前言：中文期刊网精心挑选了数学建模常用模型算法范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
数学建模常用模型算法范文1
前言：数学建模，就是根据实际问题来建立数学模型，对数学模型来进行求解，然后根据结果去解决实际问题。数学模型是一种模拟，是用数学符号，数学式子，程序，图形等对实际课题本质属性的抽象而又简洁的刻画，它或能解释某些客观现象，或能预测未来的发展规律，或能为控制某一现象的发展提供某种意义下的最优策略或较好策略。应用知识从实际课题中抽象、提炼出数学模型的过程就称为数学建模。在21世纪新时代下，信息技术的快速发展使得数学建模成了解决实际问题的一个重要的有效手段。
正文：自从20世纪以来，随着科学技术的迅速发展和计算机的日益普及，人们对各种问题的要求越来越精确，使得数学的应用越来越广泛和深入，特别是在21世纪这个知识经济时代，数学科学的地位会发生巨大的变化，它正在从国家经济和科技的后备走到了前沿。经济发展的全球化、计算机的迅猛发展、数学理论与方法的不断扩充，使得数学已经成为当代高科技的一个重要组成部分和思想库，数学已经成为一种能够普遍实施的技术。培养学生应用数学的意识和能力已经成为数学教学的一个重要方面。而数学建模作为数学方面的分支，在其中起到了关键性的作用。
谈到数学建模的过程，可以分为以下几个部分：
一.模型准备
了解问题的实际背景，明确其实际意义，掌握对象的各种信息。以数学思想来包容问题的精髓，数学思路贯穿问题的全过程，进而用数学语言来描述问题。要求符合数学理论，符合数学习惯，清晰准确。
二.模型假设
根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。
三.模型建立
在假设的基础上，利用适当的数学工具来刻划各变量常量之间的数学关系，建立相应的数学结构。
四.模型计算
利用获取的数据资料，对模型的所有参数做出计算（或近似计算）。其中需要应用到一些计算工具，如matlab。
五.模型分析
对所要建立模型的思路进行阐述，对所得的结果进行数学上的分析。
六.模型检验
将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差，则应该修改假设，再次重复建模过程。
数学建模中比较重要的是，我们需要根据实际问题，适当调整，采取正确的数学建模方法，以较为准确地对实际问题发展的方向进行有据地预测，达到我们解决实际问题的目的，
在近些年，数学建模涉及到的实际问题有关于各个领域，包括病毒传播问题、人口增长预测问题、卫星的导航跟踪、环境质量的评价和预测等等，这些就能说明数学建模涉及领域之广泛，针对这些问题我们需要采取对应的数学建模方法，采用不同的数学模型，再综合起来分析，得出结论，这需要我们要有一定的数学基础和掌握一些应用数学方法，以适应各种实际问题类型的研究，也应该在一些数学方法的基础上，进行不断地拓展和延伸，这也是在新时代下对于数学工作者的基本要求，我们对数学建模的所能达到的要求就是实现对实际问题的定性分析达到定量的程度，更能直观地展现其中的内在关系，体现数学建模的巨大作用。
而在对数学建模中的数据处理中，我们往往采用十类算法：
一.蒙特卡罗算法
也称统计模拟方法，是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明，而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法。当所求解问题是某种随机事件出现的概率，或者是某个随机变量的期望值时，通过某种“实验”的方法，以这种事件出现的频率估计这一随机事件的概率，或者得到这个随机变量的某些数字特征，并将其作为问题的解。如粒子输运问题。
二.数据拟合、参数估计、插值等数据处理算法
比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具，而在其中有一些要用到参数估计的方法，包括矩估计、极大似然法、一致最小方差无偏估计、最小风险估计、同变估计、最小二乘法、贝叶斯估计、极大验后法、最小风险法和极小化极大熵法。最基本的方法是最小二乘法和极大似然法。数据拟合在数学建模中常常有应用，与图形处理有关的问题很多与拟合有关系。
三.线性规划、整数规划、多元规划、二次规划等规划类问题
建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件实现。它尤其适用于传统搜索方法难于解决的复杂和非线性问题，在运筹学和模糊数学中也有应用。
四.图论算法
这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备，其中，图论具有广泛的应用价值,图论可将各种复杂的工程系统和管理问题用“图”来描述,然后用数学方法求得最优结果，图论是解决许多工程问题中算法设计的一种有效地数学模型,便于计算分析和计算机存储。
五.动态规划、回溯搜索、分治算法、分支定界等计算机算法
动态规划的应用极其广泛，包括工程技术、经济、工业生产、军事以及自动化控制等领域，并在背包问题、生产经营问题、资金管理问题、资源分配问题、最短路径问题和复杂系统可靠性问题等中取得了显著的效果。回溯算法是深度优先策略的典型应用，回溯算法就是沿着一条路向下走，如果此路不同了，则回溯到上一个分岔路，在选一条路走，一直这样递归下去，直到遍历万所有的路径。八皇后问题是回溯算法的一个经典问题，还有一个经典的应用场景就是迷宫问题。回溯算法是深度优先，那么分支限界法就是广度优先的一个经典的例子。回溯法一般来说是遍历整个解空间，获取问题的所有解，而分支限界法则是获取一个解。分治算法的基本思想是将一个规模为N的问题分解为K个规模较小的子问题，这些子问题相互独立且与原问题性质相同。求出子问题的解，就可得到原问题的解。即一种分目标完成程序算法，简单问题可用二分法完成。
这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中。
六.最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法
模拟退火算法的依据是固体物质退火过程和组合优化问题之间的相似性。物质在加热的时候，粒子间的布朗运动增强，到达一定强度后，固体物质转化为液态，这个时候再-进行退火，粒子热运动减弱，并逐渐趋于有序，最后达到稳定。
“物竞天择，适者生存”，是进化论的基本思想。遗传算法就是模拟自然界想做的事。遗传算法可以很好地用于优化问题，若把它看作对自然过程高度理想化的模拟，更能-显出它本身的优雅——虽然生存竞争是残酷的。 遗传算法以一种群体中的所有个体为对象，并利用随机化技术指导对一个被编码的参数空间进行高效搜索 。
