2018年全国大学生数学建模竞赛A题高温服装设计(含word论文和源代码资源)

文章目录

  • 一、部分题目
  • 二、部分论文
  • 三、部分Matlab源代码
    • 问题1
      • 1 求解h1h2
      • 2 已知h1h2求解温度分布
    • 问题2
      • 1 求解第二层最佳厚度
  • 四、完整word版论文和源代码(两种获取方式)

一、部分题目

2018 年高教社杯全国大学生数学建模竞赛题目

A 题 高温作业专用服装设计

在高温环境下工作时,人们需要穿着专用服装以避免灼伤。专用服装通常由 三层织物材料构成,记为I、II、III 层,其中I 层与外界环境接触,III 层与皮肤 之间还存在空隙,将此空隙记为IV 层。 为设计专用服装,将体内温度控制在37ºC 的假人放置在实验室的高温环境 中,测量假人皮肤外侧的温度。为了降低研发成本、缩短研发周期,请你们利用 数学模型来确定假人皮肤外侧的温度变化情况,并解决以下问题:

请建立数学模型解决以下问题

问题1 专用服装材料的某些参数值由附件1 给出,对环境温度为75ºC、II 层厚 度为6 mm、IV 层厚度为5 mm、工作时间为90 分钟的情形开展实验,测量得到 假人皮肤外侧的温度(见附件2)。建立数学模型,计算温度分布,并生成温度 分布的Excel 文件(文件名为problem1.xlsx)。

问题2 当环境温度为65ºC、IV 层的厚度为5.5 mm 时,确定II 层的最优厚度, 确保工作60 分钟时,假人皮肤外侧温度不超过47ºC,且超过44ºC 的时间不超 过5 分钟。

问题3 当环境温度为80ºC 时,确定II 层和IV 层的最优厚度,确保工作30 分 钟时,假人皮肤外侧温度不超过47ºC,且超过44ºC 的时间不超过5 分钟。

二、部分论文

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

三、部分Matlab源代码

问题1

1 求解h1h2

%搜索h1、h2的具体值
%实际操作发现h1敏感度不大,而h2敏感度非常大
%先h1保持不变,搜索出h2=8.374,再保持h2不变,找出h1的具体数值
clc;clear;close all;
%  [FJ2,FJ2_text]=xlsread('A.xlsx','附件2');
% T0=FJ2(:,2); %初始各点的温度,T0(1)0时的温度
%  save FJ_2load FJ_2.mat
%有限差分法,隐式
arg_min=1e6;
L1=0.6;L2=6;L3=3.6;L4=5;
T_en=75;tt=5400;
h2=8.374;
for h1=116:0.01:118
[T]=qiujie(L1,L2,L3,L4,h1,h2,T_en,tt);
TT=[FJ2(:,1),T(end,:)'];%模拟人的温度变化
arg=norm(TT(:,2)-FJ2(:,2))^2;
if arg<arg_minarg_min=arg;h_1=h1;h_2=h2;TT_2=TT;
end
end
%绘图
figure('Color','w')
plot(1:5401,TT_2(:,2),'b','LineWidth',1.5);
hold on
plot(1:5401,FJ2(:,2),'r:','LineWidth',1.5);
legend('模拟值','实验值')
xlabel('时间(秒)');ylabel('温度(摄氏度)')

2 已知h1h2求解温度分布

%已知h1、h2,求解温度分布
clc;clear;close all;load FJ_2.mat
%有限差分法,隐式
L1=0.6;L2=6;L3=3.6;L4=5;
T_en=75;tt=5400;
h1=116.79;h2=8.374;
[T]=qiujie(L1,L2,L3,L4,h1,h2,T_en,tt);
%绘最终温度分布图
figure('Color','w')
x=[0:length(T(:,1))-1]/10;
plot(x,T(:,end)')
hold on
text(L1,T(L1*10+1,end),'|','color','r')
text(L1+L2,T((L1+L2)*10+1,end),'|','color','r')
text(L1+L2+L3,T((L1+L2+L3)*10+1,end),'|','color','r')
text(L1+L2+L3+L4,T((L1+L2+L3+L4)*10+1,end),'|','color','r')
grid on
xlabel('L(mm)');ylabel('T(°)')
%拟合优度计算
SST=norm(FJ2(:,2)-mean(FJ2(:,2)))^2;
SSE=arg_min;
R=1-SSE/SST;
%绘三维温度分布图
t=0:5400;
figure('Color','w')
surf(x,t,T')
shading interp
xlabel('L(mm)');ylabel('t(s)');zlabel('T(°)')
axis([0 15.2 0 5400 35 80 ])
%储存温度分布
xlswrite('problem1.xlsx',T')

