【高质量精品】2024美赛B题22页word版高质量半成品论文+多版保奖思路+数据+前四问思路代码等(后续会更新)

一定要点击文末的卡片,进入后,获取完整论文!!

B 题整体模型构建

1.   潜水器动力系统失效:模型需要考虑潜水器在无推进力情况下的行为。

2.   失去与主船通信:考虑无法从主船接收指令或发送位置信息的情况。

3.   中性浮力和海底定位:潜水器可能位于海底或达到水下某个中性浮力点。 4.   水流和海水密度变化:影响潜水器位置的环境因素。

5.   海底地理:海底的地形可能会影响潜水器的最终位置或移动路径。

数学模型和公式

为预测潜水器的位置,我们可以建立基于物理学原理的动态模型,考虑力学和流体动力 学的因素。以下是潜水器运动的基本方程:

动力学方程

设潜水器的质量为 mm   ,受到的浮力为 FbF_b   ,重力为 FgF_g   ,水流对潜水器施加 的力为 FcF_c   ,潜水器在水中的阻力为 F_d ,则潜水器的运动方程可表示为:

md2r→dt2=Fb→+Fg→+Fc→− Fd→ m\frac{d^2\vec{r}}{dt^2} = \vec{F_b} + \vec{F_g} + \vec{F_c} - \vec{F_d}

其中, r →\vec{r}  是潜水器的位置向量, tt   是时间。

mm  :潜水器的质量

Fb→\vec{F_b}  :浮力,方向向上

Fg→=m ⋅ g\vec{F_g} = m \cdot g  :重力,方向向下, gg  是重力加速度

Fc→\vec{F_c}  :水流对潜水器的作用力,方向依赖于水流方向

Fd→\vec{F_d}  :阻力,方向与潜水器运动方向相反,大小可以用 Fd=12ρv2CdAF_d =

\frac{1}{2} \rho v^2 C_d A  来估计,其中 ρ\rho  是水的密度, vv  是潜水器相对于水的速 度, CdC_d  是阻力系数,$A$  是潜水器迎水面积

潜水器浮力和阻力的计算

浮力 FbF_b  可以通过潜水器排水量和水的密度来计算,阻力 FdF_d  可以根据潜水器的 形状、表面粗糙度和运动速度来估算。

数值解法

 潜水器的运动方程是一个二阶微分方程,我们可以采 用数值方法(如欧拉方法或龙格-库塔方法)对其进行求解,得到潜水器随时间变化的 位置和速度。

模型假设

. 潜水器被视为质点,忽略其尺寸和形状的影响。

. 假设水流速度和方向是已知的,可以从海洋流动模型获得。

. 海底地形对潜水器运动的影响通过调整浮力和阻力参数来模拟。

通过上述模型和方法,我们可以预测在不同情况下潜水器的位置,为 MCMS 制定安全程 序提供科学依据。

为了解决上述复杂的数学建模问题,我们将问题分解为四个主要部分:定位、准备、搜 索和外推。下面是针对每个部分的详细分析和数学模型。

定位

模型构建

. 基于多传感器融合的动态预测模型:利用卡尔曼滤波(Kalman Filter)或扩展卡尔曼滤波 (Extended Kalman Filter, EKF)来整合来自潜水器内部(如 IMU 传感器)和外部(如声纳、 GPS 浮标)的多源信息,预测潜水器随时间变化的位置。

数学公式

假设潜水器的状态为 x →t= [xt,yt,zt,x˙t,y˙t,z˙t]T\vec{x}_t = [x_t, y_t, z_t, \dot{x}_t, \dot{y}_t, \dot{z}_t]^T  ,

其中 xt,yt,ztx_t, y_t, z_t  表示潜水器在三维空间中的位置,

x˙t,y˙t,z˙t\dot{x}_t, \dot{y}_t, \dot{z}_t  表示对应的速度。

卡尔曼滤波的预测和更新步骤如下:

. 预测步骤: x →t |t− 1=F →tx→t− 1 |t− 1+B→tu→t \vec{x}_{t |t- 1} = \vec{F}_t \vec{x}_{t- 1 |t- 1} + \vec{B}_t    \vec{u}_t      P →t |t− 1=F →tP→t− 1 |t− 1F→tT+Q→t    \vec{P}_{t |t- 1}     =    \vec{F}_t \vec{P}_{t- 1 |t- 1} \vec{F}_t^T + \vec{Q}_t

