matlab 统计工具箱函数
% Statistics Toolbox
% betafit - Beta parameter estimation.
% binofit - Binomial parameter estimation.
% dfittool - Distribution fitting tool.
% evfit - Extreme value parameter estimation.
% expfit - Exponential parameter estimation.
% gamfit - Gamma parameter estimation.
% lognfit - Lognormal parameter estimation.
% mle - Maximum likelihood estimation (MLE).
% mlecov - Asymptotic covariance matrix of MLE. % nbinfit - Negative binomial parameter estimation. % normfit - Normal parameter estimation.
% poissfit - Poisson parameter estimation.
% raylfit - Rayleigh parameter estimation.
% unifit - Uniform parameter estimation.
% wblfit - Weibull parameter estimation.
%
% Probability density functions (pdf).
% betapdf - Beta density.
% binopdf - Binomial density.
% chi2pdf - Chi square density.
% evpdf - Extreme value density.
% exppdf - Exponential density.
% fpdf - F density.
% gampdf - Gamma density.
% geopdf - Geometric density.
% hygepdf - Hypergeometric density.
% lognpdf - Lognormal density.
% mvnpdf - Multivariate normal density.
% nbinpdf - Negative binomial density.
% ncfpdf - Noncentral F density.
% nctpdf - Noncentral t density.
% ncx2pdf - Noncentral Chi-square density. % normpdf - Normal (Gaussian) density.
% pdf - Density function for a specified distribution.
% poisspdf - Poisson density.
% raylpdf - Rayleigh density.
% tpdf - T density.
% unidpdf - Discrete uniform density.
% unifpdf - Uniform density.
% wblpdf - Weibull density.
%
% Cumulative Distribution functions (cdf).
% betacdf - Beta cdf.
% binocdf - Binomial cdf.
% cdf - Specified cumulative distribution function.
% chi2cdf - Chi square cdf.
% ecdf - Empirical cdf (Kaplan-Meier estimate).
% evcdf - Extreme value cumulative distribution function. % expcdf - Exponential cdf.
% fcdf - F cdf.
% gamcdf - Gamma cdf.
% geocdf - Geometric cdf.
% hygecdf - Hypergeometric cdf.
% logncdf - Lognormal cdf.
% nbincdf - Negative binomial cdf.
% ncfcdf - Noncentral F cdf.
% nctcdf - Noncentral t cdf.
% ncx2cdf - Noncentral Chi-square cdf. % normcdf - Normal (Gaussian) cdf.
% poisscdf - Poisson cdf.
% raylcdf - Rayleigh cdf.
% tcdf - T cdf.
% unidcdf - Discrete uniform cdf.
% unifcdf - Uniform cdf.
% wblcdf - Weibull cdf.
%
% Critical Values of Distribution functions.
% betainv - Beta inverse cumulative distribution function.
% binoinv - Binomial inverse cumulative distribution function.
% chi2inv - Chi square inverse cumulative distribution function.
% evinv - Extreme value inverse cumulative distribution function.
% expinv - Exponential inverse cumulative distribution function.
% finv - F inverse cumulative distribution function.
% gaminv - Gamma inverse cumulative distribution function.
% geoinv - Geometric inverse cumulative distribution function.
% hygeinv - Hypergeometric inverse cumulative distribution function. % icdf - Specified inverse cdf.
% logninv - Lognormal inverse cumulative distribution function.
% nbininv - Negative binomial inverse distribution function.
% ncfinv - Noncentral F inverse cumulative distribution function.
% nctinv - Noncentral t inverse cumulative distribution function.
% ncx2inv - Noncentral Chi-square inverse distribution function.
% norminv - Normal (Gaussian) inverse cumulative distribution function. % poissinv - Poisson inverse cumulative distribution function.
% raylinv - Rayleigh inverse cumulative distribution function.
% tinv - T inverse cumulative distribution function.
% unidinv - Discrete uniform inverse cumulative distribution function. % unifinv - Uniform inverse cumulative distribution function.
% wblinv - Weibull inverse cumulative distribution function.
%
% Random Number Generators.
% betarnd - Beta random numbers.
% binornd - Binomial random numbers.
% chi2rnd - Chi square random numbers.
% evrnd - Extreme value random numbers.
% exprnd - Exponential random numbers.
% frnd - F random numbers.
% gamrnd - Gamma random numbers.
% geornd - Geometric random numbers.
% hygernd - Hypergeometric random numbers.
% iwishrnd - Inverse Wishart random matrix.
% lognrnd - Lognormal random numbers.
% mvnrnd - Multivariate normal random numbers.
% mvtrnd - Multivariate t random numbers.
% nbinrnd - Negative binomial random numbers.
% ncfrnd - Noncentral F random numbers.
% nctrnd - Noncentral t random numbers.
% ncx2rnd - Noncentral Chi-square random numbers.
% normrnd - Normal (Gaussian) random numbers.
% poissrnd - Poisson random numbers.
% randg - Gamma random numbers (unit scale).
% random - Random numbers from specified distribution. % randsample - Random sample from finite population. % raylrnd - Rayleigh random numbers.
% trnd - T random numbers.
% unidrnd - Discrete uniform random numbers.
% unifrnd - Uniform random numbers.
% wblrnd - Weibull random numbers.
% wishrnd - Wishart random matrix.
%
% Statistics.
% betastat - Beta mean and variance.
% binostat - Binomial mean and variance.
% chi2stat - Chi square mean and variance.
% evstat - Extreme value mean and variance.
% expstat - Exponential mean and variance.
% fstat - F mean and variance.
% gamstat - Gamma mean and variance.
% geostat - Geometric mean and variance.
% hygestat - Hypergeometric mean and variance.
% lognstat - Lognormal mean and variance.
% nbinstat - Negative binomial mean and variance.
% ncfstat - Noncentral F mean and variance.
% nctstat - Noncentral t mean and variance.
% ncx2stat - Noncentral Chi-square mean and variance.
% normstat - Normal (Gaussian) mean and variance.
% poisstat - Poisson mean and variance.
% raylstat - Rayleigh mean and variance.
% tstat - T mean and variance.
% unidstat - Discrete uniform mean and variance.
% unifstat - Uniform mean and variance.
% wblstat - Weibull mean and variance.
%
% Likelihood functions.
% betalike - Negative beta log-likelihood.
% evlike - Negative extreme value log-likelihood.
% explike - Negative exponential log-likelihood.
% gamlike - Negative gamma log-likelihood.