问题2

1 求解第二层最佳厚度

%求解二层的最优厚度
clc;clear;close all;
L1=0.6;L3=3.6;L4=5.5;
h1=116.790;h2=8.374;
T_en=65;tt=3600;
%遍历找到L2
min_L2=25;
for L2=0.6:0.1:25
[T]=qiujie(L1,L2,L3,L4,h1,h2,T_en,tt);
TT=T(end,:);%提取人体表面温度
count=find(TT>44);%找出温度超44°的点
if TT(end,end)<=47&&length(count)<=5*60&&L2<min_L2min_L2=L2;T_re=TT;T_max=TT(end);pass=length(count);%超出时间
end
end
%绘图,皮肤随时间的温度变化
figure('Color','w')
x=0:tt;
plot(x,T_re,'b-','LineWidth',1.7)
hold on
plot(x,ones(1,length(x))*T_max,'k:','LineWidth',1.5);
xlabel('t(秒)');ylabel('T(摄氏度)')
legend('L2=17.5')
axis([0 tt 35 45])

四、完整word版论文和源代码(两种获取方式)

Word论文和源代码

Word论文和源代码

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/862196.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

Linux C 程序 【02】创建线程

1.开发背景 上一个篇章&#xff0c;基于 RK3568 平台的基础上&#xff0c;运行了最简单的程序&#xff0c;然而我们使用了 Linux 系统&#xff0c;系统自带的多线程特性还是比较重要的&#xff0c;这个篇章主要描述线程的创建。 2.开发需求 设计实验&#xff1a; 创建一个线程…

入门JavaWeb之 JavaBean 实体类

JavaBean 有特定写法&#xff1a; 1.必须有一个无参构造 2.属性必须私有 3.必须有对应的 get/set 方法 一般用来和数据库的字段做映射 ORM&#xff1a;对象关系映射 表->类 字段->属性 行记录->对象 连接数据库 没有的话去 Settings -> Plugins 搜索 Data…

Vue-路由

路由简介 SPA单页面应用。导航区和展示区 单页Web应用整个应用只有一个完整的页面点击页面中的导航连接不会刷新页面&#xff0c;只会做页面的局部更新数据需要通过ajax请求获取 路由&#xff1a;路由就是一组映射关系&#xff0c;服务器接收到请求时&#xff0c;根据请求路…

[论文阅读笔记33] Matching Anything by Segmenting Anything (CVPR2024 highlight)

这篇文章借助SAM模型强大的泛化性&#xff0c;在任意域上进行任意的多目标跟踪&#xff0c;而无需任何额外的标注。 其核心思想就是在训练的过程中&#xff0c;利用strong augmentation对一张图片进行变换&#xff0c;然后用SAM分割出其中的对象&#xff0c;因此可以找到一组图…

k8s集群node节点加入失败

出现这种情况&#xff1a; [preflight] FYI: You can look at this config file with kubectl -n kube-system get cm kubeadm-config -o yaml [kubelet-start] Writing kubelet configuration to file "/var/lib/kubelet/config.yaml" [kubelet-start] Writing kub…

python 识别图片点击,设置坐标,离设置坐标越近的优先识别点击

import pyautogui import cv2 import numpy as np import mathdef find_and_click(template_path, target_x, target_y, match_threshold0.8):"""在屏幕上查找目标图片并点击。Args:template_path: 目标图片的路径。target_x: 预设的坐标 x 轴值。target_y: 预设…

OpenCV报错已解决:Vector析构异常OpencvAssert CrtlsValidHeapPointer

&#x1f3ac; 鸽芷咕&#xff1a;个人主页 &#x1f525; 个人专栏: 《C干货基地》《粉丝福利》 ⛺️生活的理想&#xff0c;就是为了理想的生活! 引入 在使用OpenCV进行图像处理时&#xff0c;我们可能会遇到Vector析构异常OpencvAssert CrtlsValidHeapPointer的问题。本文将…

基于LMS自适应滤波的窄带信号宽带噪声去除(MATLAB R2021B)

数十年的研究极大的发展了自适应滤波理论&#xff0c;自适应滤波理论已经成为信号处理领域研究的热点之一。从理论上讲&#xff0c;自适应滤波问题没有唯一解。为了得到自适应滤波器及其应用系统&#xff0c;可以根据不同的优化准则推导出许多不同的自适应理论。目前该理论主要…