神经网络从名字就知道是对人脑的模拟。它的神经元结构，它的构成与作用方式都是在模仿人脑，但是也仅仅是粗糙的模仿，远没有达到完美的地步。和冯·诺依曼机不同-，神经网络计算非数字，非精确，高度并行，并且有自学习功能。
这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。
七 .网格算法和穷举法
对于小数据量穷举法就是最优秀的算法，网格算法就是连续问题的枚举。网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。
八.一些连续离散化方法
很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。
九.数值分析算法
在比赛中采用高级语言进行编程的话,那一些数值分析中常用的算法比如方程组求解、矩阵运算、 函数积分等算法就需要额外编写库函数进行调用。
十.图像处理法
赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab进行处理。
这十类算法对于数据处理有很大的帮助，甚至从其中可以发现在它们中的很多算法都是数学某些分支的延伸，可能我们不一定能掌握里面的所有算法，但是我们可以尽可能学习，相信这对我们今后的数学学习有很大的帮助，然后，就是数学模型的类别。
常见的数学模型有离散动态模型、连续动态模型、库存模型、线性回归模型、线性规划模型、综合评价模型、传染病模型等数学模型、常微分方程模型、常微分方程的数值稳定性、人口模型、差分方程模型，这些模型都有针对性地从实际问题中抽象出来，得到这些模型的建立，我们在其中加入适当合理的简化，但要保证能反映原型的特征，在数学模型中，我们能进行理性的分析，也能进行计算和演绎推导，我们最终都会通过实践检验数学建模的正确性，加以完善和提升，在对现实对象进行建模时，人们常常对预测未来某个时刻变量的值感兴趣，变量可能是人口、房地产的价值或者有一种传染病的人数。数学模型常常能帮助人们更好的了解一种行为或者规划未来，可以把数学模型看做一种研究特定的实际系统或者人们感兴趣的行为而设计的数学结构。
例如人口增长模型：
中国是世界上人口最多的发展中国家，人口多，底子薄，人均耕地少，人均占有资源相对不足，是我国的基本国情，人口问题一直是制约中国经济发展的首要因素。人口数量、 质量和年龄分布直接影响一个地区的经济发展、资源配置、社会保障、社会稳定和城市活力。 在我国现代化进程中，必须实现人口与经济、社会、资源、环境协调发展和可持续发展， 进一步控制人口数量，提高人口质量，改善人口结构。对此，单纯的人口数量控制（如已实施多年的计划生育）不能体现人口规划的科学性。 政府部门需要更详细、 更系统的人口分析技术，为人口发展策略的制定提供指导和依据。长期以来，对人口年龄结构的研究仅限于粗线条的定性分析， 只能预测年龄结构分布的大致范围，无法用于分析年龄结构的具体形态。 随着对人口规划精准度要求的提高，通过数学方法来定量计算各种人口指数的方法日益受到重视，这就是人口控制和预测。
人口增长模型是由生育、死亡、疾病、灾害、环境、社会、经济等诸多因素影响和制约的共同结果，如此众多的因素不可能通过几个指标就能表达清楚，他们对人口增长的潜在而复杂的影响更是无法精确计算。这反映出人口系统具有明显的灰色性， 适宜采用灰色模型去发掘和认识原始时间序列综合灰色量所包含的内在规律。灰色预测模型属于全因素的非线性拟合外推类法，其特点是单数列预测，在形式上只用被预测对象的自身序列建立模型，根据其自身数列本身的特性进行建模、预测，与其相关的因素并没有直接参与，而是将众多直接的明显的和间接的隐藏着的、已知的、未知的因素包含在其中，看成是灰色信息即灰色量，对灰色量进行预测，不必拼凑数据不准、关系不清、变化不明的参数，而是从自身的序列中寻找信息建立模型，发现和认识内在规律进行预测。
基于以上思想我们建立了灰色预测模型：
灰色建模的思路是：从序列角度剖析微分方程，是了解其构成的主要条件，然后对近似满足这些条件的序列建立近似的微分方程模型。而对序列而言（一般指有限序列）只能获得有限差异信息，因此，用序列建立微分方程模型，实质上是用有限差异信息建立一个无限差异信息模型。
在灰色预测模型中，与起相关的因素并没有直接参与，但如果考虑到直接影响人口增长的因素， 例如出生率、死亡率、 迁入迁出人口数等，根据具体的数据进行计算， 则可以根据年龄移算理论，从某一时点的某年龄组人数推算一年或多年后年龄相应增长一岁或增长多岁的人口数。在这个人口数的基础上减去相应年龄的死亡人数， 就可以得到未来某年龄组的实际人口数。对于0 岁的新生人口， 则需要通过生育率作重新计算。当社会经济条件变化不大时， 各年龄组死亡率比较稳定， 相应活到下一年龄组的比例即存活率也基本上稳定不变。 因而可以根据现有的分性别年龄组存活率推算未来各相应年龄组的人数。
通过这样的实例就能很细致地说明数学建模的方法应用，数学模型方法是把实际问题加以抽象概括，建立相应的数学模型，利用这些模型来研究实际问题的一般数学方法。它是将研究的某种事物系统，采用数学形式化语言把该系统的特征和数量关系，抽象出一种数学结构的方法，这种数学结构就叫数学模型。一般地，一个实际问题系统的数学模型是抽象的数学表达式，如代数方程、微分方程、差分方程、积分方程、逻辑关系式，甚至是一个计算机的程序等等。由这种表达式算得某些变量的变化规律， 与实际问题系统中相应特征的变化规律相符。一个实际系统的数学模型，就是对其中某些特征的变化规律作出最精炼的概括。
数学模型为人们解决现实问题提供了十分有效和足够精确的工具， 在现实生活中， 我们经常用模型的思想来认识和改造世界，模型是针对原型而言的，是人们为了一定的目的对原型进行的一个抽象。
随着科学技术的快速发展，数学在自然科学、社会科学、工程技术与现代化管理等方面获得越来越广泛而深入的应用， 尤其是在经济发展方面， 数学建模也有很重要的作用。 数学模型这个词汇越来越多地出现在现代人的生产、工作和社会活动中，从而使人们逐渐认识到建立数学模型的重要性。数学模型就是要用数学的语言、方法去近似地刻画实际，是由数字、字母或其他数学符号组成的，描述现实对象数量规律的数学公式、 图形或算法。也可以这样描述：对于一个现实对象，为了一个特定目的，根据其内在规律，做出必要的简化假设，运用适当的数学工具，得到的一个数学结构。数学建模的作用在21实际毋庸置疑，我们通过不断学习数学建可以掌握解决实际问题的强大武器。
参考文献：数学建模方法与案例，张万龙，等编著，国防工业出版社（2014）.
