2020年第九届数学建模国际赛小美赛A题自由泳解题全过程文档及程序

2020年第九届数学建模国际赛小美赛

A题 自由泳

原题再现：

  在所有常见的游泳泳姿中，哪一种最快？哪个冲程推力最大？在自由泳项目中，游泳者可以选择他们的泳姿，他们通常选择前面的爬行。然而，游泳运动员是否有可能进一步提高他们的划水速度？请用一个数学模型来分析中风和指导运动员的训练。

整体求解过程概述(摘要)

  游泳是生活中常见的一种运动形式，那么，在各种泳姿中，哪种泳姿能获得最大的速度或最大的推进力呢？是否有可能在爬行的基础上进行改进，进一步提高游泳速度？本文结合水动力公式对上述问题进行了讨论。
  对于问题一，我们首先从几何上抽象出人体的形状，将手臂视为一个统一的圆柱体，将腿部视为两个圆柱体的组合。然后对四种泳姿的动作进行分析。根据流体力学中的阻力公式，将动阻力和静阻力分别表示，其中动阻力假定为全部推进力，腿的推进力作为补偿项。然后，根据牛顿第二定律的公式，建立了行驶速度随运动频率和时间变化的偏微分方程。在求解方程时，以运动频率为常数，将偏微分方程转化为常微分方程。然后利用四阶Runge-Kutta方法求解该方程，得到旅行速度与时间的定量关系。经过比较，我们发现自由泳是四种游泳方式中速度最快的。在30s内向前距离可达53.852m，比最慢蛙泳远14m左右。在推进力比较中，蝶泳在稳态下最大推进力可达150N左右，比最小仰泳大95N左右。
  对于问题二，首先，在人类几何的抽象中，我们将手臂细化为上臂、前臂和手。以运动频率为常数，以上臂与肩线夹角、前臂与水平面夹角为变量，建立了运动速度与时间的偏微分方程。为了便于求解，我们假设两个角度在一次游泳中保持不变。然后将偏微分方程转化为常微分方程，采用固定步长搜索法遍历各角度求解，得到当两个角度均为0.5∏时的最大旅行速度，即当手臂伸直且手臂运动平面垂直于水平面时，可以得到最大旅行速度。最后，我们发现人体可以在27秒内以最大速度前进58.25米。为了保证模型的准确性，我们还进行了敏感性分析，证明了直臂划水是不同身体特征运动员的最佳划水。此外，我们还考虑了手指夹角对移动速度的影响，确定了当双手合拢时可以获得最大速度。
  最后，我们将我们的结果汇编成一份提案，尽我们所能帮助运动员，我们期待着他们继续取得成功！

模型假设：

  为了简化给定的问题，我们对我们的模型做出以下假设：
  1、假设人体部分的某种几何近似对模型结果的影响可以忽略不计。
  2、假设游泳时惯性阻力和空气阻力可以忽略不计。
  3、假设动态阻力在游泳过程中提供完全推进力。
  4、假设在游泳过程中身体各部分之间的角度保持不变，并且在一次游泳过程中人体运动的频率不变。
  5、仰泳腿的动作可视为与自由泳相同，由于人体关节的限制，手不能达到与自由泳相同的运动幅度。因此，我们参考文献，并考虑由半臂冲程提供的身体前半部分的推进力。

问题重述：

  问题背景
  游泳是众所周知的一项竞技运动。在游泳项目中，运动员经常被要求使用特定的游泳方式进行比赛，在一定距离内能花最短时间的运动员将获胜。在游泳比赛中，目前常见的游泳方式有四种：爬泳、蛙泳、蝶泳和仰泳，它们都要求不同的动作和标准。在奥运会上，这四种风格都是合理的游泳方式，具有不同的竞技要求。
  现在，有必要弄清楚四种方法中哪种最快，哪种游泳方法可以获得最大的推进力。此外，在自由泳项目中，由于没有规定的游泳泳姿，运动员往往选择爬行。那么，在自由泳中，是否有可能进一步提高泳姿，从而达到更快的旅行速度？这是本文要解决的问题。
  此外，我们还有光荣的使命。通过数学模型对问题进行分析，提出改进游泳风格的方案，并提出建议，供运动员训练时参考，以达到更好的效果！

