數(shù)值微分
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時(shí)間：2024-04-30
數(shù)值微分的實(shí)例教程
測試位移+測試加速度，可以通過數(shù)值微分+低通濾波得到速度；當(dāng)然也可以直接通過Kalman濾波得到速度，方便、快捷、高效又穩(wěn)??；或者帶有微分算法的低通濾波得到速度，等等。方法總是有很多種。但并不建議測試位移，兩次數(shù)值微分得到加速度，因?yàn)?em>數(shù)值微分算法是高通濾波器，會(huì)引入高頻噪聲，采樣頻率越高，高頻噪聲問題越嚴(yán)重，兩次數(shù)值微分得到的加速度誤差較大，但也并不是完全不能使用，加上低通濾波可以降低這個(gè)誤差，總比從加速度積分得到位移要靠譜得多。使用低通濾波算法要注意不要引入相移，平滑處理（Smooth）也是一種低通濾波，效果還行。下面是把不同點(diǎn)數(shù)差分算法看成是高通濾波器，然后計(jì)算其頻率響應(yīng)得到的曲線，注意是對(duì)采樣頻率fs做了歸一化以后的結(jié)果。結(jié)論是：用5點(diǎn)差分算法是可行的，向前差分或者M(jìn)atlab的diff函數(shù)，最糟糕。
圖4 不同差分格式的頻響特性
5.1 部分數(shù)值實(shí)驗(yàn)結(jié)果
下面貼出一個(gè)位移傳感器在低頻范圍內(nèi)振動(dòng)，并做了相對(duì)位移和相對(duì)加速度采集的結(jié)果，從而依據(jù)這些測試結(jié)果進(jìn)行數(shù)據(jù)后處理。
展開 DLS 運(yùn)用數(shù)值微分計(jì)算，在一個(gè)較小的評(píng)價(jià)函數(shù)設(shè)計(jì)的解空間里確定優(yōu)化方向。這種梯度方法是為光學(xué)系統(tǒng)設(shè)計(jì)專門開發(fā)的，被推薦用于所有成像和經(jīng)典光學(xué)優(yōu)化問題。然而，在純非序列系統(tǒng)優(yōu)化中，由于采用像素探測器進(jìn)行探測，DLS 的優(yōu)化效果較差。并且評(píng)價(jià)函數(shù)本身是不連續(xù)的，這也可能導(dǎo)致梯度搜尋方法失敗。
下面是當(dāng)評(píng)價(jià)函數(shù)只有一個(gè)變量時(shí)，對(duì)非序列系統(tǒng)的評(píng)價(jià)函數(shù)進(jìn)行查看。
可以看出，很長一段區(qū)間內(nèi)評(píng)價(jià)函數(shù)根本沒有變化，發(fā)生的變化是突然且不連續(xù)的。這使得通過梯度搜尋方法進(jìn)行優(yōu)化變得困難。
正交下降優(yōu)化利用變量的正交化和解空間的離散采樣來降低評(píng)價(jià)函數(shù)值。OD 算法不計(jì)算評(píng)價(jià)函數(shù)的數(shù)值微分。對(duì)于評(píng)價(jià)函數(shù)存在原本噪聲的系統(tǒng)而言，例如非序列系統(tǒng)，OD 通常比 DLS 算法要好。它在照度最大化、亮度增強(qiáng)和均勻性優(yōu)化等優(yōu)化問題中非常有用。
像素插值和非相干強(qiáng)度數(shù)據(jù)（NSDD）
除了使用的特定算法外，OpticStudio 中還有幾個(gè)能夠顯著提升非序列系統(tǒng)優(yōu)化效率的功能。
