【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)

本文主要是介绍【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),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

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!!

这篇关于【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)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/678631

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题

题库来源:安全生产模拟考试一点通公众号小程序 2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题是由安全生产模拟考试一点通提供,流动式起重机司机证模拟考试题库是根据流动式起重机司机最新版教材,流动式起重机司机大纲整理而成(含2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题参考答案和部分工种参考解析),掌握本资料和学校方法,考试容易。流动式起重机司机考试技

poj3468(线段树成段更新模板题)

题意:包括两个操作:1、将[a.b]上的数字加上v;2、查询区间[a,b]上的和 下面的介绍是下解题思路: 首先介绍  lazy-tag思想:用一个变量记录每一个线段树节点的变化值,当这部分线段的一致性被破坏我们就将这个变化值传递给子区间,大大增加了线段树的效率。 比如现在需要对[a,b]区间值进行加c操作,那么就从根节点[1,n]开始调用update函数进行操作,如果刚好执行到一个子节点,

hdu1394(线段树点更新的应用)

题意:求一个序列经过一定的操作得到的序列的最小逆序数 这题会用到逆序数的一个性质,在0到n-1这些数字组成的乱序排列,将第一个数字A移到最后一位,得到的逆序数为res-a+(n-a-1) 知道上面的知识点后,可以用暴力来解 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#in

hdu1689(线段树成段更新)

两种操作:1、set区间[a,b]上数字为v;2、查询[ 1 , n ]上的sum 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#include<queue>#include<set>#include<map>#include<stdio.h>#include<stdl