2022年长三角高校数学建模竞赛C题隧道的升级改造与设计解题全过程文档及程序

2022年长三角高校数学建模竞赛

C题 隧道的升级改造与设计

原题再现:

  某地现存一旧式双洞隧道,现计划将该隧道在旧貌基础上升级改造。在升级改造前,需进行定标与设计。考虑到该隧道洞壁附着特殊涂料,无人机在洞内通信信号较差,实地测量存在人身安全风险,建设指挥部已经通过某种技术手段得到该隧道从正上方俯拍的 CAD 航拍图(图 1,更清晰图像见附件 1)。现计划通过数学建模方法进行每个洞的中轴线的百米定标、安全评估与设计改造。
在这里插入图片描述
  图1为隧道正上方俯拍图,即二维X-Z平面图。左洞起点坐标为A(91, 7, 349), 左洞终点坐标为 B(-617, 48, -1672),单位为米(下同);右洞起点坐标为 C(134, 7, 357),右洞终点坐标为 D(-580, 48, -1685)。左洞行车方向为 AB,右洞行车方向为 DC。起点和终点均落在隧道单洞中轴线上。附件 2 是测得的隧道中轴线的 Z-Y高程数据。为安全起见,在修建过程中,该隧道的坡度一般不大于 3%;同时为利于排水,坡度一般不小于 0.3%。其中,坡度 a%指的是沿着 Z 方向每前进 1 米,Y 方向上升或下降 a%米。此外,为防止降雨天气对安全造成影响,隧道应尽量避免有积水区域。X、Y、Z 坐标轴方向参照图 1 中标示。请建立数学模型,解决以下问题:
  1、建立隧道左右两洞的中轴线空间定标模型,计算左右两个隧道的长度,并给出左右两个隧道的百米定标。
  2、根据隧道的空间定标和隧道建设安全要求,量化评价隧道的安全性。
  3、隧道改造设计过程中,在尽可能满足隧道安全要求的前提下,还应考虑节省人力、物力资源的消耗。请从安全、经济等方面出发,研究如何对该隧道进行优化改造设计。改造后的结果请填入附件 3,并将其作为附件材料提交至参赛系统中。
  相关说明
  定标:即坐标的标定,其中空间定标是指准确标定出被描述物体的三维空间坐标。百米定标:沿行车方向标定隧道通行长度整百米处(如 100 米,200 米,300 米,……)的三维空间坐标。隧道长度:隧道的通行长度。

整体求解过程概述(摘要)

  对于问题一,要建立隧道左右两洞的中轴线定标模型,以左侧隧道洞为例,首先我们根据附件 2 所给出的Y ~ Z 数据,利用非线性变换的傅里叶函数模型得到 y 与 z 之间的函数关系;另外从题目所给出的隧道正上方俯拍图,假设 x 与 z 满足分段函数的关系,从而确立隧道中轴线的空间模型。为了能够同时求出隧道总长度以及百米定标的三维坐标,我们采用了对 z 轴方向上进行线性插值,得到 10000 个 z 轴方向的数据,再根据 x,y,z之间的数量关系,得到相应的 x, y 的对应坐标。此时,隧道总长度就可以利用这 10000个插值得到的三维坐标通过两点间距离公式求出。而对于百米定标的这些三维坐标,只需要利用 matlab 软件编程,将 10000 个数据从初始值开始,当两点距离每相隔 100 米,就定一个百米坐标,依次类推,最后得到隧道的所有百米定标的具体数值坐标。
  针对问题二,要求量化隧道的安全性,在问题一的基础上,我们直接利用附件 2 所给出的数据,根据题意坡度a%是指沿着 z 方向每前进 1 米,Y 方向上升或下降a%。求出两点间的坡度a% 的绝对值是否落在0.3% ~3% 这个范围内,并且为了安全防止隧道积水,隧道应避免起伏,呈单调型或开口下的抛物型。通过分析,最终得出结论:隧道无积水区域,但在坡度的建设要求上存在一定问题。
  针对问题三,前面得的数据显示隧道安全性需要改进,即一部分点的坡度不在合理范围内。因此问题三可以看作是一个有约束条件的最优化问题。目标函数是最小化隧道长度,约束条件为(1)隧道单调上升或单调下降,建立不等式约束;(2)隧道坡度绝对值应在0.3% ~ 3% 之间,建立不等式约束;(3)起止点坐标,建立等式约束。通过求解带线性约束的二次优化问题,得到了对应 Y 的最优值,既保证了坡度在合理范围内,又使得隧道长度最小,达到节省材料的目的。
  本文主要运用 MATLAB 软件对相关数学模型进行编程求解,计算快捷、准确,整篇文章采取图文并茂的方式去呈现。文章最后对模型做了评价与推广,结果正确合理,具有一定的价值。

