【数学建模】高温作业专用服装设计(2018A)隐式差分推导

news2024/11/15 13:51:24

为方便计算,对区域进行离散化处理,采用隐式差分格式进行离散计算。隐式差分格式如图:
请添加图片描述

每层材料内部

对第 j j j层材料:

其中, λ j \lambda_j λj表示第 j j j层的热扩散率, c j c_j cj表示第 j j j层的比热容, ρ j \rho_j ρj表示第 j j j层的材料密度。

∂ T j ∂ t = λ j c j ρ j ∂ 2 T j ∂ x 2 \dfrac{\partial T_j}{\partial t} =\dfrac{\lambda_j}{c_j \rho_j}\dfrac{\partial^2 T_j}{\partial x^2} tTj=cjρjλjx22Tj

对方程左端采用向后差分格式,方程右端采用中心差分格式,有:

T j ( x i , t k + 1 ) − T j ( x i , t k ) Δ t = λ j c j ρ j T j ( x i + 1 , t k + 1 ) − 2 T j ( x i , t k + 1 ) + T j ( x i − 1 , t k + 1 ) ( Δ x ) 2 \dfrac{T_j(x_i,t_{k+1})-T_j(x_i,t_{k})}{\Delta t} =\dfrac{\lambda_j}{c_j \rho_j} \dfrac{T_j(x_{i+1},t_{k+1})-2T_j(x_i,t_{k+1}) + T_j(x_{i-1},t_{k+1})}{(\Delta x)^2} ΔtTj(xi,tk+1)Tj(xi,tk)=cjρjλj(Δx)2Tj(xi+1,tk+1)2Tj(xi,tk+1)+Tj(xi1,tk+1)

整理得:
− T j ( x i , t k ) = λ j Δ t c j ρ j ( Δ x ) 2 F ( X ) − T j ( x i , t k + 1 ) -T_j(x_i,t_{k}) = \dfrac{\lambda_j \Delta t}{c_j \rho_j (\Delta x)^2} F(X) - T_j(x_i,t_{k+1}) Tj(xi,tk)=cjρj(Δx)2λjΔtF(X)Tj(xi,tk+1)

F ( X ) = T j ( x i + 1 , t k + 1 ) − 2 T j ( x i , t k + 1 ) + T j ( x i − 1 , t k + 1 ) F(X) = T_j(x_{i+1},t_{k+1})-2T_j(x_i,t_{k+1}) + T_j(x_{i-1},t_{k+1}) F(X)=Tj(xi+1,tk+1)2Tj(xi,tk+1)+Tj(xi1,tk+1)
F ( X ) = r j F(X) = r_j F(X)=rj

整理得:

T j ( x i , t k ) = − r j T j ( x i + 1 , t k + 1 ) − r j T j ( x i − 1 , t k + 1 ) + ( 1 + 2 r j ) T j ( x i , t k + 1 ) T_j(x_i,t_k) = -r_jT_j(x_{i+1},t_{k+1})-r_jT_j(x_{i-1},t_{k+1})+(1+2r_j)T_j(x_i,t_{k+1}) Tj(xi,tk)=rjTj(xi+1,tk+1)rjTj(xi1,tk+1)+(1+2rj)Tj(xi,tk+1)

左边界条件

T j ( x , 0 ) = 37 ° T_j(x,0) = 37\degree Tj(x,0)=37°
此前求得的左边界条件:

− k 1 ∂ T 1 ∂ x + k o u t T 1 ∣ x = 0 = k o u t T o u t -k_1 \dfrac{\partial T_1}{\partial x} + k_{out}T_1|_{x=0} = k_{out}T_{out} k1xT1+koutT1x=0=koutTout

对其进行离散化处理:

− k 1 T ( 2 , k ) − T ( 0 , k ) 2 Δ x = k o u t ( T o u t − T ( 1 , k ) ) -k_1 \dfrac{T_(2,k) - T(0,k)}{2\Delta x} = k_{out}(T_{out} - T(1,k)) k1xT(2,k)T(0,k)=kout(ToutT(1,k))

整理可得:

T ( 0 , k ) = 2 Δ x k o u t T o u t k 1 − 2 Δ x k o u t T ( 1 , k ) k 1 + T ( 2 , k ) T(0,k) = \dfrac{2\Delta xk_{out}T_{out}}{k_1} - \dfrac{2\Delta xk_{out}T(1,k)}{k_1} + T(2,k) T(0,k)=k1xkoutToutk1xkoutT(1,k)+T(2,k)

