当前位置: 首页 > news >正文

2014年第三届数学建模国际赛小美赛A题吹口哨解题全过程文档及程序

2014年第三届数学建模国际赛小美赛

A题 吹口哨

原题再现:

  哨子是一种小装置,当空气被迫通过开口时会发出声音。哨声的巨大而引人注目,使其对警察和体育裁判来说至关重要。当救生员、迷路的露营者或犯罪受害者使用它们时,它们可以挽救生命。专业的口哨需要产生高强度的声音。如何设计世界上最响的口哨?

整体求解过程概述(摘要)

  为了解决这一问题,我们提出并评估了两个基本模型。利用有限元分析软件对模型进行求解,得到最优解(理想条件下的最大声强为166 dB左右)。更重要的是,我们创造性地认识到强度受内在和外在因素的影响。在此基础上,以足够合理的参数对实际情况进行了分析。然后,我们可以寻求最优的解决方案,无论具体的要求是不同的应用。此外,我们还对我们的数据和因素,主要是内在参数进行了充分的敏感性分析。

  在湍流模型中,基于从开口到末端追踪空气的目的,采用简单的策略来推断声音是如何产生的。提出了一些假设和机理,为后来改进和推广的模型奠定了基础,通过这个模型,我们可以找到一些用于计算声强的数据。一般采用ANSYS来实现该模型。

  在气-声转换模型中,首先考虑湍流模型得到的结果,然后计算这些激励参数与最终输出(强度)之间的关系。用近似理论建立方程,计算结果。我们对不同的内在因素进行敏感性分析,以评估我们的策略并找到最优解。采用田口DOE方法进行灵敏度分析,效率更高。

  在改进的模型中,首先考虑了基本模型的不足,描述了环境和用户对强度影响较大的实际情况。物理研究的信息是我们分析的基础。由于口哨从民用到军用都有着广泛的应用,因此,我们在模型中引入了策略并解释了机制,从而可以计算出特定条件下模型的最优解。

  最后,我们将我们的模型与其他模型进行了比较,并通过仿真进行了验证。我们对我们的模型进行了反思,并对我们的模型在实际情况下能够轻松有效地解决问题进行了评价,但还有一些问题需要进一步完善,例如,吹口哨是一个多目标问题。

模型假设:

  假设环境包括温度、湿度是稳定的

  假设吹入的空气是理想气体,这意味着没有分子间的相互作用,分子本身不占任何体积。

  假设气体的雷诺数为零。

  假设该腔体的粗糙度不存在。

  假设气体粘度为固定值。

  假设腔体不存在变形

  假设密封室密封良好

问题重述:

  如何估计口哨的整个过程?
  声强受多个因素控制,但这几个优化因素尚未明确确定。有必要选择最重要的部分,因为其他部分可能毫无意义。
  流体动力学过程是一个复杂的过程,仅仅通过实验是无法得到清晰的结果的。用软件追踪哨声中的空气是最有效的方法。
  根据物理学中流体力学的相关知识,不难找到重要元素与声(声)强之间的内在联系,即通过建立数学模型和方程来推导结果。

  如何定义最佳配置?
  从临界尺度的角度,分析了影响哨声特性的重要因素,包括气压和速度。通过查阅大量的研究资料,我们发现圆形哨声在生活中是普遍存在的,具有优良的性质。因此,我们选择圆度作为基本形状。对于其它工艺参数,基于工艺模拟和正交分析方法,对各参数进行比较后,通过重复模拟进行优化。以形状为主,其他参数可稍后确定。

  总体优化
  通过仿真计算,得到了圆形哨子的近似最优解。与其他形状(如矩形)相比,圆形口哨是否能发出最大的声音是不确定的。在保持气室比例不变的情况下,改变不同的形状,进行强度分析。
  经过一系列的模拟,我们应该找到必要的因素和他们的优先次序,其他可能没有意义的设计一个响亮的口哨。因此,在考虑灵敏度和鲁棒性的基础上,提出了一种新的优化哨子算法。
  实际上:声音强度可能会受到外部参数的影响,例如温度、湿度、人的技能。这些参数可能不是由特定的模型计算的,但它们可能对强度有很大的影响。

  如果没有可用数据怎么办?
  物理问题的目标函数使用机制,社会科学的目标函数使用数据。显然,我们可以从物理和科学论文中获得一些数据。所有模拟和模型都基于这些数据。