% lognlike - Negative lognormal log-likelihood.
% nbinlike - Negative likelihood for negative binomial distribution. % normlike - Negative normal likelihood.
% wbllike - Negative Weibull log-likelihood.
%
% Descriptive Statistics.
% bootstrp - Bootstrap statistics for any function.
% corr - Linear or rank correlation coefficient.
% corrcoef - Linear correlation coefficient with confidence intervals. % cov - Covariance.
% crosstab - Cross tabulation.
% geomean - Geometric mean.
% grpstats - Summary statistics by group.
% harmmean - Harmonic mean.
% iqr - Interquartile range.
% kurtosis - Kurtosis.
% mad - Median Absolute Deviation.
% mean - Sample average (in MATLAB toolbox).
% median - 50th percentile of a sample.
% moment - Moments of a sample.
% nanmax - Maximum ignoring NaNs.
% nanmean - Mean ignoring NaNs.
% nanmedian - Median ignoring NaNs.
% nanmin - Minimum ignoring NaNs.
% nanstd - Standard deviation ignoring NaNs.
% nansum - Sum ignoring NaNs.
% nanvar - Variance ignoring NaNs.
% prctile - Percentiles.
% quantile - Quantiles.
% range - Range.
% skewness - Skewness.
% std - Standard deviation (in MATLAB toolbox).
% tabulate - Frequency table.
% trimmean - Trimmed mean.
% var - Variance (in MATLAB toolbox).
%
% Linear Models.
% addedvarplot - Created added-variable plot for stepwise regression.
% anova1 - One-way analysis of variance.
% anova2 - Two-way analysis of variance.
% anovan - n-way analysis of variance.
% aoctool - Interactive tool for analysis of covariance.
% dummyvar - Dummy-variable coding.
% friedman - Friedman's test (nonparametric two-way anova).
% glmfit - Generalized linear model fitting.
% glmval - Evaluate fitted values for generalized linear model.
% kruskalwallis - Kruskal-Wallis test (nonparametric one-way anova). % leverage - Regression diagnostic.
% lscov - Least-squares estimates with known covariance matrix.
% lsqnonneg - Non-negative least-squares.
% manova1 - One-way multivariate analysis of variance.
% manovacluster - Draw clusters of group means for manova1.
% multcompare - Multiple comparisons of means and other estimates. % polyconf - Polynomial evaluation and confidence interval estimation. % polyfit - Least-squares polynomial fitting.
% polyval - Predicted values for polynomial functions.
% rcoplot - Residuals case order plot.
% regress - Multivariate linear regression.
% regstats - Regression diagnostics.
% ridge - Ridge regression.
% robustfit - Robust regression model fitting.
% rstool - Multidimensional response surface visualization (RSM).
% stepwise - Interactive tool for stepwise regression.
% stepwisefit - Non-interactive stepwise regression.
% x2fx - Factor settings matrix (x) to design matrix (fx).
%
% Nonlinear Models.
% nlinfit - Nonlinear least-squares data fitting.
% nlintool - Interactive graphical tool for prediction in nonlinear models. % nlpredci - Confidence intervals for prediction.
% nlparci - Confidence intervals for parameters.
%
% Design of Experiments (DOE).
% bbdesign - Box-Behnken design.
% candexch - D-optimal design (row exchange algorithm for candidate set). % candgen - Candidates set for D-optimal design generation.
% ccdesign - Central composite design.
% cordexch - D-optimal design (coordinate exchange algorithm).
% daugment - Augment D-optimal design.
% dcovary - D-optimal design with fixed covariates.
% ff2n - Two-level full-factorial design.
% fracfact - Two-level fractional factorial design.
% fullfact - Mixed-level full-factorial design.
% hadamard - Hadamard matrices (orthogonal arrays).
% lhsdesign - Latin hypercube sampling design.
% lhsnorm - Latin hypercube multivariate normal sample.
% rowexch - D-optimal design (row exchange algorithm).
%
% Statistical Process Control (SPC).
% capable - Capability indices.
% capaplot - Capability plot.
% ewmaplot - Exponentially weighted moving average plot.
% histfit - Histogram with superimposed normal density.
% normspec - Plot normal density between specification limits. % schart - S chart for monitoring variability.
% xbarplot - Xbar chart for monitoring the mean.
%
% Multivariate Statistics.
% Cluster Analysis.
% cophenet - Cophenetic coefficient.
% cluster - Construct clusters from LINKAGE output.
% clusterdata - Construct clusters from data.
% dendrogram - Generate dendrogram plot.
% inconsistent - Inconsistent values of a cluster tree.
% kmeans - k-means clustering.
% linkage - Hierarchical cluster information.
% pdist - Pairwise distance between observations.
% silhouette - Silhouette plot of clustered data.
% squareform - Square matrix formatted distance.
%
% Dimension Reduction Techniques.
% factoran - Factor analysis.
% pcacov - Principal components from covariance matrix.
% pcares - Residuals from principal components.
% princomp - Principal components analysis from raw data.
% rotatefactors - Rotation of FA or PCA loadings.
%
% Plotting.
% andrewsplot - Andrews plot for multivariate data.
% biplot - Biplot of variable/factor coefficients and scores.
% glyphplot - Plot stars or Chernoff faces for multivariate data.
% gplotmatrix - Matrix of scatter plots grouped by a common variable. % parallelcoords - Parallel coordinates plot for multivariate data.
% Other Multivariate Methods.
% barttest - Bartlett's test for dimensionality.
% canoncorr - Cannonical correlation analysis.
% cmdscale - Classical multidimensional scaling.
% classify - Linear discriminant analysis.
% mahal - Mahalanobis distance.
% manova1 - One-way multivariate analysis of variance.
% mdscale - Metric and non-metric multidimensional scaling.
% procrustes - Procrustes analysis.
%
% Decision Tree Techniques.
% treedisp - Display decision tree.
% treefit - Fit data using a classification or regression tree.
% treeprune - Prune decision tree or creating optimal pruning sequence. % treetest - Estimate error for decision tree.
% treeval - Compute fitted values using decision tree.
% Hypothesis Tests.
% ranksum - Wilcoxon rank sum test (independent samples). % signrank - Wilcoxon sign rank test (paired samples).
% signtest - Sign test (paired samples).
% ztest - Z test.
% ttest - One sample t test.
% ttest2 - Two sample t test.
%
% Distribution Testing.