根据每层材料内部,有

T j ( 1 , k − 1 ) = − r 1 T j ( 2 , k ) − r 1 T j ( 0 , k ) + ( 1 + 2 r 1 ) T j ( 1 , k ) T_j(1,k-1) = -r_1T_j(2,k)-r_1T_j(0,k)+(1+2r_1)T_j(1,k) Tj(1,k1)=r1Tj(2,k)r1Tj(0,k)+(1+2r1)Tj(1,k)

联立得:

T j ( 1 , k − 1 ) = − r j T j ( 2 , k ) − r j ( 2 Δ x k o u t T o u t k 1 − 2 Δ x k o u t T ( 1 , k ) k 1 + T ( 2 , k ) ) + ( 1 + 2 r j ) T j ( 1 , k ) T_j(1,k-1) = -r_jT_j(2,k)-r_j(\dfrac{2\Delta xk_{out}T_{out}}{k_1} - \dfrac{2\Delta xk_{out}T(1,k)}{k_1} + T(2,k))+(1+2r_j)T_j(1,k) Tj(1,k1)=rjTj(2,k)rj(k1xkoutToutk1xkoutT(1,k)+T(2,k))+(1+2rj)Tj(1,k)

T j ( 1 , k − 1 ) + r 1 2 Δ x k o u t T o u t k 1 = − 2 r 1 T j ( 2 , k ) + ( 1 + 2 r 1 + r 1 2 Δ x k o u t k 1 ) T j ( 1 , k ) T_j(1,k-1)+r_1\dfrac{2\Delta xk_{out}T_{out}}{k_1} = -2r_1T_j(2,k)+(1+2r_1+r_1\dfrac{2\Delta xk_{out}}{k_1})T_j(1,k) Tj(1,k1)+r1k1xkoutTout=2r1Tj(2,k)+(1+2r1+r1k1xkout)Tj(1,k)

右边界条件

此前求得的右边界条件:

k 4 ∂ T 1 ∂ x + k o u t T 4 ∣ x = x s k i n = k s k i n T s k i n k_4 \dfrac{\partial T_1}{\partial x} + k_{out}T_4|_{x=x_{skin}} = k_{skin}T_{skin} k4xT1+koutT4x=xskin=kskinTskin

对其进行离散化处理:

k 4 T ( N + 1 , k ) − T ( N − 1 , k ) 2 Δ x = k s k i n ( T s k i n − T ( N , k ) ) k_4 \dfrac{T_(N+1,k) - T(N-1,k)}{2\Delta x} = k_{skin}(T_{skin} - T(N,k)) k4xT(N+1,k)T(N1,k)=kskin(TskinT(N,k))

整理可得:

T ( N − 1 , k ) = T ( N + 1 , k ) − 2 Δ x k s k i n T s k i n k 4 + 2 Δ x k s k i n T ( N , k ) k 4 T(N-1,k) = T(N+1,k) -\dfrac{2\Delta xk_{skin}T_{skin}}{k_4} + \dfrac{2\Delta xk_{skin}T(N,k)}{k_4} T(N1,k)=T(N+1,k)k4xkskinTskin+k4xkskinT(N,k)
根据每层材料内部,有

T j ( N , k − 1 ) = − r 1 T j ( N + 1 , k ) − r 1 T j ( N − 1 , k ) + ( 1 + 2 r 1 ) T j ( N , k ) T_j(N,k-1) = -r_1T_j(N+1,k)-r_1T_j(N-1,k)+(1+2r_1)T_j(N,k) Tj(N,k1)=r1Tj(N+1,k)r1Tj(N1,k)+(1+2r1)Tj(N,k)

联立得:

T j ( N , k − 1 ) = − r j T j ( N + 1 , k ) − r j ( T ( N + 1 , k ) − 2 Δ x k s k i n T s k i n k 4 + 2 Δ x k s k i n T ( N , k ) k 4 ) + ( 1 + 2 r ) T j ( N , k ) T_j(N,k-1) = -r_jT_j(N+1,k)-r_j(T(N+1,k) -\dfrac{2\Delta xk_{skin}T_{skin}}{k_4} + \dfrac{2\Delta xk_{skin}T(N,k)}{k_4})+(1+2r)T_j(N,k) Tj(N,k1)=rjTj(N+1,k)rj(T(N+1,k)k4xkskinTskin+k4xkskinT(N,k))+(1+2r)Tj(N,k)

