【数学建模】常微分,偏微分方程

1.常微分方程

普通边界  

已知t0时刻的初值    ode45()  龙格-库塔法 一阶,高阶都一样 如下:

s(1) = y , s(2)=y' 

s(3) = x , s(4)=x'  

//匿名函数   下为方程组   核心函数
s_chuzhi = [0;0;0;0];  //初值 分别两个位移和速度的初值
t0 = 0:0.2:180;  
f = @(t,s)[s(2);(f*cos(w*t) - K1*s(2) - s(1)*rou*g*Aw - K2*(s(1) - s(3)) - K3*(s(2)-s(4)) ) / (m+namd);
           s(4);( K2*(s(1)-s(3)) + K3*(s(2)-s(4)) ) / m1];
[t,s] = ode45(f,t0,s_chuzhi);

分段边界 非匿名函数

% 主函数
s_chuzhi = [0;0;0];  %  位移,速度,加速度的初值
t0 = 0:0.2:180;  
[t,s] = ode45(@f1,t0,s_chuzhi);




% f1函数
% s(1) = s , s(2) =s' , s(3) = s''
function ds = (t,s)
    ds = zeros(3,1);  %有更高阶的可以初始化为 4,1 5,1 等等
    
    %分段  可以是以函数值或自变量时间分段
    if ...
        s(1) = ...    %s
        s(2) = ...    %s'
        s(3) = ...    %s''  下同

    else if ...
        s(1) = ...
        s(2) = ...
        s(3) = ...

    else ...
        s(1) = ...
        s(2) = ...
        s(3) = ...

end

【数学建模】常微分,偏微分方程_第1张图片

 【数学建模】常微分,偏微分方程_第2张图片

 手写改进的ode45()函数代码

function varargout=odes_rk4(odefun,xspan,y0,n) 
% 经典四阶 Runge-Kutta 法求解微分方程组
if nargin<4
 n=10; % 默认区间等分数为 10
end
w=length(y0); % 方程的维数
x=linspace(xspan(1),xspan(2),n+1); % 离散节点值
y=[y0(:),zeros(w,n)].'; % 存储微分方程的解向量
K=zeros(4,w); % 存储节点处的导数值
for k=1:n 
 l=x(k+1)-x(k); % 步长
 K(1,:)=feval(odefun,x(k),y(k,:)); % 求 K1 的值
 K(2,:)=feval(odefun,x(k)+l/2,y(k,:)+l/2*K(1,:)); % 求 K2 的值
 K(3,:)=feval(odefun,x(k)+l/2,y(k,:)+l/2*K(2,:)); % 求 K3 的值
 K(4,:)=feval(odefun,x(k)+l,y(k,:)+l*K(3,:)); % 求 K4 的值
 y(k+1,:)=y(k,:)+l/6*[1,2,2,1]*K; % 经典四阶 Runge-Kutta 公式
end
[varargout{1:2}]=deal(x(:),... % 第一个输出参数为离散节点值
 y); % 第二个输出参数为微分方程的解

复杂边界值(即已知初始值,也知道末尾值),用bvp4c()函数

2.偏微分方程

【数学建模】常微分,偏微分方程_第3张图片

1. pdepe()函数 椭圆-抛物线型

控制方程  左边界 右边界 初始值

标准格式

 初始值格式

 边界值标准格式   左边界 右边界 两个方程

m = 0;  % m 结合标准方程求出
x = [0 0.005 0.01 0.05 0.1 0.2 0.5 0.7 0.9 0.95 0.99 0.995 1];
t = [0 0.005 0.01 0.05 0.1 0.5 1 1.5 2];

sol = pdepe(m,@pdex4pde,@pdex4ic,@pdex4bc,x,t);  %有三个函数
u1 = sol(:,:,1);
u2 = sol(:,:,2);

figure
surf(x,t,u1)
title('u1(x,t)')
xlabel('Distance x')
ylabel('Time t')