% jbtest - Jarque-Bera test of normality
% kstest - Kolmogorov-Smirnov test for one sample
% kstest2 - Kolmogorov-Smirnov test for two samples
% lillietest - Lilliefors test of normality
%
% Nonparametric Functions.
% friedman - Friedman's test (nonparametric two-way anova).
% kruskalwallis - Kruskal-Wallis test (nonparametric one-way anova).
% ksdensity - Kernel smoothing density estimation.
% ranksum - Wilcoxon rank sum test (independent samples).
% signrank - Wilcoxon sign rank test (paired samples).
% signtest - Sign test (paired samples).
%
% Hidden Markov Models.
% hmmdecode - Calculate HMM posterior state probabilities.
% hmmestimate - Estimate HMM parameters given state information.
% hmmgenerate - Generate random sequence for HMM.
% hmmtrain - Calculate maximum likelihood estimates for HMM parameters. % hmmviterbi - Calculate most probable state path for HMM sequence.
%
% Statistical Plotting.
% andrewsplot - Andrews plot for multivariate data.
% biplot - Biplot of variable/factor coefficients and scores.
% boxplot - Boxplots of a data matrix (one per column).
% cdfplot - Plot of empirical cumulative distribution function.
% ecdfhist - Histogram calculated from empirical cdf.
% fsurfht - Interactive contour plot of a function.
% gline - Point, drag and click line drawing on figures.
% glyphplot - Plot stars or Chernoff faces for multivariate data.
% gname - Interactive point labeling in x-y plots.
% gplotmatrix - Matrix of scatter plots grouped by a common variable. % gscatter - Scatter plot of two variables grouped by a third.
% hist - Histogram (in MATLAB toolbox).
% hist3 - Three-dimensional histogram of bivariate data.
% lsline - Add least-square fit line to scatter plot.
% normplot - Normal probability plot.
% parallelcoords - Parallel coordinates plot for multivariate data.
% probplot - Probability plot.
% qqplot - Quantile-Quantile plot.
% refcurve - Reference polynomial curve.
% refline - Reference line.
Matlab工具箱中地BP与RBF函数
Matlab工具箱中的BP与RBF函数 Matlab神经网络工具箱中的函数非常丰富，给网络设置合适的属性，可以加快网络的学习速度，缩短网络的学习进程。限于篇幅，仅对本章所用到的函数进行介绍，其它的函数及其用法请读者参考联机文档和帮助。 1 BP与RBF网络创建函数 在Matlab工具箱中有如表1所示的创建网络的函数，作为示例，这里只介绍函数newff、newcf、newrb和newrbe。 表 1 神经网络创建函数 (1) newff函数 功能：创建一个前馈BP神经网络。 调用格式：net = newff(PR,[S1 S2...S Nl],{TF1 TF2...TF Nl},BTF,BLF,PF) 参数说明： ?PR - R个输入的最小、最大值构成的R×2矩阵； ?S i–S NI层网络第i层的神经元个数； ?TF i - 第i层的传递函数，可以是任意可导函数，默认为'tansig'，
可设置为logsig，purelin等； ?BTF -反向传播网络训练函数，默认为'trainlm'，可设置为trainbfg，trainrp，traingd等； ?BLF -反向传播权值、阈值学习函数，默认为'learngdm'； ?PF -功能函数，默认为'mse'； (2) newcf函数 功能：创建一个N层的层叠(cascade)BP网络 调用格式：net = newcf(Pr,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF) 参数同函数newff。 (3) newrb函数 功能：创建一个径向基神经网络。径向基网络可以用来对一个函数进行逼近。newrb函数用来创建一个径向基网络，它可以是两参数网络，也可以是四参数网络。在网络的隐层添加神经元，直到网络满足指定的均方误差要求。 调用格式：net = newrb(P,T,GOAL,SPREAD) 参数说明： ?P：Q个输入向量构成的R×Q矩阵； ?T：Q个期望输出向量构成的S×Q矩阵； ?GOAL：均方误差要求，默认为0。 ?SPREAD：分散度参数，默认值为1。SPREAD越大，网络逼近的函数越平滑，但SPREAD取值过大将导致在逼近变化比较剧烈的函
matlab遗传算法工具箱函数及实例讲解
matlab遗传算法工具箱函数及实例讲解 最近研究了一下遗传算法，因为要用遗传算法来求解多元非线性模型。还好用遗传算法的工箱予以实现了，期间也遇到了许多问题。借此与大家分享一下。 首先，我们要熟悉遗传算法的基本原理与运算流程。 基本原理：遗传算法是一种典型的启发式算法，属于非数值算法范畴。它是模拟达尔文的自然选择学说和自然界的生物进化过程的一种计算模型。它是采用简单的编码技术来表示各种复杂的结构，并通过对一组编码表示进行简单的遗传操作和优胜劣汰的自然选择来指导学习和确定搜索的方向。遗传算法的操作对象是一群二进制串（称为染色体、个体），即种群，每一个染色体都对应问题的一个解。从初始种群出发，采用基于适应度函数的选择策略在当前种群中选择个体，使用杂交和变异来产生下一代种群。如此模仿生命的进化进行不断演化，直到满足期望的终止条件。 运算流程： Step 1：对遗传算法的运行参数进行赋值。参数包括种群规模、变量个数、交叉概率、变异概率以及遗传运算的终止进化代数。 Step 2：建立区域描述器。根据轨道交通与常规公交运营协调模型的求解变量的约束条件，设置变量的取值范围。 Step 3：在Step 2的变量取值范围内，随机产生初始群体，代入适应度函数计算其适应度值。 Step 4：执行比例选择算子进行选择操作。 Step 5：按交叉概率对交叉算子执行交叉操作。 Step 6：按变异概率执行离散变异操作。 Step 7：计算Step 6得到局部最优解中每个个体的适应值，并执行最优个体保存策略。 Step 8：判断是否满足遗传运算的终止进化代数，不满足则返回Step 4，满足则输出运算结果。 其次，运用遗传算法工具箱。 运用基于Matlab的遗传算法工具箱非常方便，遗传算法工具箱里包括了我们需要的各种函数库。目前，基于Matlab的遗传算法工具箱也很多，比较流行的有英国设菲尔德大学开发的遗传算法工具箱GATBX、GAOT以及Math Works公司推出的GADS。实际上，GADS 就是大家所看到的Matlab中自带的工具箱。我在网上看到有问为什么遗传算法函数不能调用的问题，其实，主要就是因为用的工具箱不同。因为，有些人用的是GATBX带有的函数，但MATLAB自带的遗传算法工具箱是GADS，GADS当然没有GATBX里的函数，因此运行程序时会报错，当你用MATLAB来编写遗传算法代码时，要根据你所安装的工具箱来编写代码。
matlab统计工具箱函数
% Statistics Toolbox % betafit - Beta parameter estimation. % binofit - Binomial parameter estimation. % dfittool - Distribution fitting tool. % evfit - Extreme value parameter estimation. % expfit - Exponential parameter estimation. % gamfit - Gamma parameter estimation. % lognfit - Lognormal parameter estimation. % mle - Maximum likelihood estimation (MLE). % mlecov - Asymptotic covariance matrix of MLE. % nbinfit - Negative binomial parameter estimation. % normfit - Normal parameter estimation. % poissfit - Poisson parameter estimation. % raylfit - Rayleigh parameter estimation. % unifit - Uniform parameter estimation. % wblfit - Weibull parameter estimation. % % Probability density functions (pdf). % betapdf - Beta density. % binopdf - Binomial density. % chi2pdf - Chi square density. % evpdf - Extreme value density. % exppdf - Exponential density. % fpdf - F density. % gampdf - Gamma density. % geopdf - Geometric density. % hygepdf - Hypergeometric density. % lognpdf - Lognormal density. % mvnpdf - Multivariate normal density. % nbinpdf - Negative binomial density. % ncfpdf - Noncentral F density. % nctpdf - Noncentral t density. % ncx2pdf - Noncentral Chi-square density. % normpdf - Normal (Gaussian) density. % pdf - Density function for a specified distribution. % poisspdf - Poisson density. % raylpdf - Rayleigh density. % tpdf - T density. % unidpdf - Discrete uniform density. % unifpdf - Uniform density. % wblpdf - Weibull density. % % Cumulative Distribution functions (cdf). % betacdf - Beta cdf.
