基于最小二乘的材料拉伸曲线拟合-天津大学研究生e-Learning平台.doc

基于最小二乘的材料拉伸曲线拟合 房诚 学号：1011202056 精密仪器与光电子工程学院 摘要：最小二乘法是一种通过最小化误差的平方和寻找数据的最佳函数匹配，利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。在材料拉伸试验中，拉伸机的安装、工件的装夹、拉伸力的抖动，数据采集卡的精度等等因素相互影响，会造成拉伸曲线产生波动和波形失真，本文采用最小二乘法拟合拉伸曲线，得到最接近材料真实特性的曲线。 关键字：最小二乘，拟合，Matlab，平方和 1、背景 材料拉伸试验是指在承受轴向拉伸载荷下测定材料特性的试验方法。利用拉伸试验得到的数据可以确定材料的弹性极限、伸长率、弹性模量、比例极限、面积缩减量、拉伸强度、屈服点、屈服强度和其它拉伸性能指标。从高温下进行的拉伸试验可以得到蠕变数据。如图1所示为典型的立式材料拉伸试验机。在拉伸试验过程中，在材料拉伸试验中，拉伸机的安装、工件的装夹精度、试验机本身拉伸力的抖动，数据采集卡的精度等等因素相互影响，会造成拉伸曲线产生波动和波形失真，使用失真的拉伸曲线来反应材料的力学特性，得到的弹性极限、伸长率、弹性模量等数据也不准确，不能真实的反映材料的特性，给工程设计带来隐患。 图 1 材料拉伸试验机 2、最小二乘曲线拟合 最小二乘法是一种通过最小化误差的平方和寻找数据的最佳函数匹配，利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘拟合就是对于一组数据，基于最小二乘原理，求得变量x和y之间的函数关系式)，使得它最佳逼近或者拟合已知数据。其中： )称为拟合模型，A为一数组，为待定的参数，根据最小二乘原理，拟合条件为使残差加权平方和最小，即求使 其中，称为权，它反应数据在试验中所占数据的比重。在本试验中，各试验数据所占比重相同，均取为1。 所以本文的最关键问题就是求解拟合模型)，设拟合模型)如下： (2) 各点的权数为1，依据最小二乘原理即求下式的最小值 对求偏微分得 即 得方程组 (6) 此方程组称为多项式拟合的法方程，令 (7) 则得????=??，从而??=??-1??。 由上面这个矩阵方程就可以解出系数向量A，从而得到拟合多项式。当n 较大时（n≥7），法方程的系数矩阵是高度病态的，也就是说解的舍入误差很大，以至毫无意义。因此，用多项式作曲线拟合时，n 不宜取得很大。 3、最小二乘拟合的Matlab实现 Matlab是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。本文使用Matlab编程，利用最小二乘原理对材料拉伸曲线进行拟合。试验使用的材料为45#钢，拉伸过程均处在材料的弹性形变阶段，实验数据如表格1所示，d为拉伸位移，F为拉伸力 表格 1 试验数据 d(mm) 2 2.1 2.2 2.3 2.4 2.5 F(N) 2000 2080 2280 2340 2410 2580 未经拟合的原始数据的曲线图如图2所示： 图 2 原始数据曲线 当材料处于弹性阶段的时候，位移和力的曲线应该是一条线性的直线，从图中可以看出，曲线存在波动，影响了我们对材料力学特性的求解。 采用最小二乘拟合得到的曲线如图3所示： 图 3 拟合后的曲线 本文采用了1次、2次和3次多项式拟合，在图中分别是蓝色、绿色和黑色的曲线。从图中可以看到，经过拟合后的曲线具有很好的线性度，能够准确的反映材料的拉伸特性。程序运行后得到的数据结果如下： f1 = 5.9905e+003 f2 = 5.9321e+003 f3 = 5.2516e+003 f1、f2和f3为采用了1次、2次和3次多项式拟合得到的拟合数据与原始数据的残差平方和，可以看出3次多项式拟合的残差平方和最小。 4、结论 通过利用Matlab对材料拉伸数据进行拟合，能够得到最接近材料真实力学性能的拉伸曲线，可以更好的把握材料的特性，有利于保障材料在工程应用中的安全。 附录 程序清单 d=[2 2.1 2.2 2.3 2.4 2.5]; F=[2000 2080 2280 2340 2410 2580 ]; p1=polyfit(d,F,1); p2=polyfit(d,F,2); p3=polyfit(d,F,3); p1curve=polyval(p1,d); p2curve=polyval(p2,d); p3curve=polyval(p3,d); plot(d,F,*r,d,p1curve,b,d,p2curve,g,d,p3