使用Levenberg-Marquardt算法的优化

10视图(30天)

显示旧的评论

拉斐尔•欧文斯 2020年4月22日

0
链接

这个问题直接联系

//www.tatmou.com/matlabcentral/answers/519923-using-levenberg-marquardt-algorithm-in-the-optimization

评论道: 罗伯特你 2020年5月5日

答:接受罗伯特你

我怎么能使用优化工具比找到一个给定值的方程。这是我= i_ph-Is。*主方程(exp(美国/ (1 * Ut)) 1)我IU曲线,但我想要“c_01”子方程的价值= c_01 * T ^ (3) * exp ((-e_g * eV) / (k * T))。

0评论
显示1年长的评论藏1年长的评论

登录置评。

在回答这个问题。

接受的答案

罗伯特你 2020年4月23日

0
链接

直接链接到这个答案

//www.tatmou.com/matlabcentral/answers/519923-using-levenberg-marquardt-algorithm-in-the-optimization answer_427813

你好拉斐尔•欧文斯,

有几种解决方案和方法。Matlab是一个可用的函数 lsqcurvefit () 。下面有一个草图的如何应用函数(据说)可用的数据。

                             %已知参数
                            
                             T
                            
                             e_g
                            
                             电动汽车
                            
                             k
                            
                             i_ph
                            
                             1
                            
                             Ut
                            
                             %基本方程
                            
                             = @ (c_01) c_01 * T ^ 3 * exp ((-e_g * eV) / (k * T));
                            
                             我= @ (c_01 U) i_ph - (c0_1)。* (exp(美国/ (1 * Ut)) 1);
                            
                             %开始为优化值(s)
                            
                             c_01_guess = 1;
                            
                             %选择算法,和可能的其他选项优化解算器
                            
                             选择= optimoptions (“lsqcurvefit”);
                            
                             opt.Algorithm =“levenberg-marquardt”;
                            
                             %运行优化
                            
                             c_01_opt = lsqcurvefit(我c_01_guess U_measured I_measured,[],[],选择);

亲切的问候,

罗伯特。

9日评论
显示8年长的评论隐藏8年长的评论

拉斐尔•欧文斯 2020年4月23日

感谢你的快速反应罗伯特。我还需要更加清晰。我把数据和公式。我想优化的价值c_01使用猜值为870.80。的情节图也显示。

我也读到使用 levenberg-marquardt算法,我必须使用fsolver。

                                  t = 25;%温度(C)
                                 
                                  T = T + 273;%温度(K)
                                 
                                  i_ph = 3.113;%相电流(一个)
                                 
                                  e_g = 1.12;%带隙(eV)
                                 
                                  c_01 = 170.80;%的饱和电流系数(AK ^ (3))
                                 
                                  1 = 1.00;%二极管因素
                                 
                                  e = 1.6 * 10 ^ - (19);% electronvolt [j]
                                 
                                  k = 1.38 * 10 ^ - (23);%玻耳兹曼常量(JK ^ (1)]
                                 
                                  U = (0:0.001:0.6);%电压(V)
                                 
                                  Ut = (k * T) / e;
                                 
                                  是= c_01 * T ^ (3) * exp (- ((e_g * e) / (k * T)));
                                 
                                  我= i_ph-Is。* (exp(美国/ (1 * Ut)) 1);
                                 
                                  情节(U,我,“线宽”,2.5);
                                 
                                  轴([0,0.6,0,3.5]);
                                 
                                  包含(“Spannung U ');
                                 
                                  ylabel (”斯特罗姆“);
                                 
                                  网格在;

罗伯特你 2020年4月23日

显式描述的代码例子:

                                  t = 25;%温度(C)
                                 
                                  T = T + 273;%温度(K)
                                 
                                  i_ph = 3.113;%相电流(一个)
                                 
                                  e_g = 1.12;%带隙(eV)
                                 
                                  1 = 1.00;%二极管因素
                                 
                                  e = 1.6 * 10 ^ - (19);% electronvolt [j]
                                 
                                  k = 1.38 * 10 ^ - (23);%玻耳兹曼常量(JK ^ (1)]
                                 
                                  U = (0:0.001:0.6);%电压(V)
                                 
                                  Ut = (k * T) / e;
                                 