matlab潮流计算工具箱使用手册
MATPOWER A M ATLAB? Power System Simulation Package Version 3.2 September 21, 2007 User’s Manual Ray D. Zimmerman Carlos E. Murillo-Sánchez rz10@https://www.360docs.net/doc/a76203576.html, carlos_murillo@https://www.360docs.net/doc/a76203576.html, ? 1997-2007 Power Systems Engineering Research Center (PS ERC) School of Electrical Engineering, Cornell University, Ithaca, NY 14853
Table of Contents Table of Contents (2) 1Introduction (3) 2Getting Started (4) 2.1System Requirements (4) 2.2Installation (4) 2.3Running a Power Flow (4) 2.4Running an Optimal Power Flow (4) 2.5Getting Help (4) 3Technical Reference (6) 3.1Data File Format (6) 3.2Modeling (8) 3.3Power Flow (11) 3.4Optimal Power Flow (12) 3.4.1AC OPF Formulation (13) 3.4.2DC OPF Formulation (21) 3.5Unit Decommitment Algorithm (22) 3.6MATPOWER Options (22) 3.7Summary of the Files (28) 4Acknowledgments (33) 5References (33) Appendix A: Notes on LP-Solvers for M ATLAB (34) Appendix B: Additional Notes (34) Appendix C: Auction Code (35)
MATLAB有三十多个工具箱大致可分为两类：功能型工具箱和领域型工具箱 (2)
MATLAB有三十多个工具箱大致可分为两类：功能型工具箱和领域型工具箱. 功能型工具箱主要用来扩充MATLAB的符号计算功能、图形建模仿真功能、文字处理功能以及与硬件实时交互功能，能用于多种学科。而领域型工具箱是专业性很强的。如控制系统工具箱(Control System Toolbox)、信号处理工具箱(Signal Processing Toolbox)、财政金融工具箱(Financial Toolbox)等。 下面，将MATLAB工具箱内所包含的主要内容做简要介绍： 1)通讯工具箱(Communication Toolbox)。 令提供100多个函数和150多个SIMULINK模块用于通讯系统的仿真和分析 ——信号编码 ——调制解调 ——滤波器和均衡器设计 ——通道模型 ——同步 可由结构图直接生成可应用的C语言源代码。 2)控制系统工具箱(Control System Toolbox)。 鲁连续系统设计和离散系统设计 * 状态空间和传递函数 * 模型转换 * 频域响应：Bode图、Nyquist图、Nichols图 * 时域响应：冲击响应、阶跃响应、斜波响应等 * 根轨迹、极点配置、LQG 3)财政金融工具箱(FinancialTooLbox)。 * 成本、利润分析，市场灵敏度分析 * 业务量分析及优化 * 偏差分析 * 资金流量估算 * 财务报表 4)频率域系统辨识工具箱(Frequency Domain System ldentification Toolbox * 辨识具有未知延迟的连续和离散系统 * 计算幅值／相位、零点／极点的置信区间 * 设计周期激励信号、最小峰值、最优能量诺等 5)模糊逻辑工具箱(Fuzzy Logic Toolbox)。 * 友好的交互设计界面 * 自适应神经—模糊学习、聚类以及Sugeno推理 * 支持SIMULINK动态仿真 * 可生成C语言源代码用于实时应用
MATLAB各类工具箱
序号工具箱备注 数学、统计与优化 1Symbolic Math Toolbox符号数学工具箱 2Partial Differential Euqation Toolbox偏微分方程工具箱 3Statistics Toolbox统计学工具箱 4Curve Fitting Toolbox曲线拟合工具箱 5Optimization Toolbox优化工具箱 6Global Optimization Toolbox全局优化工具箱 7Neural Network Toolbox神经网络工具箱 8Model-Based Calibration Toolbox基于模型矫正工具箱 信号处理与通信 9Signal Processing Toolbox信号处理工具箱 10DSP System Toolbox DSP[size=+0]系统工具箱11Communications System Toolbox通信系统工具箱 12Wavelet Toolbox小波工具箱 13Fixed-Point Toolbox定点运算工具箱 14RF Toolbox射频工具箱 15Phased Array System Toolbox相控阵系统工具箱 控制系统设计与分析 16Control system Toolbox控制系统工具箱 17System Indentification Toolbox系统辨识工具箱 18Fuzzy Logic Toolbox模糊逻辑工具箱 19Robust Control Toolbox鲁棒控制工具箱 20Model Predictive Control Toolbox模型预测控制工具箱21Aerospace Toolbox航空航天工具箱 图像处理与计算机视觉 22Image Processing Toolbox图像处理工具箱 23Computer Vision System Toolbox计算机视觉工具箱 24Image Acquisition Toolbox图像采集工具箱 25Mapping Toolbox地图工具箱 测试与测量
MATLAB常用工具箱及常用函数