  我们的工作
  通过我们的游泳知识和流体动力学分析，我们开发了几个数学模型，可以说明该主题所需的问题。具体如下：
  •通过对人体在四种泳姿中不同运动的几何近似，将手臂和手视为一个统一的圆柱体，腿和脚视为圆柱体，根据流体力学中的流体阻力公式计算四种泳姿的推进力，并根据推进力和阻力公式结合牛顿第二定律求解偏微分方程，得到各泳姿速度与行程时间的关系。这将导致最推进和最快的冲程。
  •在上述结论的基础上，我们对爬行动作进行了较为详细的分解，将手臂分别视为上臂、前臂和手掌分别视为两个圆柱体和一个椭圆形圆柱体，设置游泳过程中手臂之间的夹角，并求出解出的方程的极值，得到能使速度最大化的身体角度。
  •此外，我们推测手掌的手指张开度也会对有效速度产生影响，为此，我们模拟了与手指张开角度相关的推进力。根据该模型，我们可以得到最合适的角度。
  •最后，我们将我们的研究成果汇编成一份详细的方案，供运动员在训练期间参考，希望该方案能帮助他们取得更好的效果。

模型的建立与求解整体论文缩略图

在这里插入图片描述
在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

部分程序代码：(代码和文档not free)

function dVb=he(t,Vb,gama,beita)
D1=0.083;
La1=0.34;
D2=0.054;
La2=0.3;
Ah=0.019;
Lh=0.19;
Ka=400;
Kb=31.487;
Kh=900;
f=1.11;
xita=mod(2*pi*f*t,pi);
dVb=((Ka*D1*(4/3*pi^2*f^2*La1^3*sin(gama)^2-2*pi*f*La1^2*Vb*sin(xita)*sin(gama)+
La1*Vb^2*sin(xita)^2)+Ka*D2*(4/3*pi^2*f^2*La2^3*sin(beita)^2+4*pi^2*f^2*La2^2*La1*
sin(beita)*sin(gama)+4*pi^2*f^2*La1^2*La2*sin(gama)^2-2*pi*f*La2^2*Vb*sin(beita)
*sin(xita)-4*pi*f*La1*La2*Vb*sin(gama)*sin(xita)+La2*Vb^2*sin(xita)^2)+Kh*Ah*
(4*pi^2*f^2*(La1*sin(gama)+La2*sin(beita)+Lh*sin(beita)/2)^2-4*pi*f*
(La1*sin(gama)+La2*sin(beita)+Lh*sin(beita)/2)*Vb*sin(xita)+Vb^2*sin(xita)^2 ))
*sin(xita)-sign(Vb)*Kb*Vb^2)/60;
end
S1=zeros(numel(0:pi/2/90:pi),numel(0:pi/2/90:pi));
max_S=0;
max_gama=0;
max_beita=0;
for gama=0:pi/2/90:pi
for beita=0:pi/2/90:pi
[t11,y11]=ode45(@(t,Vb)he(t,Vb,gama,beita),[0,27],0);
plot(t11,y11);
X1=[t11 y11];
S1(round(gama/(pi/2/90)+1),round(beita/(pi/2/90)+1))
=(numel(0:27)-1)/numel(X1(:,1))*sum(X1(:,2));
if(S1>=max_S)
max_S=S1;
max_gama=gama;
max_beita=beita;
end
end
end
max_gama=max_beita/pi*180;
max_beita=max_beita;
gama1=0:pi/2/90:pi;
beita1=0:pi/2/90:pi;
gama1=gama1/pi*180;
beita1=beita1/pi*180;
[gama2,beita2]=meshgrid(0:0.2:180,0:0.2:180);
S11=griddata(gama1,beita1,S1,gama2,beita2)
shading interp
mesh(gama2,beita2,S11)