T j ( N , k − 1 ) − 2 Δ x k s k i n T s k i n k 4 = − 2 r j T j ( N + 1 , k ) + ( 1 + 2 r j − r j 2 Δ x k s k i n k 4 ) T j ( N , k ) T_j(N,k-1)-\dfrac{2\Delta xk_{skin}T_{skin}}{k_4} = -2r_jT_j(N+1,k)+(1+2r_j-r_j\dfrac{2\Delta xk_{skin}}{k_4})T_j(N,k) Tj(N,k1)k4xkskinTskin=2rjTj(N+1,k)+(1+2rjrjk4xkskin)Tj(N,k)

N = L N=L N=L

本文参考自【数学建模】2018年国赛A题详解(一)

更多建模相关信息看Github仓库(包括真题练习)

更多数学建模信息

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1932181.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

IntelliJ IDEA 2024.1 最新变化 附问卷调查 AI

IntelliJ IDEA 2024.1 最新变化 问卷调查项目在线AI IntelliJ IDEA 2024.1 最新变化关键亮点全行代码补全 Ultimate对 Java 22 功能的支持新终端 Beta编辑器中的粘性行 AI AssistantAI Assistant 改进 UltimateAI Assistant 中针对 Java 和 Kotlin 的改进代码高亮显示 Ultimate…

第100+16步 ChatGPT学习:R实现Xgboost分类

基于R 4.2.2版本演示 一、写在前面 有不少大佬问做机器学习分类能不能用R语言,不想学Python咯。 答曰:可!用GPT或者Kimi转一下就得了呗。 加上最近也没啥内容写了,就帮各位搬运一下吧。 二、R代码实现Xgboost分类 &#xff08…

智能守护校园餐桌:校园阳光食堂视频AI监控智能管理方案

一、背景分析 随着科技的飞速发展,智能化、信息化已成为现代校园管理的重要趋势。校园食堂作为学校重要的服务设施,其食品安全、环境卫生和秩序管理显得尤为重要。作为校园生活中不可或缺的一部分,食堂的管理也急需引入先进技术,…

【Git】(基础篇二)—— Git操作

Git操作 在了解git理论知识之后,本文将结合实践操作为你讲解git的底层逻辑 Git的安装和配置 git官网下载:https://git-scm.com/ 下载后安装时除了选择安装地址外,其余都保持默认下一步即可。 安装好后鼠标右键会出现两个新的选项【Open …

STM32 BootLoader 刷新项目 (五) 获取软件版本号-命令0x51

STM32 BootLoader 刷新项目 (五) 获取软件版本号-命令0x51 下面我们来讲解第一个指令,获取软件版本号命令-0x51. 在BootLoader中获取软件版本号的操作有多个重要的作用,具体如下: 版本管理: 识别当前版本:通过获取软…

Apache Flink 入门

零、概述 Apache Flink 是一个高性能的开源分布式流处理框架,专注于实时数据流的处理。 它设计用于处理无界和有界数据流,在内存级速度下提供高效的有状态计算。 Flink 凭借其独特的Checkpoint机制和Exactly-Once语义,确保数据处理的准确性…

如何追查一个packet在linux 系统哪里丢失

要想追一个包在系统哪里丢失了, 就要了解 一个应用层的包在送出时 要经历那些 检查点 和被丢掉的点。 1. 在传输层,如果是 tcp 包 会有contrack 的 buf 的限制 可能会导致 packets 的丢失。 > 检查办法:查看dmesg日志有报错:k…

大厂面试-基本功

大厂面试第4季 服务可用性多少个9是什么意思遍历集合add或remove操作bughashcode冲突案例BigdecimalList去重复IDEA Debugger测试框架ThreaLocal父子线程数据同步 InheritableThreadLocal完美解决线程数据同步方案 TransmittableThreadLocal 服务可用性多少个9是什么意思 遍历集…

线程池笔记

笔记梳理 前言.PHONYC标准库头文件C/C通用或C特有头文件mkdirc_str()snprintfvsnprintfumaskopen函数可变参数列表va_startva_endfunctionalstatic_castpthread_cond_init_threads.emplace_backstd::bindstd::placeholdersThreadPool(const ThreadPool<T> &tp) dele…

抢着发布地表最强开源模型,Meta凭什么勇攀AI高峰?