常用工具箱 MATLAB包括拥有数百个内部函数的主包和三十几种工具包。工具包又可以分为功能性工具包和学科工具包。功能工具包用来扩充MATLAB的符号计算，可视化建模仿真，文字处理及实时控制等功能。学科工具包是专业性比较强的工具包，控制工具包，信号处理工具包，通信工具包等都属于此类。 开放性使MATLAB广受用户欢迎。除内部函数外，所有MATLAB主包文件和各种工具包都是可读可修改的文件，用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。 Matlab Main Toolbox——matlab主工具箱 Control System Toolbox——控制系统工具箱 Communication Toolbox——通讯工具箱 Financial Toolbox——财政金融工具箱 System Identification Toolbox——系统辨识工具箱 Fuzzy Logic Toolbox——模糊逻辑工具箱 Higher-Order Spectral Analysis Toolbox——高阶谱分析工具箱 Image Processing Toolbox——图象处理工具箱 computer vision system toolbox----计算机视觉工具箱 LMI Control Toolbox——线性矩阵不等式工具箱 Model predictive Control Toolbox——模型预测控制工具箱 μ-Analysis and Synthesis Toolbox——μ分析工具箱 Neural Network Toolbox——神经网络工具箱
Optimization Toolbox——优化工具箱 Partial Differential Toolbox——偏微分方程工具箱Robust Control Toolbox——鲁棒控制工具箱 Signal Processing Toolbox——信号处理工具箱 Spline Toolbox——样条工具箱 Statistics Toolbox——统计工具箱 Symbolic Math Toolbox——符号数学工具箱 Simulink Toolbox——动态仿真工具箱 Wavele Toolbox——小波工具箱 DSP system toolbox-----DSP处理工具箱 常用函数 Matlab内部常数[2] eps：浮点相对精度 exp：自然对数的底数e i 或j：基本虚数单位 inf 或Inf：无限大，例如1/0 nan或NaN：非数值（Not a number），例如0/0 pi：圆周率p（= 3.1415926...） realmax：系统所能表示的最大数值 realmin：系统所能表示的最小数值 nargin: 函数的输入引数个数
Matlab各工具箱功能简介(部分)
Ｔoolbox工具箱序号工具箱备注一、数学、统计与优化 1 Symbolic Math Toolbox 符号数学工具箱Symbolic Math Toolbox? 提供用于求解和推演符号运算表达式以及执行可变精度算术的函数。您可以通过分析执行微分、积分、化简、转换以及方程求解。另外，还可以利用符号运算表达式为 MATLAB、Simulink 和Simscape? 生成代码。?? Symbolic Math Toolbox 包含 MuPAD 语言，并已针对符号运算表达式的处理和执?行进行优化。该工具箱备有MuPAD 函数库，其中包括普通数学领域的微积分和线性代数，以及专业领域的数论和组合论。此外，还可以使用 MuPAD 语言编写自定义的符号函数和符号库。MuPAD 记事本支持使用嵌入式文本、图形和数学排版格式来记录符号运算推导。您可以采用HTML 或PDF 的格式分享带注释的推导。 2 Partial Differential Euqation Toolbox 偏微分方程工具箱偏微分方程工具箱?提供了用于在2D，3D求解偏微分方程（PDE）以及一次使用有限元分析。它可以让你指定和网格二维和三维几何形状和制定边界条件和公式。你能解决静态，时域，频域和特征值问题在几何领域。功能进行后处理和绘图效果使您能够直观地探索解决方案。你可以用偏微分方程工具箱，以解决从标准问题，如扩散，传热学，结构力学，静电，静磁学，和AC电源电磁学，以及自定义，偏微分方程的耦合系统偏微分方程。 3 Statistics Toolbox 统计学工具箱
Statistics and Machine Learning Toolbox 提供运用统计与机器学习来描述、分析数据和对数据建模的函数和应用程序。您可以使用用于探查数据分析的描述性统计和绘图，使用概率分布拟合数据，生成用于Monte Carlo 仿真的随机数，以及执行假设检验。回归和分类算法用于依据数据执行推理并构建预测模型。对于分析多维数据，Statistics and Machine Learning Toolbox 可让您通过序列特征选择、逐步回归、主成份分析、规则化和其他降维方法确定影响您的模型的主要变量或特征。该工具箱提供了受监督和不受监督机器学习算法，包括支持向量机(SVM)、促进式 (boosted) 和袋装 (bagged) 决策树、k-最近邻、k-均值、k-中心点、分层聚类、高斯混合模型和隐马尔可夫模 型。4 Curve Fitting Toolbox 曲线拟合工具箱Curve Fitting Toolbox? 提供了用于拟合曲线和曲面数据的应用程序和函数。使用该工具箱可以执行探索性数据分析，预处理和后处理数据，比较候选模型，删除偏值。您可以使用随带的线性和非线性模型库进行回归分析，也可以指定您自行定义的方程式。该库提供了优化的解算参数和起始条件，以提高拟合质量。该工具箱还提供非参数建模方法，比如样条、插值和平滑。在创建一个拟合之后，您可以运用多种后处理方法进行绘 图、插值和外推，估计置信区间，计算积分和导数。 5 Optimization Toolbox 优化工具箱 Optimization Toolbox? 提供了寻找最小化或最大化目标并同时满足限制条件
matlab工具箱函数
matlab工具箱函数汇总 2008年11月10日星期一下午 05:19 表Ⅰ-4 随机数生成器函数 函数对应分布的随机数生成器 betarnd 贝塔分布的随机数生成器 binornd 二项分布的随机数生成器 chi2rnd 卡方分布的随机数生成器 exprnd 指数分布的随机数生成器 frnd f分布的随机数生成器 gamrnd 伽玛分布的随机数生成器 geornd 几何分布的随机数生成器 hygernd 超几何分布的随机数生成器 lognrnd 对数正态分布的随机数生成器 nbinrnd 负二项分布的随机数生成器 ncfrnd 非中心f分布的随机数生成器 nctrnd 非中心t分布的随机数生成器 ncx2rnd 非中心卡方分布的随机数生成器 normrnd 正态（高斯）分布的随机数生成器 poissrnd 泊松分布的随机数生成器 raylrnd 瑞利分布的随机数生成器 trnd 学生氏t分布的随机数生成器 unidrnd 离散均匀分布的随机数生成器 unifrnd 连续均匀分布的随机数生成器 weibrnd 威布尔分布的随机数生成器 -------------------------------------------------------------------------------- 表Ⅰ-5 分布函数的统计量函数 函数名对应分布的统计量 betastat 贝塔分布函数的统计量 binostat 二项分布函数的统计量 chi2stat 卡方分布函数的统计量 expstat 指数分布函数的统计量 fstat f分布函数的统计量 gamstat 伽玛分布函数的统计量 geostat 几何分布函数的统计量 hygestat 超几何分布函数的统计量 lognstat 对数正态分布函数的统计量 nbinstat 负二项分布函数的统计量 ncfstat 非中心f分布函数的统计量 nctstat 非中心t分布函数的统计量