数学建模常用模型算法范文2
关键词：数值计算方法；数学建模；必要性；途径
中图分类号：G642.41 文献标志码：A 文章编号：1674-9324（2013）24-0047-02
随着计算机的飞速发展，几乎所有学科都走向定量化和精确化，从而产生了一系列计算性的学科分支，如《计算物理》、《计算化学》、《计算生物学》、《计算地质学》、《计算气象学》和《计算材料学》等，而《计算数学》中的数值计算方法则是解决“计算”问题的桥梁和工具。因此掌握数值计算方法的基本理论及其应用对理工科大学生从事专业研究具有重要意义。那么如何加强学生对计算方法思想的领悟？如何增强学生运用计算方法思想解决实际问题的能力？在计算方法教学中融入数学建模思想是值得我们认真思考的问题，也是解决学与用关系的一个非常有意义的尝试。笔者参加了山东省精品课程数值计算方法的建设，又结合近几年的教学体会，提出以下几点认识。
一、数学建模思想融入数值计算方法教学的必要性
1.传统数值计算方法教学的不足之处。值计算方法，也称数值分析或计算方法，是专门研究各种数学问题的数值解法（近似解法），包括方法的构造和求解过程的理论分析。课程中有大量的、冗长的计算公式，所涵盖的知识面宽，各部分内容自成体系，因而给人的感觉是条块分割严重，逻辑性、连贯性不强。在传统的数值计算方法教学中，主要是讲解定义、公式推导和大量的计算方法等。很多学生在学习的过程中甚至考试结束之后仍然不知道自己所学的算法能在什么地方应用，导致学生学习目的性模糊，学习兴趣减少，因此加强培养学生的数学建模能力具有十分重要的意义。
2.数学建模思想在数值计算方法教学中的作用。所谓数学建模[1]，就是将某一领域或部门的某一实际问题，通过做一些必要的简化和假设，明确变量和参数，并依据某种“规律”，运用适当的数学理论，建立变量和参数间的一个明确的数学关系式，这个数学关系式即为数学模型，建立这个数学模型的过程即为数学建模。建立实际问题数学模型的过程如下[2]：实际问题建立数学模型求解模型检验模型结果修改模型再求解模型（可循环多次）实际问题的合理结果。在这个过程中，只有一小部分模型能解析求解，大部分数学模型只能数值求解。这就要用到数值计算方法课程中所涉及的算法，如插值方法、最小二乘法、曲线拟合法、方程迭代求解法、共轭梯度法等，这就启发我们将数学建模的思想融人计算方法的教学中，提供数值方法实际应用的源泉，体现数值方法的价值和意义，使数学教学不再是无源之水，无本之木，不再显得那么空洞，从而把以往教学中常见的“要我学”真正地变成“我要学”。
二、数学建模思想融人数值计算方法教学的途径
将数学建模的思想融人数值计算方法教学中是很有必要的，但具体如何融入呢？结合教育的实际，笔者提出以下几点建议。
1.原则。课堂教学的主要内容和地位而言，数值算法是课堂教学的主要内容，数学建模仅作为一种教学方法而存在，是学生认知的一种途径，它为数值计算方法教学服务，是教学工作的一种延伸和补充，处于从属地位。数值计算方法为主，数学建模为辅，二者不能平分秋色，更不能本末倒置。因此，数学建模思想渗透到数值计算方法教学中的量不能超过一个度，否则，数值计算方法课就会变成数学建模课。
2.在解决应用问题的讲解中渗透数学建模的思想与方法。值计算方法中的数值方法都有很强的实际应用背景，每一种方法都直接或间接与工程应用有关。教学中通过对实际应用背景的描述，可以激发学生的学习欲望和探究心理，从而对学习内容及过程产生强烈的兴趣和需要。这就要求授课教师了解其他相关学科课程，让学生知道所学的知识在不同领域的应用。例如：在信息技术中的图像重建、图像放大过程中为避免图像失真、扭曲而增加的插值补点，建筑工程的外观设计，天文观测数据、地理信息数据的处理，社会经济现象的统计分析等方面，插值技术的应用是不可或缺的；在实验数据处理问题中，曲线拟合得到广泛应用；在汽车、飞机等的外型设计过程中，样条技术的引入使其外型设计越来越光滑、美观。
3.数学实验中渗透数学建模的思想与方法。机环节是数值计算方法这门课程重要的组成部分，也是检验学生理解授课内容好坏的“试金石”。授课教师可以结合实际和所学数值算法设计一些综合性的问题，让学生去解答。学生通过查阅资料，认真研究，建立模型，设计算法，编程上机，调试运行，得出结果。这个过程既提高了学生编程上机能力，对所学算法有了更深刻的理解，而且对提高学生应用所学的计算方法知识解决实际问题的能力也有很大帮助。
4.在案例教学中渗透数学建模的思想与方法。案例教学[3]，就是在课堂教学中，以具体案例作为教学内容，通过具体问题的建模范例，介绍数学建模的思想方法。所选教学案例要尽可能结合学生所学专业，并且涉及相应数值算法而又能体现数学建模思想。这样既使学生掌握了数学建模的方法，又使学生深刻体会到数学是解决实际问题的锐利武器。下面具体举一个例子给予说明。例：三次样条插值案例．在工程技术和数学应用中经常遇到这样一类数据处理问题：在平面上给定了一组有序的离散点列，要求用一条光滑曲线把这些点按次序连接起来。解：传统的设计方法是工程技术人员常常用一条富有弹性的均匀细木条，让它们依次经过离散数据点，然后用“压铁”在若干点处压住，在其他地方让它自由弯曲，然后沿细木条画出一条光滑曲线，形象的称为样条曲线
在力学上，通常均匀细木条可以看作弹性细梁，压铁看作是作用在梁上的集中载荷，“样条曲线”就模拟为弹性细梁在外加集中载荷作用下的弯曲变形曲线。设细梁刚度系数是A，弯矩为M，样条曲线的曲率为k（x）。由力学知识：Ak（x）=M（x），M（x）是线性函数，k（x）=■当 时（即小挠度的情况），上述微分方程简化为Ay"（x）=M（x），y（4）（x）=0因此，“样条曲线”在每个子区间可近似认为是三次多项式。通过此数学建模案例可以让学生体会三次样条的基本特征：分段三次光滑，整体二次光滑。
总之，在数值计算方法教学中融入数学建模思想，不但搭建起数值计算方法知识与应用的桥梁，而且使得数值计算方法知识得以加强、应用领域得以拓广，在推进素质教育和培养创新能力上将会发挥重要的作用。
参考文献：
[1]丁素珍，王涛，佟绍成.高等数学课程教学中融入数学建模思想的研究与实践[J].辽宁工业大学学报，2008，10（1）：133-135.
[2]曾国斌.试论数学建模与高等数学教学[J].湖南理工学院学报（自然科学版），2008，21（3）：92-94.
[3]何莉.在高等数学教学中培养学生数学建模能力[J].科教文汇，2008，68.
数学建模常用模型算法范文3
关键词：软测量；神经网络；软件设计
中图分类号：TP18文献标识码：A文章编号：1009-3044(2011)04-0753-04
The Development and Design of the Modeling Software for Soft Sensor
HOU Yan-song, XIE Gang, ZHANG Min, LIU Ya-ru
(Automation Research Institute of Lanzhou Petrochemical Company Petrochina, Lanzhou 730060, China)
Abstract: This paper designs a soft-sensing modeling software for chemical production process, Considering the complexity in the practical industry process, the software applies the linear regression modeling approach and the nonlinear neural network modeling approach to design the measurement software. Practice have been carried on the production process of Ethyl benzene and Starch content prediction, and the results show that the software can fulfill the function of trend prediction.