模型的建立与求解整体论文缩略图

在这里插入图片描述
在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

部分程序代码:(代码和文档not free)

x=linspace(0,1.5,100);
y=(6/9.463822)*x.^(-1)-(1/9.463822)*x.^2;
plot(y,x);
hold on;
plot(0.05*y,x);
hold on;
plot(0.1*y,x);
hold on;
plot(0.2*y,x);
hold on;
plot(0.3*y,x);
hold on;
plot(0.4*y,x);
hold on;
plot(0.5*y,x);
hold on;
plot(0.6*y,x);
hold on;
plot(0.7*y,x);
hold on;
plot(0.8*y,x);
hold on;
plot(0.9*y,x);
hold on;
%plot(0.5*y,x);%hold on;
%plot(0.5*y,x);
text(0.5,1.5,'')
xlabel('p/p1');
ylabel('U/U*');hold on;
/
x=linspace(0,1.0,100);
y=1.095445115*x.^(1/7);
plot(x,y);
xlabel('p0/p1');
ylabel('c0/U*');hold on;
/
clear all
u=22.12;
a=0.86;
p=101315.39;
k=340/(1.4*u);
w=(a*a)*p*p/(2*2.39*340*(1+k)^2)/10^-12;
db=10*log10(w);
db
全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

相关文章:

2014年第三届数学建模国际赛小美赛A题吹口哨解题全过程文档及程序

2014年第三届数学建模国际赛小美赛 A题 吹口哨 原题再现: 哨子是一种小装置,当空气被迫通过开口时会发出声音。哨声的巨大而引人注目,使其对警察和体育裁判来说至关重要。当救生员、迷路的露营者或犯罪受害者使用它们时,它们可以…...

设计模式-注册模式

设计模式专栏 模式介绍模式特点应用场景注册模式和单例模式的区别代码示例Java实现注册模式Python实现注册模式 注册模式在spring中的应用 模式介绍 注册模式是一种设计模式,也称为注册树或注册器模式。这种模式将类的实例化和创建分离开来,避免在应用程…...

css 美化滚动条样式

ChatgGPT4.0国内站点: 海鲸AI-支持GPT(3.5/4.0),文件分析,AI绘图 在CSS中,你可以使用伪元素::-webkit-scrollbar以及相关的伪元素来为Webkit浏览器(如Chrome和Safari)自定义滚动条的样式。以下是一些基本的CSS规则&am…...

视频压缩不影响画质简单方法,一分钟搞定!

很多朋友在处理视频的时候都会遇到视频过大的问题,想要压缩视频的同时不影响画质,简单的方法有两种。一种是用专业的压缩软件,在压缩的时候设置一个合适的压缩比例,压缩大小的同时保持清晰度,也能提高压缩率&#xff0…...

Zookeeper的使用场景

统一命名服务 利用ZooKeeper节点的树形分层结构和子节点的顺序维护能力,来为分布式系统中的资源命名。 例:分布式节点命名 分布式消息队列 1.在Zookeeper中创建一个持久节点,用作队列的根节点。队列元素的节点放在这个根节点下。 2.入队:…...

Java 面试题集锦记录

Java 面试题集锦记录 一1. SpringBoot、SpringCloud区别2. SpringCloud怎么保证服务间通信?3. Spring怎么保持高可用性、稳定性?4. 负载均衡5. [Rabbitmq](https://blog.csdn.net/qq_40985985/article/details/128013229) 怎么避免重复消费,[…...

【自然语言处理】第2部分:识别文本中的个人身份信息

自我介绍 做一个简单介绍,酒架年近48 ,有20多年IT工作经历,目前在一家500强做企业架构.因为工作需要,另外也因为兴趣涉猎比较广,为了自己学习建立了三个博客,分别是【全球IT瞭望】,【…...

C#中的.NET与.NET Framework区别

C#是一种编程语言,而.NET是一个开发平台。在.NET生态系统中,有两个相关但不同的概念:.NET和.NET Framework。 .NET Framework 发布时间: .NET Framework是最早引入的,它于2002年首次发布。它是一个用于构建Windows应…...

详解Keras3.0 Layer API: LSTM layer

LSTM layer 用于实现长短时记忆网络,它的主要作用是对序列数据进行建模和预测。 遗忘门(Forget Gate):根据当前输入和上一个时间步的隐藏状态,计算遗忘门的值。遗忘门的作用是控制哪些信息应该被遗忘,哪些…...