matlab工具箱中文
Matlab工具箱 所谓Matlab工具箱就是一些M文件的集合, 用户可以修改工具箱中的函数，更为重要的是用户可以通过编制M文件来任意地添加工具箱中原来没有的工具函数。此功能充分体现了matlab语言的开放性。许多的专业领域在Matlab中都有自己的工具箱,假如你发现你的专业领域没有的话, 你也可以自己开发一个。 还是先来通过下面这篇Matlab的各个工具箱功能介绍的小文章，来看看有没有你所需要的吧,有感兴趣的朋友,可以到网上搜各工具箱函数的细节,相信你会好运的。 有三十多个工具箱，大致可分为两类：功能型工具箱和领域型工具箱。 功能型工具箱主要用来扩充MATLAB的符号计算功能、图形建模仿真功能、文字处理功能以及与硬件实时交互功能，能用于多种学科。而领域型工具箱是专业性很强的，如控制系统工具箱(Control System Toolbox)、信号处理工具箱(Signal Processing Toolbox)、财政金融工具箱(Financial Toolbox)等。 下面，将MATLAB工具箱内所包含的主要内容做简要介绍： 1)通讯工具箱(Communication Toolbox)。 提供100多个函数和150多个SIMULINK模块用于通讯系统的仿真和分析 ——信号编码 ——调制解调 ——滤波器和均衡器设计 ——通道模型 ——同步 可由结构图直接生成可应用的C语言源代码。 2)控制系统工具箱(Control System Toolbox)。 连续系统设计和离散系统设计 * 状态空间和传递函数 * 模型转换 * 频域响应：Bode图、Nyquist图、Nichols图 * 时域响应：冲击响应、阶跃响应、斜波响应等 * 根轨迹、极点配置、LQG 3)财政金融工具箱(FinancialTooLbox)。 * 成本、利润分析，市场灵敏度分析 * 业务量分析及优化 * 偏差分析 * 资金流量估算 * 财务报表 4)频率域系统辨识工具箱(Frequency Domain System ldentification Toolbox * 辨识具有未知延迟的连续和离散系统
MATLAB小波分析工具箱常用函数
matlab小波分析工具箱常用函数 1.Cwt :一维连续小波变换 格式：coefs=cwt(s,scales,'wavename') coefs=cwt(s,scales,'wavename','plot') scales:尺度向量，可以为离散值，表示为[a1,a2,a3……]，也可为连续值，表示为[amin:step:amax] 2.dwt:单尺度一维离散小波变换 格式：[ca,cd]=dwt(x,'wavename') [ca,cd]=dwt(x,lo-d,hi-d) 先利用小波滤波器指令wfilters求取分解用低通滤波器lo-d和高通滤波器hi-d。 [lo-d,hi-d]=wfilters('haar','d');[ca,cd]=dwt(s,lo-d,hi-d) 3.idwt:单尺度一维离散小波逆变换 4.wfilters 格式：[lo-d,hi-d,lo-r,hi-r]=wfilters('wname') [f1,f2]=wfilters('wname','type') type=d(分解滤波器)、R(重构滤波器)、l(低通滤波器)、h(高通滤波器) 5.dwtmode 离散小波变换模式 格式：dwtmode dwtmode('mode') mode:zdp补零模式，sym对称延拓模式，spd平滑模式 6.wavedec多尺度一维小波分解 格式：[c,l]=wavedec(x,n,'wname') [c,l]=wavedec(x,n,lo-d,hi-d) 7.appcoef 提取一维小波变换低频系数 格式：A=appcoef(c,l,'wavename',N) A=appcoef(c,l,lo-d,hi-d,N) N是尺度，可省略 例： load leleccum; s=leleccum(1:2000) subplot(421) plot(s); title('原始信号') [c,l]=wavedec(s,3,'db1'); ca1=appcoef(c,l,'db1',1); subplot(445) plot(ca1); ylabel('ca1'); ca2=appcoef(c,l,'db1',2); subplot(4,8,17) plot(ca2); ylabel('ca2'); 8.detcoef 提取一维小波变换高频系数 格式：d=detcoef(c,l,N),N尺度的高频系数
MATLAB统计工具箱中的回归分析命令
佛山科学技术学院 上机报告 课程名称数学应用软件 上机项目 MATLAB统计工具箱中的回归分析命令 专业班级 一. 上机目的 本节课我们认识了用MA TALB统计工具箱中的回归命令，主要有以下内容： regress命令即可用于多元回归分析也可用于一元线性回归，其格式如下： 1.确定回归系数的命令是regress，用命令：b=regress(Y,X). 2.求回归系数的点的估计和区间估计，并检验回归模型，用命令： [b,bint,r,rint,stats]=regress(Y,X,alpha) 3.画出残差及其置性区间，用命令： rcoplot(r,rint) 二元多项式回归：[p,S]=polyfit(x,y,2) 二. 上机内容 1.第十六章课后习题1； 2.第十六章课后习题2； 3.第十六章课后习题3。 三. 上机方法与步骤 给出相应的问题分析及求解方法，并写出Matlab程序，并有上机程序显示截图。 第1题： 要求一元线性回归方程及检验其显著性，用命令[b,bint,r,rint,stats]=regress(Y,X);求置信区间和预测值用命令rstool(x,y,'purequadratic') 回归方程及检验其显著性： x=[20 25 30 35 40 45 50 55 60 65]'; X=[ones(10,1) x]; Y=[13.2 15.1 16.4 17.1 17.9 18.7 19.6 21.2 22.5 24.3]';