Key words: soft-sensor; neural network; software development
在工业实际中，产品质量控制是所有工业过程控制的核心。要对产品质量进行实时有效的控制，就必须及时准确的了解产品的质量参数，从而及时调整工艺参数和控制参数，以期获得良好的产品质量监测和控制。然而实际中，过程的质量参数通常是无法直接测量的，即使能够利用分析仪表测量，也存在较大的分析滞后[1]，无法完全满足过程控制的需要。总的来说，我国石油化工行业现有的仪表设备很难实时的提供过程控制所需的质量参数信息。基于这种现实，更高一层的先进控制技术，过程优化技术，产品质量的监测管理等上层应用就受到了测量信息不足这一瓶颈问题的极大限制。在这种背景下，工业过程对过程检测的内容和时效性均提出了新的要求。一方面，仅获取流量、温度、压力、液位等常规过程参数的测量信息已不能满足工艺操作指导和质量控制的要求，迫切需要获取诸如成分、物性等与过程工艺操作和质量控制密切相关的检测参数的测量信息。另一方面，测量从静态或稳态向动态测量发展，在许多应用场合还需要综合运用所获得的各种过程测量信息，才能实现有效的过程控制、对生产过程或测量系统进行故障诊断、状态监测。近年来，作为以计算机技术为基础的软测量技术成为了解决上述工业控制瓶颈问题的有效途径之一，越来越受到关注[2-5]。
就苯乙烯、丙烯腈、乙烯及丁二烯抽提等化工装置而言，产品质量数据主要是产品的纯度。针对这一特点，本软件采用基于数据驱动的建模方法，并考虑到实际的工业过程对象复杂多变，软件采用了线性回归建模和非线性神经网络建模两种方法来设计软测量软件。最后，根据工艺机理，我们通过建立苯乙烯装置乙苯塔塔顶乙苯含量软测量数学模型，完成了对塔顶乙苯含量的准确预测。
1 乙苯含量软测量模型的建立
1.1 软测量
软测量的工作原理（见图1），就是在常规检测的基础上，利用辅助变量与主导变量的关系，通过软件计算 ，得到主导变量的测量值。软测量技术的核心是建立用来预测主导变量的可靠的软测量模型。初始软测量模型是对过程变量的历史数据进行辨识而来的。在应用过程中，软测量模型的参数和结构并不是一成不变的，随时间迁移工况和操作点可能发生改变，需要对它进行在线或离线修正，以得到更适合当前状况的软测量模型，提高模型的适合范围。因此，软测量结构可分为历史数据处理、离线建模、在线运行（包括校正）三大模块。
1.2 辅助变量的选择
通过对苯乙烯装置乙苯塔工艺机理研究，我们选择通过DCS收集的1000组过程参数作为建模样本集，300组过程数据作为校验样本集，运用统计学方法将样本数据中隐含的对象信息进行浓缩和提取，通过工程师的经验以及多元回归分析方法，寻找最优变量来建模，从而建立主导变量和辅助变量之间的数学模型，见表1。
2 软测量建模软件的实现
2.1 软件框架
选用微软VC++6.0开发环境[6]，软件的整体设计采用面向对象的程序设计方法，考虑到软测量仪表本身侧重于数值计算和参数的频繁传递，因此选用基于对话框的应用程序框架。该软件框架结构简单，易于人机参数传递。从程序的角度来说，软件总共分四个主要模块：主对话框模块、算法模块、矩阵运算模块、图形编辑模块。如图2所示。
1）主对话框模块：即人机界面UI，提供基本的人机交流界面，以及数据文件操作。
2）算法模块：是整个软件的核心，包括了软件中所有的算法程序，并且留有扩充借口，可随时根据软件的升级增加新的算法。软件在调用算法时需要用户传递的参数和算法结果的返回利用子对话框来传递。该模块分为三个子模块：① 数据归一化模块：主要功能是对原始样本数据进行归一化处理；② 样本数据分析模块：主要功能是对辅助变量进行相关性分析和主元分析；③ 建模算法模块：偏最小二乘法建模、神经网络建模。
3）矩阵运算模块：主要功能是为算法模块提供必需的矩阵运算支持。软件中数据归一化、样本分析、建模的大多数算法在数学上表现为大量的矩阵运算，微软MFC基础类库并没有提供可以直接使用的矩阵运算类。为了使得建模算法代码更为简洁，易于修改。矩阵运算模块将常用的矩阵运算操作写成一个类――矩阵类，供算法程序调用。
4）图形编辑模块：主要功能是按照需要对工作空间中的数据进行曲线图形显示。作用是当离线建模完成后，需要对所建立的模型进行拟合试验，将试验结果以曲线的形式表现出来，软件允许用户自己设定坐标范围和图形标题。
2.2 偏最小二乘回归法
偏最小二乘回归是建立在主元分析原理上的化学计量学方法。它通过多元投影变换的方法，分析两个不同矩阵间的相互关系。在主元分析中，提取主元的过程只是强调了主元对辅助变量信息的最大综合能力，并没有考虑主导变量。偏最小二乘法不仅利用对系统中的数据进行分析和筛选的方式辨识系统中的信息和噪声，从而克服变量的多重线性相关性对建模的影响，而且在提取主元时还考虑主元和因变量的相关性，即主元对主导变量的解释作用。因此，偏最小二乘回归可以集多元线性回归，主元分析，典型相关分析的基本功能为一体。
该算法原理如下：
假设有两个数据矩阵X和Y,其中X∈Rn×m,Y∈Rn×1,X和Y之间的关系表示如下：
Y=Xβ+e （1）
式中：e表示残差；β表示自适应因子。
自适应因子β的估计值可以用最小二乘法得到，即：
（2）
如果数据矩阵X具有较强的相关性，则式（2）中存在病态矩阵的求逆，结果误差较大，而部分最小二乘法可以避免对病态矩阵求逆。其基本原理是将式（1）中的X和Y的关系分解为两个内部关系和一个外部关系：式（3）、（4）和（5）。
（3）
（4）
其中，矩阵T=[t1 t2 … tα]，U=[u1 u2 …uα]；分别称为X和Y的得分矩阵，而th和uh分别称为矩阵X和Y的第h主元。P=[p1 p2 … pα]和Q=[Q1 Q2 … Qα]称为荷载矩阵，U和T之间的关系表示如下：
（5）
式中：E、F、R为残差矩阵。
该算法将高维空间信息投影到由几个隐含变量组成的低维信息空间中，隐含变量包含了原始数据的重要信息，且隐含变量间是互相独立的。
2.3 神经网络法
基于人工神经网络（Artificial Neural Network，ANN）的软测量建模方法是近年来研究最多、发展很快和应用范围很广泛的一种软测量建模方法[7-8]。能适用于高度非线性和严重不确定性系统，因此它为解决复杂系统过程参数的软测量问题提供了一条有效途径。
化工装置产品含量预测建模通常处理的是非线性建模问题，而多层前向网络已被证明具有以任意精确度进行复杂非线性函数的拟合能力[7]，因此选择前向网络结构。网络层数方面，除了网络必须包含的输入输出层外，对于化工装置产品含量预测这类软测量建模，问题的复杂程度一般要求隐层数目为1。因此，软件中采用包含一个隐含层的三层结构前馈网络。
确定好网络结构后，神经网络用于软测量建模实际上就是利用产品的历史数据经过一定的算法来确定网络的连接权值和阈值。BP算法是应用较早的学习算法，它充分利用了前向网络的结构优势，在正反传播过程中的每一层计算都是并行的。但BP算法存在两个缺点，即训练时间长和容易陷入局部最小。针对此缺陷，本软件在设计时采用了带动量因子的改进方法来加快网络训练速度。改进的BP神经网络的网络设置和参数设置如图3所示。
