《数据拟合的几个应用实例毕业论文》由会员分享，可在线阅读，更多相关《数据拟合的几个应用实例毕业论文（57页珍藏版）》请在金锄头文库上搜索。
1、. . 本科毕业设计（论文）数据拟合的几个应用实例燕 山 大 学年月本科毕业设计（论文）数据拟合的几个应用实例学院：专业：学生：学 号：指导教师：答辩日期：燕山大学毕业设计任务书学院： 系级教学单位： 学号学生专 业班 级题目题目名称数据拟合的几个应用实例题目类型论文题目性质理论研究型题目来源自选主要容1. 处理两个变量之间关系的曲线拟合基本理论。2. 多元函数拟合的基本理论。3. 曲线拟合在工程实际中的应用实例。4. 多元函数拟合在工程实际中的应用实例。5. 对所研究问题进行理论分析。基本要求1. 通过阅读参考文献和有关资料，了解数据拟合的重要意义以与目前关于数据拟合问题的研究现状。2. 了
2、解并掌握数据拟合的基本理论和方法。3. 归纳总结数据拟合理论在工程中实际应用的典型实例。4. 阐述数据拟合的发展前景与所面临的任务。参考资料1 庆扬.数值分析.：华中科技大学,2006,64692 士雨,工程数学基础数据处理与数值计算.：化学工业,2005,1373 吴刚. 隐式多项式曲线的信息建模研究进展. 计算机科学, 2010,37 (10):3337,474 Un salan C. A new robust and fast implicit polynomial fitting techniqueC. Proceedings of MVIP 1999. 1999, 9:1520周 次
3、14周58周912周1316周1718周应完成的容明确任务，搜集国外研究数据拟合的最新成果，整理资料并梳理思路。 研究数据拟合理论的基本公式。 归纳总结数据拟合理论典型的工程实际应用。整理结果，撰写论文与打印论文。打印毕业论文，准备答辩。指导教师：职 称： 年月日系级教学单位审批： 年 月 日 / . . 摘要曲线拟合和曲面拟合是实际工程中的重要问题。该问题是指由已知的实验数据点拟合出物体的数学几何模型。这是对物体进行分析、计算和绘制的根据，也是研究曲线和曲面性质的很重要的途径。本文首先指明了数据拟合的研究背景和意义，以与关于数据拟合问题所做的相关工作和当前的研究现状。二次拟合曲线由于有着良好
4、的几何特性、较低的次数与灵活的控制参数，成为基本的体素模型之一，在计算机图形学和计算机辅助几何设计等领域中起着重要的作用。解决数据拟合问题的基本思想是最小二乘方法，本文中给出了最小二乘的基本思想。分析解决数据拟合问题所采用的算法，并对典型性的算法进行了较为详细的求解。另外本文对拟合时采用的目标函数进行了综合分析与相关证明。关键词曲线拟合；曲面拟合；最小二乘法；工程应用AbstractCurve and surface fitting are two important problems in real engineering. Reconstructing the geometrical mo
5、del of the object from the sample points carries on the foundation of analyzing, calculating and drawing of the object. It is also a very important way to study the nature of curves and surfaces.This paper first introduces the background and importance of the study of the data fitting. Some existing
6、 work and methods about data fitting are introduced. Conic is one of basic elements in reconstructing a model because of its good geometric characters, low order and flexible parameters. It plays an important role in the area of computer graphics and CAGD.It is usually based on the principle of Leas
7、t-squares method to solve the problem of data fitting. So in this paper，we introduce the concept of Least-squares method. we analyze thealgorithm which be used to solve the problem of data fitting. For typical algorithms, we provides detailed procedure of solving. In addition, inthis paper,when fitt