[b,bint,r,rint,stats]=regress(Y,X); b,bint,stats 残差分析，作残差图： rcoplot(r,rint) 预测及作图： z=b(1)+b(2)*x plot(x,Y,'k+',x,z,'r') 预测值及置信区间： x=[20 25 30 35 40 45 50 55 60 65]'; y=[13.2 15.1 16.4 17.1 17.9 18.7 19.6 21.2 22.5 24.3]'; rstool(x,y,'purequadratic')
MATLABANN工具箱实用指南
Matlab的神经网络工具箱实用指南 文章摘要:第一章是神经网络的基本介绍，第二章包括了由工具箱指定的有关网络结构和符号的基本材料以及建立神经网络的一些基本函数，例如new、init、adapt和train。第三章以反向传播网络为例讲解了反向传播网络的原理和应用的基本过程。 第一章介绍 1．神经网络 神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。 一般的神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。如下图所示。这里，网络根据输出和目标的比较而调整，直到网络输出和目标匹配。作为典型，许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。 神经网络已经在各个领域中应用，以实现各种复杂的功能。这些领域包括：模式识别、鉴定、分类、语音、翻译和控制系统。 如今神经网络能够用来解决常规计算机和人难以解决的问题。我们主要通过这个工具箱来建立示范的神经网络系统，并应用到工程、金融和其他实际项目中去。 一般普遍使用有监督训练方法，但是也能够通过无监督的训练方法或者直接设计得到其他的神经网络。无监督网络可以被应用在数据组的辨别上。一些线形网络和Hopfield网络是直接设计的。总的来说，有各种各样的设计和学习方法来增强用户的选择。 神经网络领域已经有50年的历史了，但是实际的应用却是在最近15年里，如今神经网络仍快速发展着。因此，它显然不同与控制系统和最优化系统领域，它们的术语、数学理论和设计过程都已牢固的建立和应用了好多年。我们没有把神经网络工具箱仅看作一个能正常运行的建好的处理轮廓。我们宁愿希望它能成为一个有用的工业、教育和研究工具，一个能够帮助用户找到什么能够做什么不能做的工具，一个能够帮助发展和拓宽神经网络领域的工具。因为这个领域和它的材料是如此新，这个工具箱将给我们解释处理过程，讲述怎样运用它们，并且举例说明它们的成功和失败。我们相信要成功和满意的使用这个工具箱，对范例
MATLAB神经网络工具箱函数
MATLAB 神经网络工具箱函数 说明：本文档中所列出的函数适用于MATLAB5.3 以上版本，为了简明起见，只列出了函数名， 若需要进一步的说明，请参阅MATLAB 的帮助文档。 1. 网络创建函数 newp 创建感知器网络 newlind 设计一线性层 newlin 创建一线性层 newff 创建一前馈BP 网络 newcf 创建一多层前馈BP 网络 newfftd 创建一前馈输入延迟BP 网络 newrb 设计一径向基网络 newrbe 设计一严格的径向基网络 newgrnn 设计一广义回归神经网络 newpnn 设计一概率神经网络 newc 创建一竞争层 newsom 创建一自组织特征映射 newhop 创建一Hopfield 递归网络 newelm 创建一Elman 递归网络 2. 网络应用函数 sim 仿真一个神经网络 init 初始化一个神经网络 adapt 神经网络的自适应化 train 训练一个神经网络 3. 权函数 dotprod 权函数的点积 ddotprod 权函数点积的导数 dist Euclidean 距离权函数 normprod 规范点积权函数 negdist Negative 距离权函数 mandist Manhattan 距离权函数 linkdist Link 距离权函数 4. 网络输入函数 netsum 网络输入函数的求和 dnetsum 网络输入函数求和的导数 5. 传递函数 hardlim 硬限幅传递函数 hardlims 对称硬限幅传递函数 purelin 线性传递函数 tansig 正切S 型传递函数 logsig 对数S 型传递函数 dpurelin 线性传递函数的导数 dtansig 正切S 型传递函数的导数dlogsig 对数S 型传递函数的导数
MATLAB常用工具箱
MATLAB常用工具箱 常用工具箱 MATLAB包括拥有数百个内部函数的主包和三十几种工具包。工具包又可以分为功能性工具包和学科工具包。功能工具包用来扩充MATLAB的符号计算，可视化建模仿真，文字处理及实时控制等功能。学科工具包是专业性比较强的工具包，控制工具包，信号处理工具包，通信工具包等都属于此类。 开放性使MATLAB广受用户欢迎。除内部函数外，所有MATLAB主包文件和各种工具包都是可读可修改的文件，用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。 Matlab Main Toolbox——matlab主工具箱 Control System Toolbox——控制系统工具箱 Communication Toolbox——通讯工具箱 Financial Toolbox——财政金融工具箱 System Identification Toolbox——系统辨识工具箱 Fuzzy Logic Toolbox——模糊逻辑工具箱 Higher-Order Spectral Analysis Toolbox——高阶谱分析工具箱 Image Processing Toolbox——图象处理工具箱 LMI Control Toolbox——线性矩阵不等式工具箱 Model predictive Control Toolbox——模型预测控制工具箱 μ-Analysis and Synthesis Toolbox——μ分析工具箱 Neural Network Toolbox——神经网络工具箱 Optimization Toolbox——优化工具箱 Partial Differential Toolbox——偏微分方程工具箱 Robust Control Toolbox——鲁棒控制工具箱 Signal Processing Toolbox——信号处理工具箱
Matlab统计工具箱的应用