神经网络建模算法采用BP算法，算法不再是简单的矩阵操作。根据前馈神经网络的结构将神经网络用两个类来描述，即神经网络类和神经网络层类。经过处理后，主程序算法简洁，可读性强。如果要改进BP算法，代码的修改只需在类的方法中修改即可，不必修改主程序。神经网络类的设计和神经网络层类的设计主要代码如下：
神经网络类
属性：
输入层：CNeuralNetworkLayerInputLayer;
隐层： CNeuralNetworkLayerHiddenLayer;
输出层：CNeuralNetworkLayer OutputLayer;
方法：
void Initialize(int nNodesInput, int nNodesHidden, int nNodesOutput); // 初始化函数确定了三层网络的层次关系，有点类似构造函数
void SetInput(int i, double value); // 网络输入函数
double GetOutput(int i); // 网络输出函数
void SetDesiredOutput(int i, double value); // 设置网络期望输出函数
void LoadWeight(const CMatrix& I_H, const CMatrix& H_O, const CMatrix& H, const CMatrix& O); // 给网络加载权值和阈值
void FeedForward(void); // 前向计算函数
void BackPropagate(void);// 反向权值调整函数(标准的最速梯度下降法)
void Levenberg_Marquardt(void);// 反向权值调整函数(Levenberg_Marquardt法)
double CalculateError(void); // 计算网络全局误差函数
void SetLearningRate(double rate1,double rate2); // 设置学习效率
void SetLinearOutput(bool useLinear); // 是否线性输出
void SetMomentum(bool useMomentum, double factor); // 设置动量因素
神经网络层类
属性：
int NumberOfNodes; // 层中神经元数目
int NumberOfChildNodes; // 子层神经元数目
int NumberOfParentNodes; // 父层神经元数目
double**Weights; // 网络权值数组
double**WeightChanges; // 权值改变数组
double* NeuronValues; // 神经元值
double* DesiredValues; // 导师信号
double* Errors; // 局部误差
double* BiasWeights; // 偏差权值
double* BiasValues; // 偏差值
doubleLearningRate; // 学习效率
boolLinearOutput; // 是否线性输出
boolUseMomentum; // 是否有动量因素
doubleMomentumFactor; // 动力因素大小值
CNeuralNetworkLayer* ParentLayer; // 父层
CNeuralNetworkLayer* ChildLayer; // 子层
方法：
void Initialize(int NumberOfNodes, CNeuralNetworkLayer* parent, CNeuralNetworkLayer* child); // 初始化（分配存储空间）
void RandomizeWeights(void); // 权值初始化函数
void OrderWeights(const CMatrix& WeightsMatrix,const CMatrix& BiasWeightsMatrix); // 权值给定函数
void CalculateErrors(void); // 计算局部误差函数
void AdjustWeights(void); // 调整权值函数
void CalculateNeuronValues(void); // 计算神经元值函数
void CleanUp(void); // 清除网络层（有析构函数的作用）
2.4 软测量模型的在线校正
由于软测量对象的时变性、非线性及模型的不完整性等因素，必须经过模型的在线校正才能适应新工况。根据被估计变量的离线测量值与软测量估计值的误差，对软测量模型进行在线修正，使软测量仪表能跟踪系统特性的缓慢变化，提高静态自适应能力。一般采用在线校正算法为常数项修正法，即通过化验值或分析值计算新的偏差，并把新的偏差写入软测量仪表，修正偏差。即：
新偏差=（采样时刻计算值-化验值）×偏差权重+旧偏差×（1-偏差权重）
3 工业应用
乙苯含量是乙苯精馏塔塔釜采出产品中一个十分重要的质量控制指标[9]，通过辅助变量塔顶压力、塔顶温度、塔灵敏板温度、回流量及塔釜温度来预测乙苯含量变化趋势。通过本软件进行仿真，乙苯含量软测量偏最小二乘建模数据拟合图如图4所示。其中，红线为实际值，绿线为拟合值。误差平方和：0.765762856683714，均方误差：0.0033294037247118。
针对某装置淀粉含量预测问题选择神经网络方法进行仿真研究，均方误差：9.14971253690028e-009；拟合曲线：红线为化验值，绿线为拟合值。淀粉含量软测量神经网络建模数据拟合图如图5所示。
4 结束语
本文采用了微软基础类库（MFC）提供的基于对话框的应用程序框架实现了软测量建模软件的开发。软件主要是从数学的角度分别研究了线性和非线性软测量建模算法，重点强调了建模算法对给定历史数据的拟合和泛化能力。在具体的应用中，根据工艺知识对软测量问题进行初步数学抽象，然后以本软件作为一种工具建模，辅以必要的工艺机理分析检验模型的合理性。通过对实际中两个化工过程进行的仿真表明，该软件基本具备了软测量建模预测产品含量变化趋势的能力，可以得到较好的效果。
参考文献：
[1] 王树青.先进控制技术及应用[M].北京:化学工业出版社,2005.
[2] Morris A J,Montague G A,Tham M T.Soft-sensors in industrial process control[C].London,UK:Applied developments in process control,1989.
[3] 王跃宣.先进控制策略与软件实现及应用研究[D].杭州:浙江大学,2003.
[4] 俞金寿.软测量技术及其在石油化工中的应用[M].北京:化学工业出版社,2000.
[5] 马勇,黄德先,金以慧.动态软测量建模方法初探[J].化工学报,2005,56(8):1516-1519.
[6] 侯俊杰.深入浅出MFC[M].2版.武汉:华中科技大学出版社,2001.
[7] 薄翠梅,张,李俊,等.基于神经网络的软测量技术在精馏塔上的应用[J].过程工程学报,2003,3(4):371-375.