clc
clear
T_t=10;
%f=1.667
%T=0.6s
T=0.9;
f=1.11;
A1=50.735;
A2=31.487;
A3=25.735;
L1=(533+90)/1000;%
%sign(2*pi*f*L1-y*sin(2*pi*f*t))*
L2=878/1000;
%%
% T_xs0=0;A_xs0=0;
% T_xs1=-0.1;A_xs1=0;
% T_xs2=-0.05;A_xs2=0;
% T_xs3=0.05;A_xs3=0;
% T_xs4=0.1;A_xs4=0;
%%
T_xs0=0;A_xs0=0;
T_xs1=0;A_xs1=0.2;
T_xs2=0;A_xs2=0.1;
T_xs3=0;A_xs3=-0.1;
T_xs4=0;A_xs4=-0.2;
[t0,y0]=ode45(@(t,y)free_Fenxi_fucntion(t,y,T_xs0,A_xs0),[0,T_t],0);
[t1,y1]=ode45(@(t,y)free_Fenxi_fucntion(t,y,T_xs1,A_xs1),[0,T_t],0);
[t2,y2]=ode45(@(t,y)free_Fenxi_fucntion(t,y,T_xs2,A_xs2),[0,T_t],0);
[t3,y3]=ode45(@(t,y)free_Fenxi_fucntion(t,y,T_xs3,A_xs3),[0,T_t],0);
[t4,y4]=ode45(@(t,y)free_Fenxi_fucntion(t,y,T_xs4,A_xs4),[0,T_t],0);
%%
X1=[t0 y0];
S0=(numel(0:T_t)-1)/numel(X1(:,1))*sum(X1(:,2));
S00=zeros(1,numel(t0));
S00(1)=y0(1);
for i0=2:numel(t0)
S00(i0)=S00(i0-1)+(numel(0:T_t)-1)/numel(X1(:,1))*y0(i0);
end
%%
X1=[t1 y1];
S1=(numel(0:T_t)-1)/numel(X1(:,1))*sum(X1(:,2));
S11=zeros(1,numel(t1));
S11(1)=y1(1);
for i11=2:numel(t1)
S11(i11)=S11(i11-1)+(numel(0:T_t)-1)/numel(X1(:,1))*y1(i11);
end
%%
X2=[t2 y2];
S2=(numel(0:T_t)-1)/numel(X2(:,1))*sum(X2(:,2));
S22=zeros(1,numel(t2));
S22(1)=y2(1);
for i22=2:numel(t2)
S22(i22)=S22(i22-1)+(numel(0:T_t)-1)/numel(X2(:,1))*y2(i22);
end
%%
X3=[t3 y3];
S3=(numel(0:T_t)-1)/numel(X3(:,1))*sum(X3(:,2));
S33=zeros(1,numel(t3));
S33(1)=y3(1);
for i33=2:numel(t3)
S33(i33)=S33(i33-1)+(numel(0:T_t)-1)/numel(X3(:,1))*y3(i33);
end
%%
X4=[t4 y4];
S4=(numel(0:T_t)-1)/numel(X4(:,1))*sum(X4(:,2));
S44=zeros(1,numel(t4));
S44(1)=y4(1);
for i44=2:numel(t4)
S44(i44)=S44(i44-1)+(numel(0:T_t)-1)/numel(X4(:,1))*y4(i44);
end
D_fenxi_picture(t0, S00, t1, S11, t2, S22, t3, S33, t4, S44, y0,y1,y2,y3,y4)
全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

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：/a/232932.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