                                  %基本方程
                                 
                                  = @ (c_01) c_01 * T ^ 3 * exp ((-e_g * e) / (k * T));
                                 
                                  我= @ (c_01 U) i_ph - (c_01)。* (exp(美国/ (1 * Ut)) 1);
                                 
                                  跳频=图;
                                 
                                  啊=轴(跳频);
                                 
                                  (啊,“上”);
                                 
                                  情节(啊,你,我(170.8 U),“xblack”,“DisplayName的”,“真实的曲线”);
                                 
                                  情节(啊,你,我(870.80 U),——黑色的,“DisplayName的”,“猜到了曲线”);
                                 
                                  传说显示
                                 
                                  %开始为优化值(s)
                                 
                                  c_01_guess = 870.8;
                                 
                                  %选择算法,和可能的其他选项优化解算器
                                 
                                  选择= optimoptions (“lsqcurvefit”);
                                 
                                  opt.Algorithm =“levenberg-marquardt”;
                                 
                                  %运行优化
                                 
                                  c_01_opt = lsqcurvefit(我c_01_guess U,我(170.8,U),[],[],选择);
                                 
                                  情节(啊,你,我(c_01_opt U),“即”,“DisplayName的”,“优化结果曲线”);
                                 
                                  轴(啊,[0,0.6,0,3.5]);
                                 
                                  包含(“Spannung U ');
                                 
                                  ylabel (”斯特罗姆“);
                                 
                                  网格在;

拉斐尔•欧文斯 2020年4月28日

喂,罗伯特,我需要进一步清晰。我怎样才能使用优化参数的值。

我= i_ph - (c_01 * T ^ 3 * exp (- ((e_g * e) / (k * T))))。* (exp(美国/ (1 * Ut)) 1);

参数是c_01

c_01的真正价值是170.8

因此,优化的价值也将真正的价值。

你能好心的分解也解释,因为普通的想法是让一个参数当我们只是考虑到向量组成的曲线。

如果我们只是UI值和曲线,和一些常量,我如何得到一个X参数。

我希望我的问题是足够清晰。谢谢

                                  t = 25;%温度(C)
                                 
                                  T = T + 273;%温度(K)
                                 
                                  i_ph = 3.113;%相电流(一个)
                                 
                                  e_g = 1.12;%带隙(eV)
                                 
                                  1 = 1.00;%二极管因素
                                 
                                  e = 1.6 * 10 ^ - (19);% electronvolt [j]
                                 
                                  k = 1.38 * 10 ^ - (23);%玻耳兹曼常量(JK ^ (1)]
                                 
                                  U = (0:0.001:0.6);%电压(V)
                                 
                                  Ut = (k * T) / e;
                                 
                                  Ut = 0.0257
                                 
                                  我= i_ph - (c_01 * T ^ 3 * exp (- ((e_g * e) / (k * T))))。* (exp(美国/ (1 * Ut)) 1);

罗伯特你 2020年5月5日

你好拉斐尔•欧文斯,

我不确定我是否正确地理解你的问题:我在哪里获取xdata和ydata真实数据吗?

通常你是测量U-I-curve U和测量。在这种情况下,通过提供真实的数据是“U”(xdata)和“我”(ydata)。网格无关紧要,因为你正试图适应函数的数据模型。它只是需要好足以覆盖整个模型的功能特点。

简而言之:

供应U (xdata)
我(ydata)
给已知参数
脂肪酸的适合模型。

亲切的问候,

罗伯特。

登录置评。

类别

数学和优化优化工具箱开始使用优化工具箱

找到更多的在开始使用优化工具箱在帮助中心和文件交换

下载188bet金宝搏

优化工具箱

释放

R2020a

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!

使用Levenberg-Marquardt算法的优化

0评论
显示1年长的评论藏1年长的评论

接受的答案

9日评论
显示8年长的评论隐藏8年长的评论

更多的答案(0)

另请参阅

类别

标签

下载188bet金宝搏

释放

社区寻宝

使用Levenberg-Marquardt算法的优化

0评论 显示1年长的评论藏1年长的评论

接受的答案

9日评论 显示8年长的评论隐藏8年长的评论

更多的答案(0)

另请参阅

类别

标签

下载188bet金宝搏

释放

社区寻宝

0评论
显示1年长的评论藏1年长的评论

9日评论
显示8年长的评论隐藏8年长的评论