数学建模常用模型算法范文4
关键词：数学建模；创新能力；大学数学主干课程
中图分类号：G642.4 文献标志码：A 文章编号：1674-9324（2012）07-0158-03
大学生数学建模竞赛不仅能培养出具有创新能力的学生，也能一定程度上提高教师的教学和科研水平，而且最重要的是它能直接推动大学数学的教学改革。教育部高教司对我国大学生数学建模竞赛活动的主要指导思想之一就是“扩大受益面、推动教育改革”。开展数学建模教育，可以推动大学数学教育改革。开展“在大学数学教学融入数学建模、数学实验的思想和方法，培养学生的创新能力”课题的研究和实践，就是扩大数学建模受益面的一个重要探索。本文研究对在大学数学教学融入数学建模、数学实验的思想和方法的必要性，相应的融入手段，以及在融入过程中可能遇到的困难和解决办法等进行了论述。
一、数学建模思想融入大学数学的教学中的必要性
1.数学建模几乎是一切应用科学的基础。数学在科学中的一个重要作用就是能够使人们对事实上是相当混乱的东西进行适当的理想化，抽象出概念与模型，从而解决实际问题。在解决复杂科学技术问题时，数学建模的方法能使人们设计出最佳和可行的新技术方法、手段，以及预测新的现象等。数学建模及相应的计算也正在成为工厂里常用的主要工具。Charlies R. Mischke指出：学生一般都并不确信大学所开设的所有课程是否真能培养他们的创新能力。他们对学习渐渐失去兴趣，原因之一就是缺乏让学生了解大学教育进程安排的合理性。工程专业课程强调的基本都是专业方面的问题。而实际用来进行教学、组织和应用的工具却是数学模型。但不幸的是，专业教师很少花时间来讲授不涉及专业方面的建模过程本身。所以将数学建模的思想和方法融入大学主干数学课程教学中是具有现实的必要性。
2.当前数学教学的问题。传统的数学教学和考试可以很好地检查学生对所学数学知识的概念、定理和方法等的掌握情况，但缺乏对学生的应用数学的能力和创新能力进行考察。因此，在大学数学教学和考试中融入数学建模思想和方法非常必要。传统的大学数学教育已不能有效地激发广大学生的求知欲和激情，不能有效地培养学生的创新意识和创新能力。在现实的大学数学教学活动中，学生常常陷入前所未有的困惑之中，投入大量的精力，做了大量的习题，却丝毫感受不到“数学”有何作用，老师也拿不出鲜活的例子来使学生信服数学的用处。一大半学生认为大学数学的教学内容是没意义的，并且认为无意义的最大原因是和实际没有联系，学生最常问老师的问题就是“高等数学有什么用？”“线性代数有什么用？”等问题。
二、数学建模思想融入大学数学的教学中的具体措施
在大学数学的教学中融入数学建模思想主要是要让学生明白大学教育进程安排的合理性，以及数学的重要性和广泛应用性。但还是必须明确要以数学主干课程为主，建模思想培养为辅的指导思想，最主要的目的还是促进学生更好地学习和掌握大学数学主要内容、思想和方法。要建立一套恰当的数学建模思想融入大学数学教学的具体措施。首先必须弄清楚数学建模的具体过程以及我们大学数学教学的内容和思想。数学建模过程一般分为下面几步：①对实际问题进行观察、分析，进行必要的抽象、简化（抓住要点），确定模型建立中的变量和参数；②根据已知的各学科中的定律，甚至是经验等建立变量和参数之间的数学关系，这实际上就得到了明确的数学问题；③求解该数学问题。大部分情况是没有办法得到解析解，而只能得到近似解。这往往涉及复杂的数学思想、理论和方法，以及近似方法和算法；④得到的数学结果是否能解释或预测实际问题中出现的现象，或用历史数据、实验数据或现场测试数据等来验证模型是否恰当；如果模型是恰当的，那么就可以试用；如果是否定的，那就要进行仔细分析，重复上述建模过程，不断调整、最终得到恰当的数学模型。大学数学的特点是的抽象的思想、严谨的逻辑推理和广泛的应用，也正是由于它的抽象和严谨，使得其成为我们将其他学科量化的一个有效的工具。它与许多其他学科的本质区别在于它抽象地反映了现实世界里各种对象及其变化在数量方面的一般规律，它能够把一个学科的思想经过抽象、推理和提炼得到的结果用到别的学科，从而具有广泛的应用性。将数学建模思想融入大学数学的教学的具体方法。
1.具体的切入点。①经验建模——在所收集数据中提炼事物发展的趋势；②讲授一些实际问题及相关数学模型：人口模型、管理模型、抵押贷款模型、传染病模型、减肥模型等等。在现有教材中已经讲解了所涉及的数学内容，但如果从分析具体问题到建立数学建模的过程来学习的话，不仅能激发学生的学习兴趣和积极性，而且还能使其能在学、做而后知不足，从而诱导学生进一步学习数学。
数学建模常用模型算法范文5
【关键词】数学建模教材改革教学目标创新能力
【中图分类号】G642【文献标识码】A【文章编号】1006-9682(2010)3-0026-02
一、数学建模的教学
1.数学建模的教学现状
数学建模在科学技术发展中的重要作用越来越受到数学界和工程界的普遍重视,国内外越来越多的大学正在进行数学建模课程的教学和参加开放性的数学建模竞赛,数学建模教学和竞赛已是高等院校的教学改革和培养高层次的科技人才的一个重要方面,努力探索更有效的数学建模教学法和培养面向21世纪的人才的新思路是我们的重要任务。
全国有600多所学校开设了数学建模课程,有200多所学校只开设了数学建模讲座,有200多所学校增设了数学建模竞赛培训课。每年全国有30个省市(包括港澳)1000多所学校,15000多个队参加数学建模竞赛,参加人数45000人,是目前高校学生最大的课外活动。
2.存在的问题
数学建模方面的教材举不胜举,每部教材都有其各自的特点。然而与此同时,很多教材也存在一些问题,一些教材在内容上安排不当,与其他课程缺乏系统的匹配和整合。在数学建模的求解技巧方面下了功夫,但却忽略了模型建立的过程,忽略了多学科的横向交叉联系,一些内容与其他内容有重叠现象。这样做的后果,不仅使学生丧失了学习的热情和兴趣,而且重要的是学生解决实际问题的能力得不到应有的锻炼与提高。本问卷调查的目的是想通过问卷调查了解高等院校在进行数学建模教学和数学建模竞赛培训时,重点进行了哪些内容的教学?还需要增加哪些内容?介于数学建模教材比较多,我们以赵静、但琦编写的《数学建模与数学实验》教材为基础,为配合数学建模教学研究项目,笔者调查了我国部分高等院校对该教材使用的相关情况,对结果进行分析和研究,提出了相应对策,旨在为本教材内容改革提供一些参考数据。
二、数学建模教材讲授情况
此次调查的内容主要包括:哪些学校使用了我们的教材,教学过程中使用参考资料情况,讲授中主讲哪些内容,以及建模竞赛获奖情况等方面。调查采用问卷的形式,通过向各高校发送E-mail进行,本次调查共发送问卷120份,收回问卷72份。现对调查结果分析如下:
1.课程开设情况
