一、前言1.设计流程2.系统频率响应2.1频响图系统函数H是一个复数，其图谱分为：幅度谱、相位谱幅度谱x轴：模拟频率f（数字频率w转化来）【单位：赫兹Hz】y轴：|H1|幅度【一般用:20*log10|H1|】【单位：分贝dB】 相位谱x轴：模拟频率f（数字频率w转化来）【单位：赫兹Hz】y轴：H1的相位2.2各个频率转换关系 【为采样率】所以可以推出f：3.巴特沃斯滤波器简介N：滤波器阶数：3dB截止频率3.1特点最大平坦性在截止频率前较为平坦，这个平坦也保证了信号的原始值，不会因为滤波被衰减。巴特沃斯低通滤波器的通频带最大扁平效应使通频带的增益得到扁平优化。（由上图可知：N值越大，通频
一、前言1.设计流程2.系统频率响应2.1频响图系统函数H是一个复数，其图谱分为：幅度谱、相位谱幅度谱x轴：模拟频率f（数字频率w转化来）【单位：赫兹Hz】y轴：|H1|幅度【一般用:20*log10|H1|】【单位：分贝dB】 相位谱x轴：模拟频率f（数字频率w转化来）【单位：赫兹Hz】y轴：H1的相位2.2各个频率转换关系 【为采样率】所以可以推出f：3.巴特沃斯滤波器简介N：滤波器阶数：3dB截止频率3.1特点最大平坦性在截止频率前较为平坦，这个平坦也保证了信号的原始值，不会因为滤波被衰减。巴特沃斯低通滤波器的通频带最大扁平效应使通频带的增益得到扁平优化。（由上图可知：N值越大，通频
算法原理部分参考文献基于改进多目标粒子群算法的配电网储能选址定容0.前言 初学者面对多目标优化问题可能比较困难，写下这篇博客记录一下自己学习的心得，希望能和大家一起交流学习。 采用粒子群求单目标优化问题的原理很好理解，就是通过对粒子群的速度和位置不断来更新粒子群的最优适应度(也就是目标函数)，达到寻优的目的。但是多目标优化问题就比较难办了，由于目标函数有多个，如果同样使用粒子群算法，那么适应度怎么设置？怎么确定全体最优的粒子？这些问题都是比较棘手的。 目前采用粒子群算法求解多目标问题主要有两大类处理方式： 1.通过加权求和、灰色关联度分析、top
算法原理部分参考文献基于改进多目标粒子群算法的配电网储能选址定容0.前言 初学者面对多目标优化问题可能比较困难，写下这篇博客记录一下自己学习的心得，希望能和大家一起交流学习。 采用粒子群求单目标优化问题的原理很好理解，就是通过对粒子群的速度和位置不断来更新粒子群的最优适应度(也就是目标函数)，达到寻优的目的。但是多目标优化问题就比较难办了，由于目标函数有多个，如果同样使用粒子群算法，那么适应度怎么设置？怎么确定全体最优的粒子？这些问题都是比较棘手的。 目前采用粒子群算法求解多目标问题主要有两大类处理方式： 1.通过加权求和、灰色关联度分析、top
文章目录画图基本指令一、散点图1.最基础的散点图2.函数专用散点图3.设置圆圈大小的散点图二、折线图1.一条线2.多条线在这里插入图片描述三、柱状图（三种）1.最基础的柱形图2.多变量柱形图3.三维的柱形图4.堆叠形柱形图5.水平柱形图四、火柴棍图（挺好看的）五、饼状图1.基本饼状图2.三维饼状图3.突出某一扇形的饼状图六、面积图七、雷达图八、双坐标图九、图像分割函数subplot十、罗盘图十一、瀑布图十二、总结画图基本指令一、散点图1.最基础的散点图x=0.01:0.01:0.08;y=[3.0743,3.0707,3.0716,3.1133,3.1685,3.1778,3.2467,3.2
文章目录画图基本指令一、散点图1.最基础的散点图2.函数专用散点图3.设置圆圈大小的散点图二、折线图1.一条线2.多条线在这里插入图片描述三、柱状图（三种）1.最基础的柱形图2.多变量柱形图3.三维的柱形图4.堆叠形柱形图5.水平柱形图四、火柴棍图（挺好看的）五、饼状图1.基本饼状图2.三维饼状图3.突出某一扇形的饼状图六、面积图七、雷达图八、双坐标图九、图像分割函数subplot十、罗盘图十一、瀑布图十二、总结画图基本指令一、散点图1.最基础的散点图x=0.01:0.01:0.08;y=[3.0743,3.0707,3.0716,3.1133,3.1685,3.1778,3.2467,3.2
有空把引入、逻辑、原理介绍给写了，目前先给大家看看代码。将来写大概会分成这么几块：汽车运动学自行车模型跟踪算法主流模型及特点纯跟踪算法原理推导代码介绍代码原创，来之不易，请勿不注明转载。喜欢点个赞吧！网上许多代码都跑不起来hhclc;clear;%------------formroad------------cx=0:0.1:50;cx=cx';fori=1:length(cx)cy(i)=sin(cx(i)/5)*cx(i)/2;end%--------forminitialstate---------L=2.9;%[m]wheelbaseofvehiclei=1;target_speed
有空把引入、逻辑、原理介绍给写了，目前先给大家看看代码。将来写大概会分成这么几块：汽车运动学自行车模型跟踪算法主流模型及特点纯跟踪算法原理推导代码介绍代码原创，来之不易，请勿不注明转载。喜欢点个赞吧！网上许多代码都跑不起来hhclc;clear;%------------formroad------------cx=0:0.1:50;cx=cx';fori=1:length(cx)cy(i)=sin(cx(i)/5)*cx(i)/2;end%--------forminitialstate---------L=2.9;%[m]wheelbaseofvehiclei=1;target_speed
1、在MATLABC具箱里，有特别提供的函数reg()来求解LQGR优控制。函数的调用格式为:rsys=reg（sysK,L）其中，输入参量sys为系统的状态空间模型;K为由函数lqr()求得的最优状态反馈增益矩阵;L为函数lqe()求得的Kalman滤波器状态估计增益矩阵。2、函数lqr()K=lqr(A,B,Q,R)%状态反馈控制增益矩阵%新的状态空间模型Ac=[(A-BK)]Bc=[B]Cc=[C]Dc=[D]sys_cl=ss(Ac,Bc,Cc,Dc)%系统函数建立%常用的响应输出格式%t=0:0.01:5;%r=0.2ones(size(t));%[y,t,x]=lsim(sys_c
1、在MATLABC具箱里，有特别提供的函数reg()来求解LQGR优控制。函数的调用格式为:rsys=reg（sysK,L）其中，输入参量sys为系统的状态空间模型;K为由函数lqr()求得的最优状态反馈增益矩阵;L为函数lqe()求得的Kalman滤波器状态估计增益矩阵。2、函数lqr()K=lqr(A,B,Q,R)%状态反馈控制增益矩阵%新的状态空间模型Ac=[(A-BK)]Bc=[B]Cc=[C]Dc=[D]sys_cl=ss(Ac,Bc,Cc,Dc)%系统函数建立%常用的响应输出格式%t=0:0.01:5;%r=0.2ones(size(t));%[y,t,x]=lsim(sys_c