在eclipse中导入idea项目步骤

一、可以把其它项目的.project&#xff0c; .classpath文件拷贝过来&#xff0c;修改相应的地方则可。 1、.project文件只需要修改<name>xxx</name>这个项目名称则可 2、.classpath文件通常不用改&#xff0c; 二、右击 项目名 >选择“Properties”>选择 Re…

自动驾驶⻋辆环境感知:多传感器融合

目录 一、多传感器融合技术概述 二、基于传统方法的多传感器融合 三、基于深度学习的视觉和LiDAR的目标级融合 四、基于深度学习的视觉和LiDAR数据的前融合方法 概念介绍 同步和配准 时间同步 标定 摄像机内参标定&#xff08;使用OpenCV&#xff09; 摄像机与LiDAR外…

微软推出最新视觉基础模型Florence-2 可在浏览器运行

据微软官方消息&#xff0c;微软推出视觉基础模型Florence-2&#xff0c;该模型现已能够在支持WebGPU的浏览器中100%本地运行。Florence-2-base-ft是一个拥有2.3亿参数的视觉基础模型&#xff0c;采用基于提示的方法来处理广泛的视觉和视觉语言任务。 该模型支持多种功能&…

IDEA 插件推荐【一】

好使的插件可以让工作事倍功半。下面就推荐一些常用的IDEA插件&#xff0c;如果你有其他好使的插件&#xff0c;欢迎评论区留言分享出来~ 1.Key Promoter X Key Promoter X 插件&#xff0c;IDEA 快捷键提示工具。 在每次我们使用鼠标进行 IDEA 的某个操作&#xff0c;Key Pr…

lambda-map.merge

map.merge 结论: 1.当前传入的 key ,value biFunction 2.如果之前map不存在则直接put(当前key,当前value) 3.如果之前map已经有了,老value与 当前value 进入function处理后再 put(当前key,处理后的value)

IDEA使用Apidocx插件在RAP生成接口文档

第一步 安装插件&#xff0c;安装最新的1.1.7即可&#xff0c;插件与idea版本对照 第二步 输入对应的IP或域名&#xff0c;端口说明&#xff1a; 1. 38080&#xff1a;为后端数据 API 服务器&#xff08;rap2-delos&#xff09; 2. 3000&#xff1a;为前端静态资源服务&…

40岁学习java是否需要报班学习?

在开始前刚好我有一些资料&#xff0c;是我根据网友给的问题精心整理了一份「java的资料从专业入门到高级教程」&#xff0c; 点个关注在评论区回复“666”之后私信回复“666”&#xff0c;全部无偿共享给大家&#xff01;&#xff01;&#xff01;应该不需要。各种公开免费的…

【计算机毕业设计】087基于微信小程序社区养老服务

&#x1f64a;作者简介&#xff1a;拥有多年开发工作经验&#xff0c;分享技术代码帮助学生学习&#xff0c;独立完成自己的项目或者毕业设计。 代码可以私聊博主获取。&#x1f339;赠送计算机毕业设计600个选题excel文件&#xff0c;帮助大学选题。赠送开题报告模板&#xff…

AI加持,商业智能与分析软件市场释放更大潜能

根据IDC最新发布的《中国商业智能和分析软件市场跟踪报告&#xff0c;2023H2》显示&#xff0c;2023下半年&#xff0c;中国商业智能与分析软件市场规模为5.2亿美元&#xff0c;同比增长为3.7%。其中&#xff0c;本地部署收入占比为89.3%&#xff0c;同比增长1.7%&#xff1b;公…

【MySQL】架构体系概览

本文使用的MySQL版本是8.0 MySQL架构 ​MySQL架构整体由外部程序和MySQL服务器构成。其中内部服务器分成连接层&#xff0c;服务层&#xff0c;服务管理和公共组件&#xff0c;存储引擎层和文件系统层。 连接层 连接层的作用是处理客户端的连接。 网络端口 一台MySQL服务器…

C++精解【8】

文章目录 运算,- 加减法* / 乘除法逐元 乘法逐元 除法逐元综合运算矩阵乘法与加减法 转置、共轭、伴随矩阵点乘法,叉积 运算 ,- 加减法 逐元加减法 #include <iostream> #include "e:/eigen/Eigen/Dense" using namespace std;int main() {Eigen::Matrix2d …

clip系列改进Lseg、 group ViT、ViLD、Glip

Lseg 在clip后面加一个分割head&#xff0c;然后用分割数据集有监督训练。textencoder使用clip&#xff0c;frozen住。 group ViT 与Lseg不同&#xff0c;借鉴了clip做了真正的无监督学习。 具体的通过group block来做的。使用学习的N个group token&#xff08;可以理解为聚类…