在回收的问卷中,学校层次大多是普通院校(92%)。调查结果显示,有83%的院校采用了我们的教材,其中使用第三版的占58%,另外17%的作为参考资料使用(见表1)。表明我们的教材反应良好,被多所学校数学建模与数学实验课程或大学生数学建模竞赛辅导作为教材选用,且使用最新版次的居多。
注:表中百分数=选择该项的院校÷问卷调查总院校数(以下表中百分数均同此公式)
回收问卷中所有院校均开设了数学建模课程,通常以必修课、选修课和培训课的形式来开设,当然有些院校根据专业的不同,同时以两种以上的形式来开设。经统计有50%的院校将《数学建模》作为必修课程,有75%的院校作为选修课,另外还有42%的院校开设为培训课。其中,同时开设三种形式的院校占17%(见表2)。由此可见,数学建模课程在各个院校中都有着举足轻重的作用。
另外在问卷中调查了选修课及培训课课时的设置情况,统计结果如下(见表3):选修课时在30、40的院校均占33%,课时在50或60以上的院校均占17%,而培训课40以上课时的院校占50%,25%的院校设置30课时,仅有25%的院校设置课时在20课时以下。由此看来,数学建模课程以及数学建模竞赛活动受到了大多数院校的重视。
2.教材中讲授内容情况
教材承载的是由教学目标所确定的内容,但不完全等同于教学内容,教材还要注意课程理论的统一性和逻辑性,兼顾人们认识事物由浅入深的规律。问卷中针对教材需要删减或修改的章节进行了调查,结果见表4。
结果显示:线性规划、整数规划、非线性规划、微分方程、最短路问题、插值与拟合是建模竞赛中的热点问题,历年的建模竞赛试题中出现最多的便是优化问题。因此,70%以上的高校选择这些章节作为主讲内容;而50%的院校建议删除组合数学章节,20%的院校选择把差分方程和数据的统计描述两章删除;大多数高校建议修改线性回归、MATLAB入门、动态规划等章节;大多数高校建议把涉及到优化问题的章节合并在一章中讲解;把涉及图论问题的章节作为一章来讲授;把微分方程、差分方程合并成一章(见表4)。
在问卷中关于第四版是否需要增加两章内容:一是综合评判(包括层次分析法;模糊综合评判;灰色综合评判),二是预测模型(包括灰色预测;指数平滑法;神经网络;组合预测),经统计有95%的院校认为需要增加。最近几年建模题型不断有新的变化,评价和预测模型显得异常重要。
问卷中关于本书是否还需要增加哪些软件(如:是否需要介绍统计软件SPSS、图论软件等)进行了调查,经统计有90%的院校认为不需要。其实LINGO、MATLAB两个软件基本可以解决数学建模里面所有模型的求解,学生掌握不了过多的内容。
三、教材内容改革方案
1.关于教材内容
教材是实现教学目标的基础,课程知识体系最终要通过教材表现出来。《数学建模与数学实验》[1]教材集数学知识、数学建模和数学实验为一体,既简要介绍一些最常用的解决问题的应用数学知识,又联系实例介绍应用相应的数学知识建立数学模型,并用合适的数学软件包来求解模型。本教材更注重应用数学知识以及软件的使用,被多所学校数学建模与数学实验课程或大学生建模竞赛辅导作为教材选用。但是基于上述分析,还存在一些需要修改的地方,结合上述问卷调查情况,经多方论证,改革后的教材体系具有下述特点:
(1)在知识体系下,不仅考虑自身内容的系统性,而且要注意与其他课程的衔接和匹配。应剔除重叠部分内容,添加常用的模型。修改如下:差分方程作为微分方程的一种解法,可与之合并作为一章,仅做一个简单介绍,并编写matlab程序求解;线性规划、整数线性规划、无约束优化和非线性规划合并为一章;最短路、匹配、旅行推销员问题以及最大流问题四章可合并成两章;而数据的统计描述和分析作为仅有的统计方面知识,将被保留,与线性回归合为一章。为适应近几年建模题型的不断变化,增加两章:综合评判模型以及预测模型;删除组合数学章节。
(2)各部分具体内容的表述与传统教材有所不同。需改动部分主要有:①第一章作为课程的引入,应添加一些学生感兴趣、较简单的初等模型,如椅子能否放稳?商人过河等模型。而人口模型属于微分方程模型,应放在第八章。②在线性规划部分的例子需做斟酌,选取适当的例子,无需过多;③第八章微分方程第一节的例子,应修改为人口模型和兰切斯特模型,这些模型涉及实际问题,以之为背景引入相关知识,更容易引发学生的兴趣和热情。
(3)每章均按模型、理论、求解、案例的格式编写。采用问题导向型的论述模式,以实用型为主,兼顾理论系统。以实际问题为背景,引入相关概念,并建立模型,进而运行几何或其他直观手段说明求解的基本思想,结合例题演示求解过程,并尽可能对计算结果给予有实际意义的解释。与此同时,理论体系的完整性,论述的严谨性仍给予一定程度的关注,一些重要的原理和结论要做比较深入的讨论和必要的推导论证,并突出讲解算法的思路脉络。需修改的章节有:第四章整数规划,添加用LINGO工具箱求解整数规划,添加建模案例;第七章动态规划,增加模型求解程序或求解实例,添加建模案例。
2.关于软件
教材[1]选择了LINGO和MATLAB两个软件,MATLAB提供了强大的求解工具包,界面清晰、操作简单。LINGO软件程序简单,对求解优化问题极其有用。教材中已介绍了MATLAB入门知识,需增加LINGO入门,包括灵敏性分析等相关知识。LINGO可以求解大规模问题,有利于学生以后解决实际问题。针对我们期望的章节格式,每一模型都要有软件求解方法或者是求解实例,因此第七章动态规划需增加求解程序。
与我国高校的其它数学类课程相比,数学建模具有难度大、涉及面广、形式灵活,对教师和学生要求高等特点,因此,数学建模的教学本身应该是一个不断探索、不断创新、不断完善和提高的过程。而教材是实现教学目标的基础,课程知识体系最终要通过教材表现出来。科技在不断的进步,在各个兄弟院校的相互支持、相互讨论下,我们的教材也应与时俱进,不断创新,不断完善和提高。
参考文献
1 赵 静、但 琦.数学建模与数学实验.北京:高等教育出版社,2003.6
2 姜启源.数学模型.北京:高等教育出版社,2004.4
3 韩中庚.数学建模方法及其应用.北京:高等教育出版社,2005.4
4 朱道元.数学建模案例精选.北京:科学出版社,2005.5
5 陈理荣.数学建模导论.北京:北京邮电大学出版社,2002.8
数学建模常用模型算法范文6
关键词：机械工程；多体系统；动力学
一、引言
多体系统是对某类客观事物的高度抽象和总结，此类系统都是由特定的一些关节把多个零部件连接为一个整体的。因此，多体系统是指多个物体以某种特定的联接方式相互连接构成的系统，物体既可以由刚体组成也可以由柔体组成。若多体系统当中所有物体都是刚体，那么这类系统称为多刚体系统，若多体系统含有一个以上的柔体，那么该系统称为柔性多体系统。多体系统动力学的根本目的是应用计算机技术进行复杂机械系统的动力学分析与仿真。多体系统动力学就是给多个刚体组成的复杂系统的运动学和动力学分析建立适宜于计算机程序求解的数学模型，并寻求高效、稳定的数值求解方法。