如上所述，由于探測器的像素特性，非序列的解空間往往是不連續(xù)的。如果一條給定光線中的能量只分配給一個(gè)像素，那么當(dāng)系統(tǒng)更改導(dǎo)致光線在該像素內(nèi)的任何位置移動(dòng)時(shí)，就沒有數(shù)量上的差異。因此，當(dāng)一條光線跨越邊界進(jìn)入一個(gè)新的像素時(shí)就需要對(duì)不連續(xù)的評(píng)價(jià)函數(shù)求微分，優(yōu)化非常困難。
這可以通過觀察入射到探測器上的一條光線來說明。下面的通用繪圖顯示了探測器上的輻照度質(zhì)心如何隨著光線位置的變化而變化。
避免由像素探測器引起的量化效應(yīng)的一種方法是使用像素插值。不是將100%的光線能量分配給單個(gè)被擊中的像素，而是根據(jù)光線在像素內(nèi)的截距位置將一部分能量分配給相鄰像素。因此，當(dāng)系統(tǒng)變化導(dǎo)致光線在像素上移動(dòng)時(shí)，評(píng)價(jià)函數(shù)會(huì)發(fā)生明顯的變化。
展開 DLS 運(yùn)用數(shù)值微分計(jì)算，在一個(gè)較小的評(píng)價(jià)函數(shù)設(shè)計(jì)的解空間里確定優(yōu)化方向。這種梯度方法是為光學(xué)系統(tǒng)設(shè)計(jì)專門開發(fā)的，被推薦用于所有成像和經(jīng)典光學(xué)優(yōu)化問題。然而，在純非序列系統(tǒng)優(yōu)化中，由于采用像素探測器進(jìn)行探測，DLS 的優(yōu)化效果較差。并且評(píng)價(jià)函數(shù)本身是不連續(xù)的，這也可能導(dǎo)致梯度搜尋方法失敗。
下面是當(dāng)評(píng)價(jià)函數(shù)只有一個(gè)變量時(shí)，對(duì)非序列系統(tǒng)的評(píng)價(jià)函數(shù)進(jìn)行查看 。
可以看出，很長一段區(qū)間內(nèi)評(píng)價(jià)函數(shù)根本沒有變化，發(fā)生的變化是突然且不連續(xù)的。這使得通過梯度搜尋方法進(jìn)行優(yōu)化變得困難。
正交下降優(yōu)化利用變量的正交化和解空間的離散采樣來降低評(píng)價(jià)函數(shù)值。OD 算法不計(jì)算評(píng)價(jià)函數(shù)的數(shù)值微分。對(duì)于評(píng)價(jià)函數(shù)存在原本噪聲的系統(tǒng)而言，例如非序列系統(tǒng)，OD 通常比 DLS 算法要好。它在照度最大化、亮度增強(qiáng)和均勻性優(yōu)化等優(yōu)化問題中非常有用。
像素插值和非相干強(qiáng)度數(shù)據(jù)（NSDD）
除了使用的特定算法外，OpticStudio 中還有幾個(gè)能夠顯著提升非序列系統(tǒng)優(yōu)化效率的功能。
如上所述，由于探測器的像素特性，非序列的解空間往往是不連續(xù)的。如果一條給定光線中的能量只分配給一個(gè)像素，那么當(dāng)系統(tǒng)更改導(dǎo)致光線在該像素內(nèi)的任何位置移動(dòng)時(shí)，就沒有數(shù)量上的差異。因此，當(dāng)一條光線跨越邊界進(jìn)入一個(gè)新的像素時(shí)就需要對(duì)不連續(xù)的評(píng)價(jià)函數(shù)求微分，優(yōu)化非常困難。
這可以通過觀察入射到探測器上的一條光線來說明。下面的通用繪圖顯示了探測器上的輻照度質(zhì)心如何隨著光線位置的變化而變化。
避免由像素探測器引起的量化效應(yīng)的一種方法是使用像素插值。不是將100%的光線能量分配給單個(gè)被擊中的像素，而是根據(jù)光線在像素內(nèi)的截距位置將一部分能量分配給相鄰像素。
