机械设计中病态问题求解方法.docVIP

机械设计中病态问题求解方法 　　［摘要］本文应用矩阵的“伪秩”概念，求解病态位置的机械设计问题。该方法计算稳定性、收敛性好。 　　［关键词］矩阵 伪秩 求解 病态 　　［中图分类号］TH122 ［文献标识码］A［文章编号］1009-5349（2011）01-0080-03 　　 　　引言 　　在机构综合、机器人运动学计算中，常常出现线性方程组的求解问题，由于机构参数、机器人逆运动学计算不同位置以及非线性方程迭代的初始值选择等会使要求解的方程组本身出现病态（奇异）或近病态（奇异）方程组。同时由于问题中的数据本身具有一定的误差，加上计算机进行计算的过程中，由于计算机的字长有限，不可避免地要产生舍入误差，这两种误差都会使现行方程组出现病态（奇异）和近奇异问题。如对奇异位置和近病态位置问题求解不当，所得到的计算结果并不是原始问题的解。本论文应用矩阵“伪秩”概念求解病态（奇异）方程，该方法计算稳定性、收敛性好，计算速度快。 　　一、计算问题的良态、病态 　　线性方程组Ax=b 　　式中：x是含n个未知量的n维向量。 　　b是一个m维向量。 　　A是m×n阶矩阵。 　　线性方程组的求解问题有两种。一种是相容方程组的求解，它是指存在向量x∈R满足方程组。另一种是不相容方程组的求解，方程组，当m?n或m?n但矩阵A的秩小于m时，它是指不存在一般意义下的x∈R满足方程组。这种方程又称为矛盾方程组。 　　不论是相容方程组还是矛盾方程组，方程组的解为： 　　x=A+b 　　式中：A+是矩阵A的广义逆矩阵。当矩阵A是一个n×n阶矩阵，且矩阵A秩等于n时，A+=A-，A-是矩阵A的逆矩阵。 　　在求解方程时，由于实际问题的数据误差及计算机的舍入误差，使得在应用计算机求解方程组时，实际上是求解一个摄动方程： 　　(A+δA)(x+δx)=b+δb 　　式中δA、δx和δb方程式矩阵A，常数变量b和未知变量x的摄动量，根据Banach引理的推论可知，从理论上讲只要?A-??δA??1且当?δb?、?δA?都趋于零时， 　　lim(x+δx)=lim(A+δA)-1(b+δb)=A-b=x 　　?δA?→0?δA?→0 　　?δx?→0?δb?→0 　　就是说只要?δA?和?δb?足够小，总可以使解的摄动量?δx?小到任意规定的程度，而逆矩阵(A+δA)-1也可以逼近到A-到任意的精确程度。实际上它仅仅是一种纯理论的结果，实际并非如此。其原因一方面是摄动量是不可避免的。因实际问题中数据往往是由于实验测定或计算所得到的，数据误差是不可避免的，另外计算机的字长限制不可避免地有舍入误差存在；另一方面从计算机字长有限这一观点来看，摄动量的相对精度如?δA?/?A?或?δb?/?b?是有一定局限的，它们并不能任意小。 　　由上分析可知，对于一个给定的计算问题所必须研究的一个重要问题是：问题中参数的微小变动，对问题的解会产生什么样的影响。这就是问题（理论）解对于参数变动的敏感性问题。如果问题中参数的微小摄动能所引起的相对摄动不大，称这种计算问题为良态问题。但是若问题中参数有微小的相对摄动时，解会引起“巨大”的相对摄动，这种问题称之为病态问题或是奇异问题。病态问题是计算数学领域中普遍存在的问题。因此，在进行实际计算时，如何判别问题的良态、病态、病态程度以及如何解决病态问题的求解是十分重要的。 　　二、病态程度的度量 　　对广义逆矩阵的计算问题以及与其相关联的最小二乘问题的病态程度，可用相应的矩阵条件数k(A)来度量。 　　k(A)=?A+??A? 　　k(A)越大，“病态”越严重，k(A)越小，“良态”越好。 　　三、病态问题的处理方法 　　在许多实际计算问题中，所遇到的参数矩阵A常常是满秩的（理论证明是满秩的），但如果按满秩进行计算，不仅得不到好的计算结果，甚至会使计算不能进行下去。为解决此问题常采用降秩方法，引用矩阵的“伪秩”概念解决病态问题。 　　设矩阵A是一个m×n实矩阵，A=[a1,a2,……,an]T，其中ai是矩阵A的列向量。 　　定义 设ε为给定的一个正的小数，若 　　E[ar+1/a1,a2,……,ar]≤ε，E[ar/a1,a2,……,ar-1]≤ε 　　称矩阵A的ε秩为r，其中E是向量对向量系相对相关指标（1） 　　从实际计算的角度来讲，病态方程的真秩往往是难以确定的。而实际在许多计算中，并不需要计算矩阵的真秩。重要的是，为使计算能得到较好的结果，应当设法确定它的某一个ε-秩，即矩阵的伪秩。 　　为了控制矩阵A病态的危害程度，常根据实际精度适当选取一个正小数ε来确定A的一个降秩近似，在计算中采取这种措施，就可以避免舍入误差影响的恶化，从而提高算法的数值稳定性。 　　四、矩阵