Origin数据交互与曲线拟合.docx

Origin数据交互与曲线拟合.docx

《Origin数据交互与曲线拟合.docx》由会员分享，可在线阅读，更多相关《Origin数据交互与曲线拟合.docx（9页珍藏版）》请在冰豆网上搜索。

Origin数据交互与曲线拟合

Origin数据交互与曲线拟合

在这篇博文中，讲述两个方面的内容，一是Origin与其他软件的数据交互，二是使用Origin进行曲线拟合，目标不是面面俱到，而是以够用为原则。

    关于Origin与其他软件的数据交互。

包含两方面的内容，一是从其他文件读取数据然后进行做图或者分析，或是将Origin输出为其他形式的文件，二是Origin做出来的图像如何在Word中使用。

    上面两篇博文讲的数据都是手动输入的，如果有大量的实验数据，显然手动输入是不太现实的，这就需要导入数据。

根据参考[1]上的说法，数据格式主要分成三大类：

ASCII码文件、二进制（Binary）文件、数据库文件。

我们一般用的是第一种，它是Windows平台上最简单的文件格式，常用的扩展名为*.txt和*.dat，几乎所有的软件都支持ASCII格式的输出。

一般来说，典型的ASCII格式的数据文件，由表头和实验数据组成，我从ADAMS做的仿真中导出了一个txt文件，其文件表头如图1所示。

在Origin菜单栏File->Import->SingleASCII，或者使用工具栏中的ImportSingleASCII，蹦出如图2所示的对话框。

最后导入Origin中的数据如图3所示，数据导入后可以进行相应的分析和做图了。

图1导入的TXT文件表头

图2导入文件对话框

图3导入Origin中的数据

    Origin当然也可以导入Excel数据，此外，我感觉到很不错的是Origin也可以导入Matlab中的MAT文件，这样的话就可以在Matlab中进行计算，然后在Origin中进行做图处理，在Origin菜单栏File->Import->Matlab（Mat）即可导入Mat文件。

使用如下两条命令savex.txtmm–ascii和save（'x.mat','mm'）即可将变量mm存入x.txt和x.mat中。

    做图写论文，涉及到如何将Origin图像转移到Word中，前篇博文已经讲到可以将Origin图像输出为文件形式了，然后插入Word中，此外也可以在Origin菜单栏Edit->CopyPage，然后粘贴到Word中，双击或者右键Graph对象->Edit即可进行修改，如图4所示，不过如果在电脑上没有安装Origin软件则不可以进行修改。

图4在Word中对插入的Graph图像进行修改

    此外，还有一点需要说明的，就是可以使用Layout作为容器，即将其作为一张白纸，在其上存储不同的内容，如图5所示，可AddText、AddGraph、AddWorksheet等，可以用下方的对齐工具栏进行相应位置的调整。

图5Layout

    OK，下面说说如何使用Origin进行曲线拟合。

Origin的数据分析功能有曲线拟合、信号处理、统计分析等，我觉得这些功能在Matlab中实现比较方便，因此在此主要讲一下Origin的曲线拟合功能。

    Origin中的线性拟合如下操作，菜单栏Analysis->Fitting->FitLinear即可，我们常用的多项式拟合如下操作，菜单栏Analysis->Fitting->FitPolynomial，出现如图6所示的对话框，在图6的操作1中输入Y轴数据，在操作2中改变要拟合的阶次。

我们使用参考[2]中的数据，最后出现的拟合结果的分析报表如图7所示，有关系数的拟合结果如图7的操作2所示，在图7的操作1中的R平方相关系数越接近1说明拟合的越好，图8给出了图7中所拟合的各个参数的意义。

从图8可以看出，所拟合曲线的系数从高阶到低阶依次为：

0.01778、0.0381、2.24365、1.99762，参考[2]的拟合结果分别为：

0.017777777777781、0.038095238095238、1.997619047619047、2.243650793650794，两者结果相当接近。

图6多项式拟合对话框

图7三次拟合分析报表1

图8三次拟合分析报表2

    下面说一下Origin中的自定义函数拟合，所使用的数据来源为ADAMS的仿真结果，输入X为：

0、30/240、60/240、90/240、120/240、150/240、180/240，输出Y为：

389.4630、443.9221、709.6890、784.7739、1562.6、1777.2、3421.2，所使用的拟合关系为Y=a*（（1+X）/（1-X））^2+b*（1+X）/（1-X）+c，以上述数据为例自定义函数拟合的过程如下：

（1）菜单栏Tools->FittingFunctionsOriganizer，出现如图9所示的界面。

点击左下方的UserDefined，使用NewCategory建立目录并命名，使用NewFunction建立函数并命名，在图9的操作4里面输入变量和参数以及函数表达式。

（2）单击图9中的操作5，出现如图10所示的界面，点击Compile，左下角出现Done!

说明完成编译工作，单击ReturntoDialog返回自定义函数对话框，然后单击图9中的Save即可保存，使用Simulate即可进行模拟，如图11所示。

（3）在数据表格窗口中，选中Y列（注意一定要选中，否则无数据来源，当然也可以先做出图像，然后在图像中进行后续操作），菜单栏Analysis->Fitting->NonlinearCurveFit，出现如图12所示的使用自定义函数进行拟合的对话框。

图9自定义拟合函数

图10自定义函数代码编译

图11自定义函数模拟

图12使用自定义函数进行曲线拟合

    在图12所示的对话框中，点击Parameters进行参数的初始化，当然也可以点击下面的InitializeParameters进行参数初始化，注意参数初始化这一步是必须的；在Bounds中设置参数的上下限。

这里面有个问题，我刚开始的时候在数据X列中输入的是分数，就是不出来结果，具体的症状见参考[3]，后来我将分数改为了小数，就出来了结果，具体的拟合参数见图13，拟合曲线见图14。

a、b、c的结果分别为11.84782、408.19193、-43.51315，我在matlab使用最小二乘拟合的结果为11.8478、408.1919、-43.5132。

图13自定义函数拟合结果

图14自定义函数曲线拟合图