展開 3)odell3是變階Adams-Bashforth—Moulton PECE求解器．在誤差容限比較嚴(yán)時(shí)，它比ode45更有效．odell3是一個(gè)多步求解器，即為了計(jì)算當(dāng)前的結(jié)果y(tn），不僅要知道前一步結(jié)果y(tn-1)，還要知道前幾步的結(jié)果y(tn-2)，y(tn-3)，…；
4)odel5s是基于數(shù)值微分公式(NDFs)的變階求解器．它與后向微分公式BDFs(也叫Gear方法)有聯(lián)系．但比它更有效．ode15s是一個(gè)多步求解器，如果認(rèn)為一個(gè)問題是剛性的，或者在用ode45s時(shí)仿真失敗或不夠有效時(shí)，可以試試odel5s。 odel5s是基于一到五階的NDF公式的求解器．盡管公式的階數(shù)越高結(jié)果越精確，但穩(wěn)定性會(huì)差一些．如果模型是剛性的，并且要求有比較好的穩(wěn)定性，應(yīng)將最大的階數(shù)減小到2．選擇odel5s求解器時(shí)，對(duì)話框中會(huì)顯示這一參數(shù)． 可以用ode23求解器代替。del5s，ode23是定步長、低階求解器。
5)ode23s是基于一個(gè)2階改進(jìn)的Rosenbrock公式．因?yàn)樗且粋€(gè)單步求解器，所以對(duì)于寬誤差容限，它比odel5s更有效．對(duì)于一些用odel5s不是很有效的剛性問題，可以用它解決。
6)ode23t是使用“自由”內(nèi)插式梯形規(guī)則來實(shí)現(xiàn)的．如果問題是適度剛性，而且需要沒有數(shù)字阻尼的結(jié)果，可采用該求解器。
7)ode23tb是使用TR—BDF2來實(shí)現(xiàn)的，即基于隱式Runge—Kutta公式，其第一級(jí)是梯形規(guī)則步長和第二級(jí)是二階反向微分公式．兩級(jí)計(jì)算使用相同的迭代矩陣．與ode23s相似，對(duì)于寬誤差容限，它比odtl5s更有效。
8)discrete(變步長)是simulink在檢測到模型中沒有連續(xù)狀態(tài)時(shí)所選擇的一種求解器。
展開 (選讀)
4.5.1 切比雪夫多項(xiàng)式性質(zhì)
4.5.2 最小上界
4.5.3 等距節(jié)點(diǎn)
4.5.4 切比雪夫節(jié)點(diǎn)
4.5.5 龍格現(xiàn)象
4.5.6 區(qū)間變換
4.5.7 正交性
4.5.8 MATLAB實(shí)現(xiàn)
4.5.9 習(xí)題
4.5.10 算法與程序
4.6 帕德逼近
4.6.1 連分式
4.6.2 習(xí)題
4.6.3 算法與程序
第5章 曲線擬合
5.1 最小二乘擬合曲線
5.1.1 求最小二乘曲線
5.1.2 冪函數(shù)擬合y=AxM
5.1.3 習(xí)題
5.1.4 算法與程序
5.2 曲線擬合
5.2.1 y=CeAx的線性化方法
5.2.2 求解y=CeAx的非線性最小二乘法
5.2.3 數(shù)據(jù)線性化變換
5.2.4 線性最小二乘法
5.2.5 矩陣公式
5.2.6 多項(xiàng)式擬合
5.2.7 多項(xiàng)式擺動(dòng)
5.2.8 習(xí)題
5.2.9 算法與程序
5.3 樣條函數(shù)插值
5.3.1 分段線性插值
5.3.2 分段三次樣條曲線
5.3.3 三次樣條的存在性
5.3.4 構(gòu)造三次樣條
5.3.5 端點(diǎn)約束
5.3.6 三次樣條曲線的適宜性
5.3.7 習(xí)題
5.3.8 算法與程序
