由上可知，用回归法建模，总的拟合误差由两部分组成，即由热敏电阻到陀螺温度的拟合误差及由温度到陀螺刻度系数和漂移系数的拟合误差。 小波网络建模： 性等优点。 小波神经网络模型 主要应用于非线性逼近，，错误诊断以及动态建模。