模型假设:

  1、假设在俯视平面ZOX 上,左洞隧道在原点处两侧为直线;
  2、假设在俯视平面ZOX 上,右洞隧道与左洞隧道平行;
  3、假设记录的数据除缺失外准确无误;
  4、假设隧道所在的山体密度均等;

问题分析:

   对于问题一的分析
  为得到隧道总长度及百米定标坐标,我们需要建立隧道左右两洞的中轴线定标模型。以左洞为例,首先根据附件 2 所给出的Y、Z 坐标数据,利用 matlab 软件拟合工具箱中的非线性变换傅里叶函数得到坐标 y 与坐标 z 之间的函数关系 y = f (z)。
  另外,观察附件 1 中的隧道图,发现隧道存在弯折现象,现假设 x 与 z 之间满足分段函数 x = g(z) 的关系式,且两段函数均为直线方程,弯折的地方设为分段函数原点。这样我们就能够获得左洞中轴线空间位置模型。右洞同理。
  对于隧道长度及百米定标,我们利用类极限的方式,将出入口的坐标在 z 轴方向上进行 10000 等分,根据 y = f (z) 及 x = g(z) 关系式求得对应的 x 值及 y 值,从而得到这10000 个点的坐标。对相邻坐标之间的距离求和得到近似于隧道的总长度。同时我们也可得出隧道每百米的位置坐标。
  对于问题二的分析
  为量化隧道安全性,首先考虑隧道坡度,再考虑隧道是否会积水,根据附件 2 的数据,可以很容易的求出相邻两点之间的坡度,对比隧道安全指标(即范围在 0.3%~3%之间),筛选出异常的坐标点。
  另外为验证隧道是否会积水,画出Y 与Z 的关系图,分析隧道高度是否存在起伏或先下后上的情况。结果发现左洞隧道和右洞隧道从起点到终点高度都是先上升后下降不会积水。
  对于问题三的分析
  对隧道的优化有两方面,一是安全性问题,即隧道坡度满足要求且无积水。二是经济问题,即隧道总长度应该最小。在确保安全性的同时我们需要减少工程量,确保用最少的改动解决问题。
  本问题为一个带线性约束的二次优化问题,根据附件 3 中的 z 坐标值计算出优化后的 y 坐标。利用 matlab 的优化函数可以方便的解决此类问题。

模型的建立与求解整体论文缩略图

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)

filename = './附件 2.xlsx';
leftsheet = '左洞高程';
rightsheet = '右洞高程';
leftxlRange = 'A2:B99';
rightxlRange = 'A2:B98';
left = xlsread(filename,leftsheet,leftxlRange);
right = xlsread(filename,rightsheet,rightxlRange);
% 问题一(左洞) 先处理左洞的
% 起止位置分别是:(91, 349);(-617,-1672)
leftZ = left(:, 1); % 98 行
leftZ = [349; leftZ; -1672];
plot(linspace(-617, 91, 100), -flipud(leftZ))
% 建立方程,先建立左洞的。假设左洞与右洞平行,则将左洞平移即可得到右洞方程
% 左洞方程为分段函数
A = [91, 7, 349];
B = [-617, 48, -1672];
C = [134, 7, 357];
D = [-580, 48, -1685];
F_leftZlillte0 = @(x)x * B(3) - B(1);
F_leftZgrater0 = @(x)x * A(3) - A(1);
X_leftlinear = -20;
X_leftlog = 100;
% options = optimoptions('fsolve','Display','iter');
coeff_leftlillte0 = fsolve(F_leftZlillte0, X_leftlinear); % coeff_leftlinear = 0.369
coeff_leftgreater0 = fsolve(F_leftZgrater0, X_leftlog); % coeff_leftlog = 0.26
% coeff_leftlog = 92 / log(349);
left_all = [left, ones(98, 1)];
left_all = [flip(A); left_all; flip(B)]; % 100for i = 1:size(left_all, 1)
Z = left_all(i, 1);
if Z <= 0
left_all(i, 3) = coeff_leftlillte0 * Z;
else
left_all(i, 3) = coeff_leftgreater0 * Z;
end
end
left_all;
Z_true = left_all(:, 1);
Y_true = left_all(:, 2);
a0 = 33.43 ;
a1 = -18.3 ;
b1 = -9.837 ;
a2 = 2.14 ;
b2 = -3.245 ;
a3 = 2.985 ;
b3 = -0.8842 ;
w = 0.002124 ;
Z_hat = flip(linspace(B(3), A(3), 10000))';
X_hat = ones(size(Z_hat, 1), 1);
Y_hat = ones(size(Z_hat, 1), 1);
for i = 1: size(Z_hat, 1)
if Z_hat(i) >= 0
X_hat(i) = coeff_leftgreater0 * Z_hat(i);
else
X_hat(i) = coeff_leftlillte0 * Z_hat(i);
end
Y_hat(i) = a0 + a1*cos(Z_hat(i)*w) + b1*sin(Z_hat(i)*w) + a2*cos(2*Z_hat(i)*w) +
b2*sin(2*Z_hat(i)*w) + a3*cos(3*Z_hat(i)*w) + b3*sin(3*Z_hat(i)*w);
end
meter = [Z_hat, Y_hat, X_hat];
meter(:, 4) = 0;
meter(:, 5) = 0;
for i = 1: size(meter, 1)
if i > 1
meter(i, 4) = sqrt((meter(i, 1) - meter(i-1, 1))^ 2 + (meter(i, 2) - meter(i-1,
2))^ 2 + (meter(i, 3) - meter(i-1, 3))^ 2);
meter(i, 5) = sum(meter(1:i, 4));
end
end
meter_100_num = floor(max(meter(:, 5)) / 100);
meter_100_location = zeros(meter_100_num, 4);
for i = 1: meter_100_num
[~, I] = min(abs(meter(:, 5) - i * 100));
meter_100_loaction(i, 1) = meter(I, 1);
meter_100_loaction(i, 2) = meter(I, 2);
meter_100_loaction(i, 3) = meter(I, 3);
meter_100_loaction(i, 4) = meter(I, 5);
end
隧道总长度
max(meter(:, 5))