8、ing that I have comprehensive analysis and therelevant evidence ofthe objective functionKey wordsCurve fitting;Surface fitting; Least-squares method;Engineering applications. . 目录摘要IABSTRACTII第1章 绪论11.1 课题国外研究动态，课题研究背景与意义11.1.1 国外的研究现状21.1.2 课题研究的意义31.2 研究主要成果31.3 发展趋势51.4 研究的基本容61.5 论文的主要工作与结构安排6第2
9、章 数据拟合的基本理论82.1 最小二乘曲线拟合82.1.1 多项式拟合102.1.2 正交多项式作最小二乘拟合的原理112.1.3 非线性最小二乘拟合122.2 多元最小二乘拟合142.3 最小二乘法的另一种数学表达162.4 本章小结18第3章 数据拟合应用实例193.1 数据拟合在物理实验中的应用193.1.1 多项式拟合193.1.2 指数拟合193.2 数据拟合在塔机起重量监测系统中的应用213.2.1 工程原理213.2.2 应用实例223.3 数据拟合在翅片管传热性能试验中的应用233.3.1 工程原理243.3.2 应用实例263.4 数据拟合在机械参数测量模型研究中的应用29
10、3.4.1 工程原理303.4.2 模型估计算法的研究303.4.3 应用实例303.5 数据拟合在轮辋逆向工程设计中的应用323.5.1 工程原理333.5.2 参数拟合算法343.5.3 轴截面圆半径的拟合算法343.6 数据拟合在其他实际工程中的应用363.6.1 数据拟合在等离子弧温度场测算中的应用363.6.2 数据拟合在化工装备设计开发中的应用373.6.3 数据拟合在透气性测试方面的应用373.7 本章小结38结论39参考文献40致42附录143附录250附录356. . 第1章 绪论1.1课题国外研究动态，课题研究背景与意义数学分有很多学科，而它主要的学科大致产生于商业计算的需
11、要、了解数字间的关系、测量土地与预测天文事件。而在科技飞速发展的今天数学也早已成为众多研究的基础学科。尤其是在这个信息量巨大的时代，实际问题中国得到的中离散数据的处理也成为数学研究和应用领域中的重要的课题。在解决实际工程问题和科学实验的过程中，经常需要通过研究某些变量之间的函数关系，帮我们去认识事物在的规律和本质属性，这些变量间的未知的关系一般隐含在从观测、试验而得到的一组离散的数据之中。所以，是否能够根据一组试验观测数据来找到变量之间的相对准确的函数关系成为了解决工程实际问题的关键。比如在工程实践与科学实验中，我们经常要从一组试验数据，i = 0,1,.,n中来寻找自变量x和因变量y之间的函
12、数关系，通常可以用一个近似函数y = f (x)表示。而函数y = f (x)的产生方法会因为观测数据和具体要求不同而不同，通常我们可以采用数据拟合和函数插值两种方法来实现。数据拟合主要考虑到了观测数据会受到随机观测误差的影响，需要寻求整体误差最小、能够较好的反映出观测数据的近似函数y = f (x)，这时并不要求得到的近似函数y = f (x)必须满足= ,i = 0,1,n。函数插值则要求近似函数y = f (x)在每一个观测点处一定要满足= ，i = 0,1,n。在这种情况下，通常要求观测数据相对比较准确，即不考虑观测误差的影响。在实际问题中，通过观测数据能否正确揭示某些变量之间的关系，
13、进而正确认识事物的在规律与本质属性，往往取决于两方面因素。其一是观测数据的准确性或准确程度，这是因为在获取观测数据的过程中一般存在随机测量误差，导致所讨论的变量成为随机变量。其二是对观测数据处理方法的选择，即到底是采用插值方法还是用拟合方法1-3，插值方法之中、拟合方法之中又选用哪一种插值或拟合技巧来处理观测数据。插值问题忽略了观测误差的影响，而拟合问题则考虑了观测误差的影响。但由于观测数据客观上总是存在观测误差，而拟合函数大多数情况下是通过经验公式获得的，因此要正确揭示事物的在规律，往往需要对大量的观测数据进行分析，尤为重要的是进行统计分析。统计分析的方法有许多，如方差分析、回归分析等。数据
14、拟合虽然较有效地克服了随机观测误差的影响，但从数理统计的角度看，根据一个样本计算出来的拟合函数(系数)，只是拟合问题的一个点估计，还不能完全说明其整体性质。因此，还应该对拟合函数作区间估计或假设检验，如果置信区间太大或包含零点，则由计算得到的拟合函数系数的估计值就毫无意义。这里所采用的统计分析方法就是所谓的回归分析。另外还可用方差分析的方法对模型的误差作定量分析。所以，据科学和工程问题可以通过比如采样、实验等方法而得到若干的离散的数据，根据这些离散的数据，我们往往希望能得到一个连续函数(也就是曲线)或者更加密集的离散方程与已知数据相吻合。这个过程叫做拟合。也就是说，如果数据不能满足某一个特定的函数的时候，而要求我们所要求的逼近函数“最优的” 靠近那些数据点，按照误差最小的原则为最优标准来构造出函数。我们称这个函数为拟合函数。现在，对数据点进行函数拟合以获得信息模型是许多工程应用领域的一个核心问题。而为了适应这个多元化的世界中，为了能够满足各种各样的应用领域的要求，针对他们而对各种拟