Vue和React的运行时,校验引入包的上下文差异

背景 系统使用 webpack 5 模块联邦实现微前端,有关如何实现跨应用的代码共享,可参考 如何优雅的实现跨应用的代码共享 里的第三大点。 总之,这里是其他应用使用了某个应用共享出来的reg文件,引入方式为: import REG …...

C语言中函数调用和嵌套

函数是C语言的基本组成元素 函数调用 根据函数在程序中出现的位置有下列三种函数调用方式: 将函数作为表达式调用 将函数作为表达式调用时,函数的返回值参与表达式的运算,此时要求函数必须有返回值 int retmax(100,150); 将函数作为语句…...

JVM基础篇---02

为什么需要用户自定义类加载器: 扩展类加载器的功能: Java的默认类加载器主要有三个,分别是引导类加载器、扩展类加载器和应用程序类加载器。其中,引导类加载器和扩展类加载器是由JVM实现的,用户无法修改其行为。而应用…...

HTML网站基础

一、前端开发基础 前端一共三门语言——HTML、CSS、JS&#xff08;Java Script&#xff09; HTML用于静态网页框架&#xff0c;CSS用于修饰&#xff0c;JS构成动态网页 1、HTML 对于中文网页需要使用 <meta charset"utf-8"> 声明编码&#xff0c;否则会出现…...

最优化考试之惩罚函数外点法

最优化考试之惩罚函数外点法 一、外点法1.问题条件2.解题过程 一、外点法 1.问题条件 目标函数 f ( x ) f(x) f(x)约束函数 g ( x ) g(x) g(x) 2.解题过程 定义罚函数 F ( x ) f ( x ) t ∗ m i n ( 0 , g ( x ) 2 ) F(x)f(x)t*min(0,g(x)^2) F(x)f(x)t∗min(0,g(x)2)对罚…...

JavaScript 数组【详解】

Hi i,m JinXiang ⭐ 前言 ⭐ 本篇文章主要介绍JavaScript中数组详解 数组声明/基础操作以及部分理论知识 &#x1f349;欢迎点赞 &#x1f44d; 收藏 ⭐留言评论 &#x1f4dd;私信必回哟&#x1f601; &#x1f349;博主收将持续更新学习记录获&#xff0c;友友们有任何问题可…...

Node.js版本对比

目录 1. node版本与Npm版本对照表 2. node版本与node-sass版本对照表 3. node-sass与sass-loader版本对照表 1. node版本与Npm版本对照表 以往的版本 | Node.js 下面显示最新的对应内容&#xff0c;如果需要查找历史版本&#xff0c;可以进入上面的页面查询 VersionLTSDateV8np…...

人工智能:网络犯罪分子的驱动力

随着 2024 年的临近&#xff0c;是时候展望今年的网络安全状况了。由于网络犯罪日益复杂&#xff0c;预计到 2025 年&#xff0c;全球网络安全成本将增至 10.5 万亿美元。 人工智能的使用不断发展&#xff0c;网络犯罪分子变得越来越有创造力 我们注意到&#xff0c;联邦调查…...

ASP.NET Core认证原理和实现

ASP.NET Core认证原理和实现 AuthenticationHttpContextExtensions AuthenticationHttpContextExtensions 类是对 HttpContext 认证相关的扩展&#xff0c;它提供了如下扩展方法&#xff1a; public static class AuthenticationHttpContextExtensions {public static Task&l…...

基于OpenCV的图像颜色与形状识别的原理2

基于OpenCV的图像颜色与形状识别通常涉及以下几个步骤&#xff1a; 图像读取&#xff1a;使用OpenCV的cv2.imread()函数读取图像。预处理&#xff1a;可能包括图像的灰度转换、二值化、滤波等&#xff0c;以减少噪声和无关信息。颜色识别&#xff1a;颜色空间转换&#xff1a;…...

无法获取前置摄像头的预览图像?【Bug已解决-鸿蒙开发】

文章目录 项目场景:问题描述原因分析:解决方案:此Bug解决方案总结HarmonyOS和OpenHarmony区别和联系项目场景: 最近也是遇到了这个问题,看到网上也有人在询问这个问题,本文总结了自己和其他人的解决经验,解决了无法获取前置摄像头的预览图像的问题。 问题:前置摄像头…...