5.4 傅里葉級(jí)數(shù)和三角多項(xiàng)式
5.4.1 三角多項(xiàng)式逼近
5.4.2 習(xí)題
5.4.3 算法與程序
5.5 貝塞爾曲線
5.5.1 伯恩斯坦多項(xiàng)式的性質(zhì)
5.5.2 貝塞爾曲線的性質(zhì)
5.5.3 習(xí)題
5.5.4 算法與程序
第6章 數(shù)值微分
6.1 導(dǎo)數(shù)的近似值
6.1.1 差商的極限
6.1.2 中心差分公式
6.1.3 誤差分析和步長優(yōu)化
6.1.4 理查森外推法
6.1.5 習(xí)題
6.1.6 算法與程序
6.2 數(shù)值差分公式
6.2.1 更多的中心差分公式
6.2.2 誤差分析
6.2.3 拉格朗日多項(xiàng)式微分
6.2.4 牛頓多項(xiàng)式微分
6.2.5 習(xí)題
6.2.6 算法與程序
第7章 數(shù)值積分
7.1
展開 
數(shù)值微分的相關(guān)專題、標(biāo)簽、搜索
數(shù)值微分的最新內(nèi)容
DLS 運(yùn)用數(shù)值微分計(jì)算，在一個(gè)較小的評(píng)價(jià)函數(shù)設(shè)計(jì)的解空間里確定優(yōu)化方向。這種梯度方法是為光學(xué)系統(tǒng)設(shè)計(jì)專門開發(fā)的，被推薦用于所有成像和經(jīng)典光學(xué)優(yōu)化問題。然而，在純非序列系統(tǒng)優(yōu)化中，由于采用像素探測器進(jìn)行探測，DLS 的優(yōu)化效果較差。并且評(píng)價(jià)函數(shù)本身是不連續(xù)的，這也可能導(dǎo)致梯度搜尋方法失敗。
疲勞等求解功能研發(fā)
2.負(fù)責(zé)調(diào)研跟蹤國內(nèi)/國外相關(guān)前沿算法，進(jìn)行分析與復(fù)現(xiàn)
3.負(fù)責(zé)調(diào)研跟蹤國內(nèi)/國外商軟相關(guān)算法的應(yīng)用情況
4.負(fù)責(zé)解決開發(fā)部門算法相關(guān)核心技術(shù)難題，并對(duì)開發(fā)團(tuán)隊(duì)進(jìn)行技術(shù)指導(dǎo)和培訓(xùn)
5.負(fù)責(zé)對(duì)相關(guān)算法發(fā)展方向進(jìn)行提前規(guī)劃布局
任職要求：
1.力學(xué)、航空航天、數(shù)學(xué)、機(jī)械、化機(jī)、土木水利等相關(guān)專業(yè)，碩士及以上學(xué)歷
2.具有5年及以上結(jié)構(gòu)分析算法研究經(jīng)驗(yàn)，熟悉各類微分方程數(shù)值計(jì)算方法
參考資料：
《微分方程數(shù)值求解——有限差分法》https://zhuanlan.zhihu.com/p/411798670
《有限元（FEM) 、有限差分(FDM)和有限體積（FVM) 的優(yōu)勢和劣勢》https://blog.csdn.net/weixin_42437828/article/details/80785602
《數(shù)值計(jì)算的六大方法》
既然原理上是數(shù)值方法求偏微分方程組？要不要系統(tǒng)地看偏微分方程數(shù)值求解的教科書？
不需要！而是需要直接看有限體積法。
這里也很容易耽誤大量的時(shí)間。
舉個(gè)例子，比如 Sandip 的偏微分方程數(shù)值解法寫得非常好。但它不是基于 CFD 背景的，很多表述和實(shí)現(xiàn)對(duì)于新手很難去對(duì)應(yīng)到 OpenFOAM 中。線性代數(shù)方程求解和誤差分析等等內(nèi)容也不是現(xiàn)階段必須的。