. 更新步骤:  K →t=P →t |t− 1H→tT(H→tP→t |t− 1H→tT+R→t)−1 \vec{K}_t  = \vec{P}_{t|t- 1} \vec{H}_t^T            (\vec{H}_t            \vec{P}_{t |t- 1}             \vec{H}_t^T            +            \vec{R}_t)^{- 1} x →t |t=x →t |t− 1+K→t(z →t− H →tx→t |t− 1)   \vec{x}_{t |t}    =     \vec{x}_{t |t- 1}     +     \vec{K}_t (\vec{z}_t - \vec{H}_t \vec{x}_{t |t- 1}) P→t |t=(I− K →tH→t)P→t |t− 1 \vec{P}_{t |t} = (I - \vec{K}_t \vec{H}_t) \vec{P}_{t |t- 1}

其中, F →t\vec{F}_t  是状态转移矩阵, B →t\vec{B}_t  是控制输入矩阵, u →t\vec{u}_t  是外部控制输入,P →t\vec{P}_t  是估计误差协方差,Q→t\vec{Q}_t  是过程噪声协方差, H →t\vec{H}_t  是观测模型矩阵, R →t\vec{R}_t  是观测噪声协方差, K →t\vec{K}_t  是卡 尔曼增益, z →t\vec{z}_t  是实际观测值。

不确定性分析

. 主要的不确定性来源包括传感器噪声、模型误差、外部环境(如水流变化和海底地形)的未 知性。蒙特卡洛模拟(Monte Carlo Simulation)可用于评估这些不确定性对预测准确性的影 响。

一定要点击文末的卡片,进入后,获取完整论文!!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/667648.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【AIGC核心技术剖析】DreamCraft3D一种层次化的3D内容生成方法

DreamCraft3D是一种用于生成高保真、连贯3D对象的层次化3D内容生成方法。它利用2D参考图像引导几何塑造和纹理增强阶段,通过视角相关扩散模型执行得分蒸馏采样,解决了现有方法中存在的一致性问题。使用Bootstrapped Score Distillation来提高纹理&#x…

LabVIEW与EtherCAT实现风洞安全联锁及状态监测

LabVIEW与EtherCAT实现风洞安全联锁及状态监测 在现代风洞试验中,安全联锁与状态监测系统发挥着至关重要的作用,确保了试验过程的安全性与高效性。介绍了一套基于EtherCAT总线技术和LabVIEW软件开发的风洞安全联锁及状态监测系统。该系统通过实时、可靠…

jmeter-04创建请求

文章目录 一、发送请求-查看响应流程二、新建请求三、选择请求方式,填写url1.发送get请求当只有请求方式不一样的时候,参数都填写在参数栏里面,GET请求与POST请求的区别? 2.发送post请求2.1 application/x-www-form-urlencoded2.2…

基于深度学习的SSVEP分类算法简介

基于深度学习的SSVEP分类算法简介 1、目标与范畴2、深度学习的算法介绍3、参考文献 1、目标与范畴 稳态视觉诱发电位(SSVEP)是指当受试者持续注视固定频率的闪光或翻转刺激时,在大脑枕-额叶区域诱发的与刺激频率相关的电生理信号。与P300、运…

C系列-柔性数组

🌈个人主页: 会编程的果子君 ​💫个人格言:“成为自己未来的主人~” 目录 ​编辑 柔性数组 柔性数组的特点 柔性数组的使用 柔性数组的优势 柔性数组 也许你从来没有听说过柔性数组这个概念,但是它确实是存在的,C99中&#…

PyTorch 2.2 中文官方教程(十八)

开始使用完全分片数据并行(FSDP) 原文:pytorch.org/tutorials/intermediate/FSDP_tutorial.html 译者:飞龙 协议:CC BY-NC-SA 4.0 作者:Hamid Shojanazeri,Yanli Zhao,Shen Li 注意…