形转化理论SYS方程组系数推导的现状:进展、成就与挑战

作者&#xff1a;温沛林日期&#xff1a;2026年5月20日摘要形转化理论&#xff08;FTT&#xff09;的核心动力学内核——形转化最小赋予系统&#xff08;SYS&#xff09;方程组——的系数完全确定&#xff0c;是从一个自洽的数学框架走向可计算、可检验物理模型的关键枢纽。本文…...

从IMC层到应力点:手把手教你用SEM/EDS给BGA焊点做一次‘体检’

从IMC层到应力点&#xff1a;手把手教你用SEM/EDS给BGA焊点做一次‘体检’ 当一块电路板上的BGA焊点出现异常时&#xff0c;往往就像人体某个关节出了问题——表面看不出明显伤痕&#xff0c;但功能已经受限。这时候&#xff0c;我们需要像医生一样&#xff0c;用专业设备给焊…...

Codesys ST语言实战:手把手教你读写XML配置文件(附完整工程源码)

Codesys ST语言实战&#xff1a;工业级XML配置文件读写全解析 在工业自动化领域&#xff0c;设备参数配置与数据交换一直是工程师们面临的日常挑战。想象一下这样的场景&#xff1a;深夜的生产线上&#xff0c;一台关键设备突然需要更新200多个工艺参数&#xff0c;而传统的HMI…...

从张宇考研课到Matlab实战:手把手教你用Grunwald-Letnikov公式实现分数阶求导

从数学理论到代码实践&#xff1a;Grunwald-Letnikov公式在分数阶求导中的完整实现路径 当我们在学习传统微积分时&#xff0c;整数阶导数&#xff08;如一阶导数表示变化率&#xff0c;二阶导数表示曲率&#xff09;的概念已经深入人心。然而&#xff0c;数学的世界远不止于此…...

这个AI助手不让你教它,它自己来了解你

这个AI助手不让你教它&#xff0c;它自己来了解你OpenHuman&#xff1a;9700 Star&#xff0c;GitHub霸榜的秘密最近GitHub Trending上冒出来一个项目&#xff0c;连续霸榜多天&#xff0c;Star数蹭蹭往上涨。我点进去看了一眼&#xff0c;思路跟之前那些Agent工具完全不一样。…...

负载锌酞菁(ZnPc)/α-萘酚温敏水凝胶,ZnPc/α-Naphthol

名称&#xff1a;负载锌酞菁&#xff08;ZnPc&#xff09;/α-萘酚温敏水凝胶&#xff0c;ZnPc/α-Naphthol 一、材料概览&#xff1a;双重功能的精妙融合 负载锌酞菁&#xff08;ZnPc&#xff09;/α-萘酚温敏水凝胶&#xff0c;是将具有优异光催化活性的锌酞菁&#xff08;Zn…...

在Node.js后端服务中集成Taotoken实现多模型异步调用的教程

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 在Node.js后端服务中集成Taotoken实现多模型异步调用的教程 对于需要在后端服务中调用大语言模型的Node.js开发者而言&#xff0c;…...

Tycoon2FA 利用 OAuth 设备码钓鱼劫持 Microsoft 365 账户的机理与防御

摘要 以 Tycoon2FA 为代表的钓鱼即服务平台正采用基于 OAuth 2.0 设备码流程的新型钓鱼攻击&#xff0c;针对 Microsoft 365 账户实施高隐蔽性劫持。该攻击不窃取明文口令与传统双因素验证码&#xff0c;而是诱导用户在微软官方认证页面完成设备授权&#xff0c;使攻击者获取合…...

手把手教你用MATLAB图形放大法找方程根:从画图到定位,解决迭代法初值难题

手把手教你用MATLAB图形放大法找方程根&#xff1a;从画图到定位&#xff0c;解决迭代法初值难题 在数值计算的世界里&#xff0c;寻找方程的根就像在黑暗森林中探险——没有地图的指引&#xff0c;盲目选择起点可能导致算法陷入无限循环或收敛到错误解。而MATLAB的图形放大法&…...

[网络工程师]-路由配置-NAT策略与多出口场景实战

1. 多出口网络中的NAT策略核心价值 在校园网或企业网络环境中&#xff0c;多出口架构已经成为标配。我见过太多单位初期只用一个出口&#xff0c;后来业务扩展了才手忙脚乱地增加线路&#xff0c;结果导致访问卡顿、资源冲突等问题。多出口网络最典型的场景就是同时拥有教育网…...