figure
surf(x,t,u2)
title('u2(x,t)')
xlabel('Distance x')
ylabel('Time t')
% --------------------------------------------------------------
function [c,f,s] = pdex4pde(x,t,u,DuDx)  %函数一  结合标准方程格式(1)求程求 c,f,s
c = [1; 1]; 
f = [0.024; 0.17] .* DuDx; 
y = u(1) - u(2);
F = exp(5.73*y)-exp(-11.47*y);
s = [-F; F]; 
% --------------------------------------------------------------
function u0 = pdex4ic(x);    %函数二  方程初始值 即t=0时刻的值
u0 = [1; 0]; 
% --------------------------------------------------------------
function [pl,ql,pr,qr] = pdex4bc(xl,ul,xr,ur,t)  %结合左边界标准格式(3)求p,q  
pl = [0; ul(2)];                                 %结合右边界标准格式(3)求p,q 
ql = [1; 0]; 
pr = [ur(1)-1; 0]; 
qr = [0; 1]; 

2.一维热传导方程解法

clc,clear;
a=1;   %热传导方程中的 
dx=0.02;   %尽量大
x=0:dx:1;
dt=0.0001; %尽量小
t=0:dt:1;

%构造温度分布矩阵
u=zeros(length(x),length(t));

u(:,1)=sin(pi*x); %初始条件  可以改
m1=10+0.5*sin(t); %左边界条件 可以改     m1就是那个μ1 ,本子上记的
m2=10-0.5*sin(10*t); %右边界条件 可以改  m2就是那个μ2

%系数矩阵
A=-2*eye(length(x))+diag(ones(1,length(x)-1),1)+diag(ones(1,length(x)-1),-1);
 
for n=1:length(t)-1
    u(:,n+1)=u(:,n)+(a^2*dt/dx^2)*A*u(:,n) ; %A是系数矩阵  a是热传导方程公式中的
    
%第一类边界条件的话
    u(1,n+1)=m1(n+1);                       %单独计算每一行的左边界值
    u(end,n+1)=m2(n+1);                     %单独计算每一行的右边界值
    
%第二类边界条件的话
    %u(1,n+1)=u(2,n+1)-m1(n+1)*dx;
    %u(end,n+1)=u(end-1,n+1)+m2(n+1)*dx;
    
%第三类边界条件的话
     

end

plot(x,u(:,end)); %画出最后一行

figure
[T,X]=meshgrid(t,x);
surf(X,T,u);
shading interp
 


%%  加热源 f
clc,clear;
a=1;   %热传导方程中的 
dx=0.02;   %尽量大
x=0:dx:1;
dt=0.00001; %尽量小
t=0:dt:1;

%构造温度分布矩阵
u=zeros(length(x),length(t));

u(:,1)=0; %t=0初始条件  可以改
f=20*exp(-20*(x-1/2).^2);        %热源
m1=0+0.0*sin(t); %左边界条件 可以改
m2=0-0.0*sin(10*t); %右边界条件 可以改


%系数矩阵
A=-2*eye(length(x))+diag(ones(1,length(x)-1),1)+diag(ones(1,length(x)-1),-1);
c=1; 
for n=1:length(t)-1
    u(:,n+1)=u(:,n)+(a^2/dx^2*A*u(:,n)+f')*dt ; %A是系数矩阵  a是热传导方程公式中的
    
    %第一类边界条件的话
    %u(1,n+1)=m1(n+1);                       %单独计算每一行的左边界值
    %u(end,n+1)=m2(n+1);                     %单独计算每一行的右边界值
    
    %第二类边界条件的话
    %u(1,n+1)=u(2,n+1)-m1(n+1)*dx;
    %u(end,n+1)=u(end-1,n+1)+m2(n+1)*dx;
    
    
    %第三类边界条件的话
    u(1,n+1)=(dx*m1(n+1)-c*u(2,n+1)) / (dx-c);  % c为公式中的系数 具体看笔记
    u(end,n+1)=(dx*m2(n+1)+c*u(end-1,n+1)) / (dx+c);
end

plot(x,u(:,end)); %画出最后一行
%axis([x(1) x(end) 0 1]);
figure
[T,X]=meshgrid(t,x);
surf(X,T,u);
shading interp

3.一维波动方程  b站吴一东

3.最小二乘法

实际的一组数据和拟合出来的一组数据进行逐个:

(1)作差 

(2)平方

(3)再求和

(4)再迭代使得和越来越小(迭代用随机优化算法或变步长算法遍历都行)

(5)画图  拟合图 还有的看论文

需要画神魔图?????