中文分词演进（查词典，hmm标注，无监督统计）新词发现

中文分词演进（查词典，hmm标注，无监督统计）新词发现

查词典和字标注 目前中文分词主要有两种思路：查词典和字标注。 首先，查词典的方法有：机械的最大匹配法、最少词数法，以及基于有向无环图的最大概率组合，还有基于语言模型的最大概率组合，等等。 查词典的方法…
阅读更多...
esxi全称“VMware ESXi

esxi全称“VMware ESXi

esxi全称“VMware ESXi”，是可直接安装在物理服务器上的强大的裸机管理系统，是一款虚拟软件；ESXi本身可以看做一个操作系统，采用Linux内核，安装方式为裸金属方式，可直接安装在物理服务器上，不需…
阅读更多...
TCP传输数据的确认机制

TCP传输数据的确认机制

实际的TCP收发数据的过程是双向的。 TCP采用这样的方式确认对方是否收到了数据，在得到对方确认之前，发送过的包都会保存在发送缓冲区中。如果对方没有返回某些包对应的ACK号，那么就重新发送这些包。 这一机制非常强大。通过这一机制&#xf…
阅读更多...
Redis如何做内存优化？

Redis如何做内存优化？

Redis如何做内存优化？ 1、缩短键值的长度 缩短值的长度才是关键，如果值是一个大的业务对象，可以将对象序列化成二进制数组； 首先应该在业务上进行精简，去掉不必要的属性，避免存储一些没用的数据&#xff1…
阅读更多...
博途PLC SCL间接寻址编程应用

博途PLC SCL间接寻址编程应用

这篇博客里我们将要学习Pointer和Any指针，PEEK和POKE指令，当然我们还可以数组类型数据实现数组指针寻址，具体应用介绍请参考下面文章链接： https://rxxw-control.blog.csdn.net/article/details/134761364https://rxxw-control.b…
阅读更多...
15.Java程序设计-基于SSM框架的微信小程序校园求职系统的设计与实现

15.Java程序设计-基于SSM框架的微信小程序校园求职系统的设计与实现

摘要： 本研究旨在设计并实现一款基于SSM框架的微信小程序校园求职系统，以提升校园求职流程的效率和便捷性。通过整合微信小程序平台和SSM框架的优势，本系统涵盖了用户管理、职位发布与搜索、简历管理、消息通知等多个功能模块，为…
阅读更多...
分子生成领域的stable diffusion - GEOLDM

分子生成领域的stable diffusion - GEOLDM

一、关于stable diffusion 很多人都知道stable diffusion，stable diffusion的出现改变了机器生成领域，让AI技术第一次无比的接近正常人。大语言模型，AIGC概念于是兴起。基于stable diffusion 大家开发了lora， hyperwork等微调技术…
阅读更多...
【VS Code】Visual Studio Code 你必须安装的 Plugins - 持续更新

【VS Code】Visual Studio Code 你必须安装的 Plugins - 持续更新

文章目录 GitLens — Git supercharged【真香】EditorConfig for VS Code【真香】Remote - SSH【真香】MySQL【真香】 Talk is cheap, show me the code. GitLens — Git supercharged【真香】 插件地址： https://marketplace.visualstudio.com/items?itemNameeam…
阅读更多...
C语言有哪些预处理操作？

C语言有哪些预处理操作？

C语言的预处理是在编译之前对源代码进行处理的阶段，它主要由预处理器完成。预处理器是一个独立的程序，它负责对源代码进行一些文本替换和处理，生成经过预处理的代码。以下是C语言预处理的一些重要特性： 1，头文件包含 #…
阅读更多...
侮辱性涨薪！业绩得了S，调薪涨了450

侮辱性涨薪！业绩得了S，调薪涨了450

信安这个行业3年前各大媒体，信安自己人都觉得自己在个朝阳行业，红利在咋弄不得再吃5年。 现在拉个干网络安全的再去问问，看看谁不是去年年终奖砍了一半、或者根本就没了，再或者每天岌岌可危生怕去领大礼包。 原本10月份的激励性…
阅读更多...
python变量的命名和使用

python变量的命名和使用

变量名只能包含字母、数字和下划线 变量名只能包含字母、数字和下划线。变量名可以字母或下划线打头，但不能以数字打头。例如，可将变量命名为message_1，但不能将其命名为1_message。 Python 语言中，以下划线开头的标识符有特殊含…
阅读更多...
Android 相机库CameraView源码解析 (五) : 保存滤镜效果