一些常用的算法和方法包括：
§ 數(shù)值積分和微分方程求解：用于模擬火箭在不同階段的運(yùn)動(dòng)和推進(jìn)劑的燃燒過程。
§ 控制系統(tǒng)設(shè)計(jì)方法：用于設(shè)計(jì)火箭的姿態(tài)控制系統(tǒng)，以保持預(yù)定的姿態(tài)和軌跡。
§ 軌道計(jì)算方法：用于計(jì)算火箭的軌道參數(shù)，包括軌道高度、速度、傾角等。
在軟件方面，火箭動(dòng)力學(xué)的研究可以使用多種模擬軟件、仿真工具和編程環(huán)境。
所以，我讀了五年本科，完成了我的數(shù)學(xué)學(xué)位，并參加了所有我能參加的數(shù)值算法和微分方程課程。第二年，我開始在 UTC 攻讀碩士學(xué)位，研究項(xiàng)目是優(yōu)化動(dòng)脈支架的橫截面形狀以改善血流。
您什么時(shí)候開始使用 Cadence 工作的？您典型的一天工作是什么樣的？
完成學(xué)位后不久，我開始在亞利桑那州斯科茨代爾的一家生物醫(yī)學(xué)初創(chuàng)公司工作。
構(gòu)造解方法
一個(gè)非常簡單但卻通用的誤差估計(jì)方法（用于數(shù)值方法和偏微分問題），就是對(duì)問題進(jìn)行略微改動(dòng)——如這一篇博客文章 所述—— 使預(yù)定義的解析表達(dá)式成為改動(dòng)后的問題的真實(shí)解。這種方法的優(yōu)點(diǎn)是未對(duì)數(shù)值方法或其背后的數(shù)學(xué)問題進(jìn)行過假設(shè)。此外，由于解是已知的，所以可以很容易地計(jì)算出誤差的大小。通過謹(jǐn)慎地選擇分析表達(dá)式，就可以對(duì)方法和問題的不同方面進(jìn)行研究。
如果真的想好好理解有限單元法，最好再去看看數(shù)值分析或者微分方程相關(guān)的基礎(chǔ)知識(shí)。后面如果有什么想起來比較好的資源在補(bǔ)充。
首先，從本質(zhì)上來說，有限元是一種求近似解的思路，最簡單的明了的了解就是對(duì)于定義域在[0,π]上，f(x)=sin(x)是一條曲線，如果想求f(x)在定義域上的面積，最簡單的辦法就是積分。
DLS 運(yùn)用數(shù)值微分計(jì)算，在一個(gè)較小的評(píng)價(jià)函數(shù)設(shè)計(jì)的解空間里確定優(yōu)化方向。這種梯度方法是為光學(xué)系統(tǒng)設(shè)計(jì)專門開發(fā)的，被推薦用于所有成像和經(jīng)典光學(xué)優(yōu)化問題。然而，在純非序列系統(tǒng)優(yōu)化中，由于采用像素探測器進(jìn)行探測，DLS 的優(yōu)化效果較差。并且評(píng)價(jià)函數(shù)本身是不連續(xù)的，這也可能導(dǎo)致梯度搜尋方法失敗。
下面是當(dāng)評(píng)價(jià)函數(shù)只有一個(gè)變量時(shí)，對(duì)非序列系統(tǒng)的評(píng)價(jià)函數(shù)進(jìn)行查看。
基于離散優(yōu)化的路徑規(guī)劃方法是用數(shù)值積分和微分等方程來描述車輛的運(yùn)動(dòng)，從而產(chǎn)生數(shù)量有限的候選路徑，并通過設(shè)計(jì)代價(jià)函數(shù)，從候選路徑中選擇最優(yōu)路徑［18-19］。該方法計(jì)算量小，實(shí)時(shí)性好，在近年來得到了廣泛應(yīng)用［20］。Chu等［18］提出了一種基于此方法的算法，但未考慮城市中多車道的情況。