4.二分搜索法 适合单变量,单目标最优化算法

主要适合于单变量,单调函数

% 单变量优化 
 clc,clear
 xmin = 1;
 xmax = 5;
 x = xmin:0.0001:xmax;
 yy = ones(1,length(x)).*4;
 plot(x,exp(x),x,yy,' r:');
 i = 1;
 hold on
 while (abs(xmax-xmin)>1e-5)
     xmid(i) = (xmax+xmin)/2;  %取中点  自变量
     ymid(i) = exp(xmid(i)); %将中点带入函数计算结果  因变量 前提函数得是单调函数
     if ymid(i)>4   % 4为函数目标值 这是已知了函数目标值
         xmax = xmid(i);
     else
         xmin = xmid(i);
     end
     plot(xmid(i),ymid(i),'ro'); %要画中点收敛图
     hold on
     i=i+1;
 end
 figure
 plot(xmid,'k');
 xlabel('迭代次数');
 ylabel('中点位置变化');
 figure
 plot(ymid,'k');
 xlabel('迭代次数');
 ylabel('中点位置处的函数值变化');

【数学建模】常微分,偏微分方程_第4张图片

5.遗传算法 

6.绘图

  1.多条线在同一张图上,不同颜色,不同线段

figure
plot(t(1,:),T(11,:),'-');
hold on
plot(t(1,:),T(21,:),'--');
plot(t(1,:),T(31,:),':');
plot(t(1,:),T(41,:)'-.');
plot(t(1,:),T(51,:));
plot(t(1,:),T(61,:));
plot(t(1,:),T(71,:));
plot(t(1,:),T(81,:));
hold off
legend({'x=0.3','x=0.6','x=3.6','x=6.6','x=8.4','x=10.2','x=12.7','x=15.2'},'Location','southeast','NumColumns',2);

【数学建模】常微分,偏微分方程_第5张图片

 【数学建模】常微分,偏微分方程_第6张图片

 【数学建模】常微分,偏微分方程_第7张图片

   2.三维图函数

mesh(),plot3(),  scatter(),  scatter3()

figure
[t,x] = meshgrid(t,x);
surf(t,x,T)
shading interp

 3.数据导入函数xlsread()

data = xlsread('实验数据.xlsx',2); %提取表格二数据
t = data(:,1); %表格二第一列数据
T_test = data(:,2);  %表格二第二列数据

7.随机优化算法(2018问题一)+ 最小二乘法或其他 --- > 数据拟合

【数学建模】常微分,偏微分方程_第8张图片

8.梯度法-最优化算法

得画U型图   算法具有局限性 

算法:

  

9.多起点全局搜索算法(MultiStart 算法


10.定积分与不定积分

1.不定积分:

在int命令中加入积分限,就可以求得函数的定积分值。

syms x
>> int(log(x)/(1-x)^2)
 
ans =
 
- log(x/(x - 1)) - log(x)/(x - 1)  %不定积分求出来为解析解


 2.定积分:

syms x
>> d = int(exp(-x)/(x+2),x,0,2)
 
d =
 
-exp(2)*(ei(-2) - ei(-4))
 
>> double(d)
ans =
 
    0.333        %定积分求出来为数值解

11.求解常微分,偏微分方程的通解,特解 dsolve -> 链接

12.近五年国A题

2016 系泊系统的设计

2017 CT系统参数标定及成像

2018 高温作业专用服装设计

2019 高压油管的压力控制

2020 炉温曲线

2021  “FAST”主动反射面的形状调节

你可能感兴趣的:(MATLAB编程篇,数学建模,matlab)