通过计算机求解多体系统动力学问题对传统机构动力学分析产生了很大的影响，工程师从手工计算当中得到解放，所做的主要工作只需要依据现实情况搭建合适的动力学模型，然后交给计算机方便的求解，而且计算机还能够对结果提供分析。对之前求解极为困难甚至无法求解的复杂机械问题，现在都可以使用计算机的计算功能方便求解。
二、多体系统动力学主要研究的领域
多体系统动力学是在上世纪七十年代才逐步引起人们关注的，多体系统动力学为某些复杂系统例如车辆工程、工业机器人、航空航天器、精密的机械工程等系统产生了很大的影响。其涉及到的领域也日益广泛，特别是在复杂的机械工程中的地位也日益突出。随着国内航空航天以及机械工业的快速发展，大型多体系统的应用也会越来越多。
2.1车辆工程领域
上个世纪八十年代后期，多体系统理论和方法逐渐在汽车领域得到了应用。这标志着汽车多体系统向新的层次发展，其中许多有益的工作值得借鉴。例如：把车身处理为柔性体，离散化过程采用集中质量法，并考虑转动惯量的影响，将计算结果同有限元分析的方法进行比较；采用子结构的分析技术，车身为主结构，悬架系统处理为子结构。采用模态综合技术用自由度较少的模态坐标描述车身变形。悬架子结构用物理坐标表示，通过约束条件把整个系统组装起来联合求解。多体系统动力学可以有效的完成对整车及各零部件的性能分析和结构设计。
2.2航空航天领域
柔性多体系统动力学在航空航天当中是现今一个非常活跃的研究领域，该方法对航天器的预测能力的准确性和计算效率都很突出。包括在航天器的天线、太阳帆板的展开、反射镜的展开和重定位，航天器、机械臂的振动抑制控制，航天器的姿态控制等都有应用。
2.3机器人领域
机器人是十分典型的多体系统，机器人是自由度较多、结构复杂的多体系统，其传统的结构是由刚性座、大小臂以及三个腕关节构成的刚性多体系统，可以直接利用系统动力学方程进行求解。但是随着机器人构件不断的轻质化和柔性化，利用传统刚性机器人对其进行建模，不能很好的解决柔性机器人其动力学问题，因此对柔性机器人系统的多体动力学建模和仿真已经成为一个十分热门的问题。
2.4机械数控机床误差补偿领域
工作精度是数控机床重要技术指标之一，历来倍受重视。提高精度有两种基本方法，即误差避免和误差补偿。前者通过设计和制造尽量减小误差，设备造价将大幅上升。后者对误差修正，如补偿得当，工作精度可能超过母机。采用多体系统运动学理论，建立数控机床的全误差模型效果十分明显。
三、机械工程中多体系统动力学建模时的基本问题
3.1 坐标系的选择问题
在解决复杂机械系统问题时，选用合适的坐标系，往往能简化问题。所以在机械工程多提系统建模时第一个问题往往是采用什么样的坐标系。建立坐标系的方法主要包括：局部坐标方法，在每一个物体上建立一个局部坐标，这种方法能方便的建立每一个物体的动力学模型，是当前比较常用的方法。另一种是绝对坐标方法，整个系统使用统一的坐标系来表示，这种方法计算效率较低，目前很少采用。
3.2 对柔性体进行离散问题
柔性系统从本质上可以看作是自由度无限多的系统，不满足计算机进行数值计算的需求，所以一定要对柔性系统进行离散，常用的方法包括：有限元方法、假设模态法和有限段方法等。有限元法和模态分析两种方法相结合是目前应用较多的方法，该方法是把系统的物理坐标转化为模态坐标，如此一来系统的自由度的数目便大大的降低了。
3.3 多体系统模型的选择问题
在解决由多个物体组成的复杂机械系统动力学分析问题时，主要方法包括：矢量力学法，Newton-Euler（N/E）方法，隔离体分析，分析力学以及Lagrange方程等这几种方法构成了多体系统建模的主要内容，可以根据上述方法建立系统的数学模型，再借助计算机数值分析技术进行求解。
3.4 动力学方程数值算法问题
多体系统的动力学方程构成的系数矩阵是一个高度非线性矩阵，所以不论是方程初始条件或者参数两者中任何一个的微小变化都有可能使仿真结果有较大偏差甚至不能收敛。计算误差的积累也会导致仿真结果的不准确。针对以上问题至今没有十分理想的解决办法。目前人们在仿真时还都是采用传统的数值积分方法，如四阶Runge-Kutta法、Gear法、Newmark法等。
四、机械工程中多体系统动力学求解的一般过程
任何一个机械工程系统，其求解的一般过程都是从对几何模型通过物理建模得到动力学物理模型，在经过对物理模型进行计算机求解，然后才得到系统的分析结果，求解的一般过程如图1所示。
机械工程当中多体系统动力学的分析主要有建模与求解这两个步骤。建模包括系统的物理建模与数学建模，多体系统的物理建模指的是通过分析几何模型和简化建立相应物理模型。数学建模指的是对物理模型进行数学转化得到数学模型，多体系统的几何模型可由几何造型此模块来进行建造，或者通过其他软件建立在进行导入。通过在几何模型上施加约束以及外力等模型要素，建立起相应物理模型。在物理建模的过程当中，有时候也应用计算机进行自动建模，建立系统的运动方程，再由运动学方程构成系数矩阵，从而得到系统的数学模型。然后根据情况利用求解器中的动力学算法，进行迭代求解，最后得到多体系统的分析结果。若结果不理想，可以对求解结果再重新分析，如此反复，一直到得到比价理想的结果。
在多体系统动力学建模和求解的过程当中，还有一个问题是值得注意的，即初值的相容性，这是在多体系统求解前需要首要解决的问题，初值选择的好坏直接影响着问题能否解决。针对于比较简单的问题，初值的相容性比较容易保证，但是针对复杂的机械多体系统，一定要有初值相容性的处理算法。
五、总结
多体动力学在机械工程领域，特别是航空、航天、数控技术、机器人、机构、车辆等行业已 经得到应用，并受到有关专家的高度重视。该方法已经是机械工程中产品设计和性能优化的必要手段。其不但能实现产品的虚拟设计，而且能预测产品的动态特性，以达到最优的设计结果。随着先进的制造技术迅速发展， 多体系统动力学的影响也越来越大。不但能作为设计优化、制造生产的有力工具，而且也已成为机械工程快速发展技术的支撑。
参考文献
[1]刘又午，吴洪涛.多体系统理论在机构运动分析中的应用.机械工程学报，
1993，29（ 3）：104-1
[2]吴洪涛.建立多刚体系统动力学方程的等价性.天津大学学报，1993，26（3）：27～34
[3]Huston R L，Passerello CE.Multibody Structural Dynamics Including Transl ation Between the puters and Structures，1980，11：713-720
[4]吴洪涛，熊有伦.机械工程中的多体系统动力学问题[J].中国机械工程，2000，11（6）：608-610
