统计推断组(顾婕昱)课程方案报告.docxVIP

统计推断组(顾婕昱)课程方案报告 统计推断组(顾婕昱)课程方案报告 统计推断组(顾婕昱)课程方案报告 纲要：本论文在工程实践与科技创新 个人资料整理 仅限学习使用 统计推测在数模、模数变换中的应用 第 008 组顾婕昱 5110309388 ，毕雨来 5110309514 [3A] 的实验结果数据的基础上，研究统计推测在数模、 模数变换中的应用。报告中利用 DC-DC开关电源输出的电压值与 PWM信号占空比的 53 组数据，采纳选用 7 个特点点，运用随机函数和遗传算法并联合退火算法，来追求知足全部数据的一致形式的函数，并获取知足评论函数的局部最优解。 重点词： 统计推测，曲线拟合，三次条样插值，模拟退火算法，遗传算法 Application of Statistic Model in A/D and D/A Converse System ABSTRACT: The paper is to explore the application of statistic model in module-digital-analog conversion system on the basis of the experimental data from technological innovation[3A]. The report uses DC-DC switching power supply output voltage and PWM duty cycle of 53 sets of data to and picks seven characteristic points to find a consensus function for all groups of data by means of random selection, genetic algorithm and simulated annealing algorithm to get the partial optional result. Key words: Statistic Model, Curve Fitting, Spine Interpolation, Simulated Annealing Algorithm, Genetic Algorithm 前言 在工程实践与科学实验中往常面对的对象是一个由多个变量构成的一个系统，当我们需要找寻两个变量间的关系时，在理论上我们能够经过计算得出两个变量之间确实定的函数关系，但实质却很难找到特别精准描绘两个变量的函数。往常采纳的方法是经过多种不一样曲线拟合，算出多种不一样的方案，并选择某一统计量作为评定好坏标准，进而选出最优的方案。 1.1 问题的提出 本次课题面对的对象是一个含有微办理器智能器件的开关电源 DC — DC 系统），经过 输出必定的占空比的 PWM 波来控制输出的电压。电路板的 D-U 特征关系个体差别较大， 实验室中，我们能够逐点测定 53 个电压设点对应的占空比 D 值，可是波及到大量量的工 业生产时，逐块测定必然会增添生产成本，降低可行性。那么能否能够经过几组事先观察值来达成对系统的定标？ 系统定标正确度评论函数定义为： 个人资料整理 仅限学习使用 2 when U j ? U j w hen U j ? U j w hen U j ? U j A j ? w hen U j U j 0 when U j ? U j 20 others 52 A MAX ( A j 2 , 0 ) h 2 (1-1 说明： 1）对应 (V ，对应 (V ，此 2 点不归入评论范围 2）式中，增添 (-2 项使满分取到 100，与百分制习惯相切合 3）限制 A 的最小取值为 0 1.2 数据根源 实验课程中制作的可调电源模块，在本报告中视为一个黑盒抽象对象以下图： 图 1-1 丈量对象模型 [1] 数据根源为实验课程中全部小组的有效数据。每一组数据输出电压从 4.9V 到 10.1V ， 每隔 0.1V 取样获取相应的占空比，共53 个数据对。总合有 544 组数据。 1.3 课程目标 限测 7 点事先观察值，获取均匀得分不低于 94 分的估测方法。 方案设计 2.1 数据点察看 经过察看发现，跟着采样点电压的增大，有些图像拥有优异的线性性和光滑度，有些图像则分段拥有较好的光滑度，可是有明显的分段跳变。此外察看到有一部分的曲线颤动比较厉害，光滑度较差。 2.2 数学背景 给出一组对应的模拟量，要求确立一个函数迫近原函数，要求不要求过全部的点并且尽可能表现数据的趋势，凑近这些点。判断最优的准则能够是最小二乘、加权最小二乘、极大似然等。这里使用最小二乘法，是使观察数据的偏差平方和达