Hudi学习 6:Hudi使用

准备工作: 1.安装hdfs https://mp.csdn.net/mp_blog/creation/editor/109689143 2.安装spark spark学习4:spark安装_hzp666的博客-CSDN博客 3.安装Scala Hudi学习6:安装和基本操作_hzp666的博客-CSDN博客 spark-shell 写入和读取hudi 2.…

python常用pandas函数nlargest / nsmallest及其手动实现

目录 pandas库 Series和DataFrame nlargest和nsmallest 用法示例 代替方法 手动实现 模拟代码 pandas库 是Python中一个非常强大的数据处理库,提供了高效的数据分析方法和数据结构。它特别适用于处理具有关系型数据或带标签数据的情况,同时在时间序列分析方面也有着出…

基于springboot地方美食分享网站源码和论文

基于springboot地方美食分享网站源码和论文361 首先,论文一开始便是清楚的论述了系统的研究内容。其次,剖析系统需求分析,弄明白“做什么”,分析包括业务分析和业务流程的分析以及用例分析,更进一步明确系统的需求。然…

嵌入式中经典面试题分析

1.关键字static的作用是什么?为什么static变量只初始化一次? 1)修饰局部变量:使得变量变成静态变量,存储在静态区,存储在静态区的数据周期和程序相同, 在main函数开始前初始化,在退…

7min到40s:SpringBoot 启动优化实践!

目录 背景 1 耗时问题排查 1.1 观察 SpringBoot 启动 run 方法 1.2 监控 Bean 注入耗时 2 优化方案 2.1 如何解决扫描路径过多? 2.2 如何解决 Bean 初始化高耗时? 3 新的问题 3.1 SpringBoot 自动化装配,让人防不胜防 3.2 使用 sta…

泡泡清新文艺的微社区系统PHP源码

泡泡微社区,小巧而强大,为您带来卓越的社区交流体验。 凭借GoZinc的先进架构,泡泡在保持轻盈身姿的同时,功能一应俱全。前端采用Vue3匠心打造,界面清新简约,三栏式布局仿若Twitter,让您一见倾心…

四、Redis之配置文件

redis配置文件的名称 redis.conf 通过命令 find / -name redis.confvim redis.conf通过 : set nu 设置行号: set nonu 取消行号/关键字 搜索关键字: set noh 取消高亮选择4.1 Units 配置大小单位,开头定义了一些基本的度量单位,只支持 bytes&#…

基于Springboot的校园失物招领网站(有报告)。Javaee项目,springboot项目。

演示视频: 基于Springboot的校园失物招领网站(有报告)。Javaee项目,springboot项目。 项目介绍: 采用M(model)V(view)C(controller)三层体系结构…

【数据结构】排序---C语言版

七大排序算法 一、对于排序的分类:二、插入排序1、直接插入排序(1)基本思想:(2)直接插入排序:(3)代码实现:(4)总结: 2、希…

【Django】ORM关系映射

关系映射 在关系型数据库中,通常不会把所有数据都放在同一张表中,不易于扩展,常见的关系映射有: 一对一映射,如一个身份证对应一个人。 一对多映射,如一个班级可以有多个学生。 多对多映射,如…

初始数据库

华子目录 什么是数据库DBMS(数据库管理系统)数据库系统和文件系统的区别文件系统数据库系统对比区别优缺点总结 常见数据库关系型数据库ACID原则关系型数据库的优缺点优点缺点 非关系型数据库存储方式常见的非关系型数据库非关系型数据库的优缺点优点缺点…

Vivado Tri-MAC IP的例化配置(三速以太网IP)

目录 1 Tri-MAC IP使用RGMII接口的例化配置1.1 Data Rate1.2 interface配置1.3 Shared Logic配置1.4 Features 2 配置完成IP例化视图 1 Tri-MAC IP使用RGMII接口的例化配置 在网络设计中,使用的IP核一般为三速以太网IP核,使用时在大多数场景下为配置为三…

Java tomcat 使用spring-task,实现定时任务功能

前言 今天接触到一个需求,需要添加一个定时任务功能,第一反应是启动类EnableScheduling、定时任务方法使用Scheduled实现,导入项目后才发现,这个项目是ssm整合框架的tomcat项目,没有启动类, 于是改变了思路…

有趣的CSS - 鼠标悬浮线条动态变化

鼠标悬浮线条动态变化 整体效果核心代码html 代码:css 部分代码: 完整代码如下html 页面:css 样式:页面渲染效果: 整体效果 这个链接悬浮效果主要用 css3 的 animation 属性配合 :hover 伪选择器来实现的。 此效果可以…