Android 相机库CameraView源码解析 (五) : 保存滤镜效果

1. 前言 这段时间，在使用 natario1/CameraView 来实现带滤镜的预览、拍照、录像功能。 由于CameraView封装的比较到位，在项目前期，的确为我们节省了不少时间。 但随着项目持续深入，对于CameraView的使用进入深水区，逐…
阅读更多...
若依vue-新建目录及菜单

若依vue-新建目录及菜单

前面我们把标题和logo换成了自己系统的标题和logo了 接下来就是要建立自己需要的菜单和页面 新建目录解析 在拉下来的代码跑起来后 有一个系统菜单--菜单管理(如图) 在这个菜单的这个页面内有对应的操作功能 修改功能 这个功能可以修改写好了的菜单数据 例如:名称/排序/路由…
阅读更多...
（一）五种最新算法（SWO、COA、LSO、GRO、LO）求解无人机路径规划MATLAB

（一）五种最新算法（SWO、COA、LSO、GRO、LO）求解无人机路径规划MATLAB

一、五种算法（SWO、COA、LSO、GRO、LO）简介 1、蜘蛛蜂优化算法SWO 蜘蛛蜂优化算法（Spider wasp optimizer，SWO）由Mohamed Abdel-Basset等人于2023年提出，该算法模型雌性蜘蛛蜂的狩猎、筑巢和交配行为&…
阅读更多...
vscode 编译运行c++ 记录

vscode 编译运行c++ 记录

一、打开文件夹，新建或打开一个cpp文件 二、ctrl shift p 进入 c/c配置 进行 IntelliSense 配置。主要是选择编译器、 c标准， 设置头文件路径等，配置好后会生成 c_cpp_properties.json； 二、编译运行： 1、选中ma…
阅读更多...
SpringBoot的依赖管理和自动配置

SpringBoot的依赖管理和自动配置

与其明天开始，不如现在行动！ 文章目录 1 依赖管理机制2 自动配置机制2.1 初步理解2.2 完整流程 💎总结 1 依赖管理机制 为什么导入starter-web后所有相关依赖都会导入进来？ 开发什么场景，导入什么场景启动器-spring-bo…
阅读更多...
[ROS2] --- action

[ROS2] --- action

1 action介绍 ROS通信机制也会被常常用到——那就是动作。从这个名字上就可以很好理解这个概念的含义，这种通信机制的目的就是便于对机器人某一完整行为的流程进行管理。 1.1 客户端/服务器模型 动作和服务类似，使用的也是客户端和服务器模型&#xf…
阅读更多...
zabbix 进阶

zabbix 进阶

zabbix的字段发现机制： zabbix客户端主动和服务端联系，将自己的地址和端口发送服务端实现字段添加监控主机。 客户端是主动一方。 缺点：自定义网段中主机数量太多，登记耗时会很久，而且这个自动发现机制不是很稳定。…
阅读更多...
c-语言-＞数据在内存的存储

c-语言-＞数据在内存的存储

系列文章目录 文章目录 系列文章目录前言 前言 目的：学习整数在内存的储存，什么是大小端，浮点数的储存。 1. 整数在内存中的存储 在讲解操作符的时候，我们就讲过了下⾯的内容： 整数的2进制表⽰⽅法有三种&#xff0…
阅读更多...
Minio保姆级教程

Minio保姆级教程

转载自：www.javaman.cn Minio服务器搭建和整合 1、centos安装minio 1.1、创建安装目录 mkdir -p /home/minio1.2、在线下载minio #进入目录 cd /home/minio #下载 wget https://dl.minio.io/server/minio/release/linux-amd64/minio1.3、minio配置 1.3.1、添加…
阅读更多...
最新文章

Copyright @ 2022~2023