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/26716.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

LIBEVENT 框架

LIBEVENT 框架 LAMPlibevent特点:libevent的功能libevent官网安装步骤Linux下libevent主要API介绍libevent使用步骤libevent 编程案例LAMP 从LAMP说起: 是一个缩写,它指一组通常一起使用来运行动态网站或者服务器的自由软件 Linux - 操作系统Apache - 网页服务器MySQL - 数据…

基于Yolov5目标检测的物体分类识别及定位(一) -- 数据集原图获取与标注

从本篇博客正式开始深度学习项目的记录&#xff0c;实例代码只会放通用的代码&#xff0c;数据集和训练数据也是不会全部放出。 系列文章&#xff1a; 基于Yolov5目标检测的物体分类识别及定位&#xff08;一&#xff09; -- 数据集原图获取与标注 基于Yolov5目标检测的物体分类…

Data Distillation: A Survey

本文是蒸馏学习综述系列的第二篇文章&#xff0c;Data Distillation: A Survey的一个翻译 数据蒸馏&#xff1a;综述 摘要1 引言2 数据蒸馏框架2.1 元模型匹配的数据蒸馏2.2 梯度匹配的数据蒸馏2.3 轨迹匹配的数据蒸馏2.4 分布匹配的数据蒸馏2.5 因式分解的数据蒸馏 3 数据模态…

python中Requests发送json格式的post请求方法

问题&#xff1a;做requests请求时遇到如下报错&#xff1a; {“code”:“500”,“message”:"JSON parse error: Cannot construct instance of com.bang.erpapplication.domain.User (although at least one Creator exists): no String-argument constructor/factory …

16.2:岛屿数量问题

文章目录 岛屿数量问题方法一&#xff1a;采用递归的方法方法二&#xff1a;使用并查集的方法&#xff08;map&#xff09;方法三&#xff1a;使用并查集的方法&#xff08;数组&#xff09; 岛屿数量问题 测试链接&#xff1a;https://leetcode.com/problems/number-of-islan…

C++ string类-2

at at 函数是在C还没有支持运算符重载的时候提供的。 他可以像 [] 重载运算符一样&#xff0c;找到某个位置的字符&#xff1a; string s1("hello world");s1.at(0) x;cout << s1 << endl; 输出&#xff1a; [] 重载运算符和 at&#xff08;&#x…

8自由度并联腿机器狗实现行走功能

1. 功能说明 本文示例将实现R309a样机8自由度并联腿机器狗行走的功能。 2. 并联仿生机器人结构设计 机器狗是一种典型的并联仿生四足机器人&#xff0c;其腿部结构主要模仿了四足哺乳动物的腿部结构&#xff0c;主要由腿部的节段和旋转关节组成。在设计机器狗的腿部结构时&…

echart实现地图展示

最近做的页面中需要展示省级地图精确到市级且悬浮到地区上时会显示一些信息 然后参考了网址&#xff1a; “绿色金融” - 江西省 - category-work,geo地理坐标,legend,series-map地图,series-scatter散点图,title标题,tooltip提示框,visualMap视觉映射 - makeapie echarts社区…

