基于matlab电机拖动实验曲线拟合方法.docVIP

基于matlab电机拖动实验曲线拟合方法 　　【摘 要】针对直流发电机的特性曲线拟合实例来说明matlab在实验数据处理中的应用，并归纳总结非线性曲线拟合的方法，以及cftool工具箱的使用。 　　【关键词】matlab；曲线拟合；非线性；直流发电机 　　 　　 0.引言 　　Matlab是一种科学的计算软件包。1986年推出以来版本不断升级，内容不断丰富更新，在科学实验以及应用领域时常需要在分析一组测试数据的基础上，去寻找变量与变量之间的近视函数关系表达式，以便研究设计人员方便的利用它于实际的社会生产中。其中有一个重要的功能是曲线的拟合。在现如今的基础教学与实验工作中大部分的实验数据的处理都不是太精确，只要满足工程上的误差要求即可。本文便从一个新的角度引入一种新的工具来弥补以前的不足。 　　在电机学的学习中电机拖动实验显得极为重要，对我们从感性和理性方面认识电机了解其习性十分重要。直流发电机是把机械能转化为直流电能的机器。它主要作为直流电动机、电解、电镀、电冶炼、充电及交流发电机的励磁等所需的直流电机。虽然在需要直流电的地方，也用电力整流元件，把交流电变成直流电，但从使用方便、运行的可靠性及某些工作性能方面来看，交流电整流还不能和直流发电机相比。因而特以直流发电机的特性研究来说明曲线拟合的方法。 　　 1.曲线拟合原理 　　1.1曲线拟合定义 　　实际工作中，变量间未必都有线性关系，如服药后血药浓度与时间的关系；疾病疗效与疗程长短的关系；毒物剂量与致死率的关系等常呈曲线关系。曲线拟合（curve fitting）是指选择适当的曲线类型来拟合观测数据，并用拟合的曲线方程分析两变量间的关系。 　　1.2基本拟合方法 　　曲线拟合问题最常用的手段和思路是线性最小二乘法。其拟合的基本思路为 　　1.2.1先选定一组函数r1(x), r2(x),…rm(x), mn,令 　　f(x)=a1r1(x)+a2r2(x)+…+amrm(x)（1） 　　其中a1,a2,…am为待定系数。 　　确定a1,a2,…am的准则（最小二乘准则）： 　　使n个点（xi,yi)与曲线y=f(x)的距离δi的平方和最小。 　　1.2.2问题归结为，求a1,a2,…am使J(a1,a2,…am)最小。 　　线性最小二乘法的求解 　　■■r1(xi)■??krk(xi)-yi=0……■rm(xi)■??krk(xi)-yi=0（3） 　　记R=r1(x1)…rm(x1)……r1(xn)…rm(xn)，??=??1...??1,y=y1...y1 　　（3）?圯(RTR)??=RTy （4） 　　1.2.3当RTR可逆时，（4）有唯一解： 　　??=(RTR)-1RTy （5） 　　则求解完成。 　　1.3多项式曲线的拟合 　　拟合函数为a=polyfit(x,y,m) 　　输入数据：x,y为相同长度的数组；m为拟合多项式次数 　　输出系数：a=[a1,…am,am+1] 　　1.4非线性曲线拟合 　　拟合函数为 lsqcurvefit 　　格式如下 　　x=lsqcurvefit（fun, x0, xdata, ydata） 　　[x,resnorm]=lsqcurvefit（fun,x0,xdata,ydata） 　　函数功能 　　根据给定的数据 xdata, ydata (对应点的横，纵坐标)，按函数文件 fun 给定的函数， 以x0为初值作最小二乘拟合，返回函数 fun中的系数向量x和残差的平方和resnorm。 　　 2.拟合曲线的一般步骤 　　2.1选择合适的曲线类型 　　一般根据资料性质结合专业知识便可确定资料的曲线类型，如果不能确定曲线拟合类型时，可以事先绘制散点图，根据散点的分布选择接近的、合适的曲线类型。 　　2.2进行数据线性化变换 　　在实际曲线拟合时，有时从本身看不出它们之间的函数关系，此时我们可以对数据进行可能的非线性变换，再观察是否可以得出相应的线性关系。 　　例如y=■+b，我们可以令x1=■，则y与x1满足线性关系。再如y=aex，进行变换时先在等式两边取对数1ny=1ny+x，再令y1=1ny，则此时y1与x为线性关系. 　　实际生活中我们遇见的常见拟合曲线有： 　　直线：y=ax+b 　　多项式：y=a0xn+a1xn-1+…+an 　　双曲线：y=■+b 　　指数函数：y=aex 　　2.3按最小二乘法原理求线性方程和方差分析 　　2.4将直线化方程转换为关于原变量想x，y的函数表达式 　　下面主要以他励发电机空载特性和外特性为例介绍拟合方法 　　 3.他励发电机的特性 　　3.1空载特性 　　U=f(If),Ia=0