【科技明说 &#xff5c; 科技热点关注】 据外媒可靠消息&#xff0c;扎克伯格的Meta 公司将在7月23日发布开源大模型Llama 3-405B&#xff0c;这是基于现有80亿和700亿参数两个版本之外推出的4050亿参数版本&#xff0c;号称当前地球表面最强大的开源大模型。 Llama 3-405B是…

快速排序及归并排序的实现与排序的稳定性

目录 快速排序 一. 快速排序递归的实现方法 1. 左右指针法 步骤思路 为什么要让end先走&#xff1f; 2. 挖坑法 步骤思路 3. 前后指针法 步骤思路 二. 快速排序的时间和空间复杂度 1. 时间复杂度 2. 空间复杂度 三. 快速排序的优化方法 1. 三数取中优化 2. 小区…

【C++】拷贝构造函数及析构函数

&#x1f4e2;博客主页&#xff1a;https://blog.csdn.net/2301_779549673 &#x1f4e2;欢迎点赞 &#x1f44d; 收藏 ⭐留言 &#x1f4dd; 如有错误敬请指正&#xff01; &#x1f4e2;本文由 JohnKi 原创&#xff0c;首发于 CSDN&#x1f649; &#x1f4e2;未来很长&#…

超详细信息收集篇

1 域名信息收集 1.1 域名是什么 域名&#xff08;英语&#xff1a;Domain Name&#xff09;&#xff0c;又称网域&#xff0c;是由一串用点分隔的名字组成的 Internet 上某一台 计算机 或计算机组的名称&#xff0c;用于在数据传输时对计算机的定位标识&#xff08;有时也指地…

学习分布式事务遇到的小bug

一、介绍Seata 在处理分布式事务时我用到是Seata&#xff0c;Seata的事务管理中有三个重要的角色&#xff1a; TC (Transaction Coordinator) - 事务协调者&#xff1a;维护全局和分支事务的状态&#xff0c;协调全局事务提交或回滚。 TM (Transaction Manager) - 事务管理器…

DockerHub无法拉取镜像怎么办

快速构建企业级AIGC项目 LangChat是Java生态下企业级AIGC项目解决方案&#xff0c;在RBAC权限体系的基础上&#xff0c;集成AIGC大模型功能&#xff0c;帮助企业快速定制知识库、企业机器人。 网站文档&#xff1a;Index – LangChat 后台地址&#xff1a;LangChain Chat 前台…

3.5、matlab打开显示保存点云文件(.ply/.pcd)以及经典点云模型数据

1、点云数据简介 点云数据是三维空间中由大量二维点坐标组成的数据集合。每个点代表空间中的一个坐标点&#xff0c;可以包含有关该点的颜色、法向量、强度值等额外信息。点云数据可以通过激光扫描、结构光扫描、摄像机捕捉等方式获取&#xff0c;广泛应用于计算机视觉、机器人…

Redis之List列表

目录 一.列表讲解 二.列表命令 三.内部编码 四.应用场景 Redis的学习专栏&#xff1a;http://t.csdnimg.cn/a8cvV 一.列表讲解 列表类型是用来存储多个有序的字符串&#xff0c;如下所示&#xff0c;a、b、c、d、e五个元素从左到右组成了一个有序的列表&#xff0c;列表中的…

【连续四届EI检索|稳定ACM出版、EI检索|线上线下结合】2024年第五届医学人工智能国际学术会议(ISAIMS 2024,8月13-17)

第五届医学人工智能国际学术会议&#xff08;ISAIMS2024&#xff09;将于2024年8月13-17日于荷兰阿姆斯特丹自由大学召开&#xff0c;国内分会场将于2024年10月25-27日于中国武汉召开。 会议自2020年至今已经成功举办四届&#xff0c;吸引了来自海内外相关领域学者600余名。本届…

贪心算法(2024/7/16)

1合并区间 以数组 intervals 表示若干个区间的集合&#xff0c;其中单个区间为 intervals[i] [starti, endi] 。请你合并所有重叠的区间&#xff0c;并返回 一个不重叠的区间数组&#xff0c;该数组需恰好覆盖输入中的所有区间 。 示例 1&#xff1a; 输入&#xff1a;inter…

MongoDB教程(七):mongoDB分片

&#x1f49d;&#x1f49d;&#x1f49d;首先&#xff0c;欢迎各位来到我的博客&#xff0c;很高兴能够在这里和您见面&#xff01;希望您在这里不仅可以有所收获&#xff0c;同时也能感受到一份轻松欢乐的氛围&#xff0c;祝你生活愉快&#xff01; 文章目录 引言MongoDB 分…