传统的最小二乘法,它是以拟合误差的平方和为最小的拟合方法,由于需要计算误差的平方和,对于个别较大误差,特别敏感,容易受较大误差影响,拟合结果会偏离最佳位置。
下面我们比较这两种拟合方法。
原数据 y: [1.4,2,3,4,5,6,7,8,9,9.6]
x: [1,2,3,4,5,6,7,8,9,10]
数学模型:
方程组:
这里是因为方程数(10)多于未知数(2),需要这个平衡误差。
写成矩阵形式:
或写成简便形式:
取转置矩阵,乘以上式两边,并取:
得如下结果:
最后,解得:
LSQ 误差:[0.20363636, -0.15272727, -0.10909091,
-0.06545455, -0.02181818, 0.02181818,
0.06545455, 0.10909091, 0.15272727,
-0.20363636]
新方法 误差:[ 0.4, 0, 0, 0, 0, 0, 0, 0, 0, -0.4]
拟合结果:
LSQ method: y = 0.95636364 x + 0.24
new method: y = 1.0 x + 0.0
从上面分析,可以看出:新拟合方法还是比较理想的。
下面显示用这种新方法,对两个震动模态的拟合过程:
这是新方法对两个震动模态六个自由度的非线性拟合过程
这是对上面的题目但采用单个自由度方法进行的非线性拟合
新方法会被不断开拓,有着广泛的应用前景,有感兴趣者 请与我联系,请看 图中联系方式。
青年学生 免费提供分析结果。
我的邮箱:liuguoliang2003@sina.com
新浪微博:liuguoliang2003
我的微信:
谢谢观看。