【玩转Linux操作】硬链接和软连接

&#x1f38a;专栏【玩转Linux操作】 &#x1f354;喜欢的诗句&#xff1a;更喜岷山千里雪 三军过后尽开颜。 &#x1f386;音乐分享【Counting Stars 】 欢迎并且感谢大家指出小吉的问题&#x1f970; 欢迎大家访问“在下小吉.”&#xff08;偷偷告诉你这个是我的大号哦&#…

yolov8seg模型转onnx转ncnn

yolov8是yolo的最新版本&#xff0c;可做图像分类&#xff0c;目标检测&#xff0c;实例分割&#xff0c;姿态估计。 主页地址 这里测试一个分割模型。 模型如下 选yolov8n-seg模型&#xff0c;转成onnx&#xff0c;再转ncnn测试。 yolov8s-seg的ncnn版可以直接用这个 如果用…

【Django 网页Web开发】07. 快捷的表单生成 Form与MoudleForm(保姆级图文)

目录 注意 正规写法是 ModelForm&#xff0c;下面文章我多实现效果url.py新建3个html文件数据库连接model.py 数据表1. 原始方法view.pytestOrgion.html 2. Form方法view.pytestForm.html 3. MoudleForm方法给字段设置样式面向对象的思路&#xff0c;批量添加样式错误信息的显示…

搜索算法(三) 回溯法

1.回溯法 回溯法可以理解成一种特殊的深度优先算法&#xff0c;比起普通的DFS&#xff0c;多了还原当前节点的一步。 修改当前节点、递归子节点、还原当前节点。 本质是一种试错的思想。 维基百科&#xff1a; 2.例题 1&#xff09; 力扣https://leetcode.cn/problems/pe…

17_Linux根文件简介与Busybox构建文件系统

目录 根文件系统简介 文件目录简介 BusyBox简介 编译BusyBox构建根文件系统 修改Makefile添加编译器 busybox中文字符支持 配置 busybox 编译busybox 向根文件系统添加lib库 向rootfs的“usr/lib”目录添加库文件 创建其他文件夹 根文件系统初步测试 根文件系统简介…

行业应用|立仪光谱共焦位移传感器在玻璃方面的检测

项目&#xff1a;玻璃管管壁单边测厚 行业应用|立仪光谱共焦位移传感器在玻璃方面的检测 行业应用|立仪光谱共焦位移传感器在玻璃方面的检测 检测方案 用D35A7镜头对玻璃管管壁进行单边测厚&#xff0c;取三个点静态测量厚度并记录重复性。 1、采用D35A7R2S35镜头对玻璃管管…

Android Input子系统 - kernel

目录 前言 数据结构 输入子系统流程 前言 上一节有展示Android Input子系统的架构图,这里我们关心Linux kernel层 可以看到kernel层分为三层: 输入子系统设备驱动:处理与硬件相关的信息,调用input API注册输入设备,并把数据往上报 输入子系统核心层:为事件处理层和设…

Python之并发多线程操作

一、threading模块介绍 multiprocess模块的完全模仿了threading模块的接口&#xff0c;二者在使用层面&#xff0c;有很大的相似性 二、开启线程的两种方式 方式一 #方式一 from threading import Thread import time def sayhi(name):time.sleep(2)print(%s say hello %na…

迷你版ChatGPT开源,教你怎么用nanoGPT训练一个写小说的AI机器人!

大家好,我是千与千寻,好久不见,最近太忙了,去医院拔了颗智齿,这不是刚休息一天,就立刻来给大家分享ChatGPT的新奇项目了。 ChatGPT的功能确实是好用,但是我觉得有一个小缺点,就是反应的时间比较慢,原因是GPT-3.5/GPT-4.0的模型体积较大,比较占用内存空间。 同时大模…

10.ES6模块化规范(关键字 import,from,as,export的用法)

导入其他模块成员要使用关键字 import &#xff0c;导出需要使用关键字 export 我们明确一个概念&#xff0c;只有js与js之间需要使用import与export&#xff0c;如果是在html中引入js是不需要用import的&#xff0c;你导入的方式是直接srcxxx.js 目录 1 默认导入导出 2 …

【高危】Apache Inlong 存在JDBC反序列化漏洞

漏洞描述 Apache InLong 是可用于构建基于流式的数据分析、建模等一站式的海量数据集成框架。 在Apache Inlong受影响版本&#xff0c;由于未对接收的jdbcUrl参数过滤空格字符&#xff0c;导致可以利用空格绕过jdbcUrl中autoDeserialize参数过滤限制&#xff0c;通过认证的攻…

尚硅谷JUC极速版笔记

尚硅谷JUC极速版笔记 1、JUC概述1.1 进程和线程1.2 线程的状态&#xff08;6个&#xff09;1.3 wait和sleep1.4 并发与并行1.5 管程&#xff08;锁&#xff09;1.6 用户线程和守护线程 2、Lock接口2.1 复习synchronized&#xff08;java内置同步锁&#xff09;2.2 什么是Lock接…