Matlab统计工具箱的应用 一、统计的基本命令 1、数据的录入、保存和调用 例1上海市区社会商品零售总额和全民所有制职工工资总额的数据如下 方法1（将单个变量存到数据文件.mat中） （1）年份数据以1为增量，用产生向量的方法输入。 命令格式： x=a:h:b t=78:87 （2）分别以x和y代表变量职工工资总额和商品零售总额。 x=[23.8,27.6,31.6,32.4,33.7,34.9,43.2,52.8,63.8,73.4] y=[41.4,51.8,61.7,67.9,68.7,77.5,95.9,137.4,155.0,175.0] （3）将变量t、x、y的数据保存在文件data中: save data t x y （4）进行统计分析时，调用数据文件data中的数据: load data 方法2(将数据矩阵存入数据文件中) （1）输入矩阵： data=[78,79,80,81,82,83,84,85,86,87,88; 23.8,27.6,31.6,32.4,33.7,34.9,43.2,52.8,63.8,73.4; 41.4,51.8,61.7,67.9,68.7,77.5,95.9,137.4,155.0,175.0] （2）将矩阵data的数据保存在文件data1中：save data1 data （3）进行统计分析时，先用命令： load data1 调用数据文件data1中的数据，再用以下命令分别将矩阵data的第一、二、三行的数据赋给变量t、x、y： t=data(1,:); x=data(2,:); y=data(3,:); 若要调用矩阵data的第j列的数据，可用命令：data(:,j) Chengxu2；chengxu22； 方法3(直接将数据存入文本文件中，然后调用) （1）建立data.txt文件报保存； （2）load data.txt
Matlab 实例教程：PDE工具箱函数用法讲解
Matlab 实例教程：PDE工具箱函数用法讲解 Matlab工具箱中任何功能都能用命令行的形式解决，对于一些复杂的问题，gui形式是解决不了的，这时就必须用命令行形式自己编程来解决问题。最近查看了一些pde工具箱中的函数，对两个函数的用法做一些说明。 PDE解决问题流程与一般的fam方法一样，先画出几何模型，再画网格，加边界、载荷，求解。MATLAB中的画几何命令有两种方式，其中一种方式是自己编写m文件，MATLAB中的命令是pdegeom，实际上这不是一个命令，而是要用户自己编写的一个几何m文件。在网上找了半天，也没见有人介绍过这个函数的用法，网上大多数只是列出pde中的函数而已，感叹一下….这个函数名可以任意，假设为tt，参数有两个（bs,s）如果输入参数为0，1时，函数也必须要能有返回值。函数的意义为： 参数为0个，即没有参数时，返回边界总共段数。 参数为1个是，即只有bs，返回边界指定段的参变量范围。 参数为2个时，返回每段边界长度为s时的坐标。 函数参数意义bs表示几何边界段数，如矩形，边界为四段，三角开边界肯定为三段….s为第bs段时的长度，bs与s可以为向量，但是要一一对应，即bs为几个值，s也得为几个值。 下面具体来讲下函数如何实现当参数为2时的返回值。其实函数中实现的内容是指用一个参变量来控制指定段的边界坐标，也就是说对任意一段边界，上面的坐标设为参变量的函数，假设参变
量为t,则对任一边界，坐标为(x(t),y(t))，参变量的范围由用户自己定义。由以上可以看出，参变量其实有无穷多种取法，看自己怎么设定而已。 例如：一个矩形，四条边，返回每一段对应长度的坐标，m文件为： function [x,y]=tt(bs,s); ux=1; uy=1; nbs=4; //表示有四段 if nargin==0 x=nbs; return end dl=[0,0,0,0; //参变量t范围，第一行为起始值，第二行为结束值，这两个值理论 3,1,2,3; //可以任意设置，只要后面能对应求出边界上坐标(x(t),y(t))就行 1,1,1,1; //第三行指面积在边界左侧 0,0,0,0,]; //第四行指面积在边界右侧 if nargin==1 x=dl(:,bs); return;
matlab概率统计工具箱
Matlab概率统计工具箱(1) Matlab概率统计工具箱(1) 收藏 Matlab概率统计编程指南 第4章概率统计 本章介绍MATLAB在概率统计中的若干命令和使用格式,这些命令存放于MatlabR12\Toolbox\Stats中. 4.1 随机数的产生 4.1.1 二项分布的随机数据的产生 命令参数为N,P的二项随机数据 函数binornd 格式R = binornd(N,P) %N,P为二项分布的两个参数,返回服从参数为N,P的二项分布的随机数,N,P大小相同. R = binornd(N,P,m) %m指定随机数的个数,与R同维数. R = binornd(N,P,m,n) %m,n分别表示R的行数和列数 例4-1 >> R=binornd(10,0.5) R = 3 >> R=binornd(10,0.5,1,6) R = 8 1 3 7 6 4
>> R=binornd(10,0.5,[1,10]) R = 6 8 4 6 7 5 3 5 6 2 >> R=binornd(10,0.5,[2,3]) R = 7 5 8 6 5 6 >>n = 10:10:60; >>r1 = binornd(n,1./n) r1 = 2 1 0 1 1 2 >>r2 = binornd(n,1./n,[1 6]) r2 = 0 1 2 1 3 1 4.1.2 正态分布的随机数据的产生 命令参数为μ,σ的正态分布的随机数据 函数normrnd 格式R = normrnd(MU,SIGMA) %返回均值为MU,标准差为SIGMA的正态分布的随机数据,R可以是向量或矩阵. R = normrnd(MU,SIGMA,m) %m指定随机数的个数,与R同维数. R = normrnd(MU,SIGMA,m,n) %m,n分别表示R的行数和
MATLAB模型预测控制工具箱函数
M A T L A B模型预测控制工具箱函数 8.2 系统模型建立与转换函数 前面读者论坛了利用系统输入/输出数据进行系统模型辨识的有关函数及使用方法，为时行模型预测控制器的设计，需要对系统模型进行进一步的处理和转换。MATLAB的模型预测控制工具箱中提供了一系列函数完成多种模型转换和复杂系统模型的建立功能。 在模型预测控制工具箱中使用了两种专用的系统模型格式，即MPC状态空间模型和MPC传递函数模型。这两种模型格式分别是状态空间模型和传递函数模型在模型预测控制工具箱中的特殊表达形式。这种模型格式化可以同时支持连续和离散系统模型的表达，在MPC传递函数模型中还增加了对纯时延的支持。表8-2列出了模型预测控制工具箱的模型建立与转换函数。 表8-2 模型建立与转换函数 8.2.1 模型转换 在MATLAB模型预测工具箱中支持多种系统模型格式。这些模型格式包括： ①通用状态空间模型； ②通用传递函数模型； ③MPC阶跃响应模型； ④MPC状态空间模型；
⑤MPC传递函数模型。 在上述5种模型格式中，前两种模型格式是MATLAB通用的模型格式，在其他控制类工具箱中，如控制系统工具箱、鲁棒控制工具等都予以支持；而后三种模型格式化则是模型预测控制工具箱特有的。其中，MPC状态空间模型和MPC传递函数模型是通用的状态空间模型和传递函数模型在模型预测控制工具箱中采用的增广格式。模型预测控制工具箱提供了若干函数，用于完成上述模型格式间的转换功能。下面对这些函数的用法加以介绍。 1．通用状态空间模型与MPC状态空间模型之间的转换 MPC状态空间模型在通用状态空间模型的基础上增加了对系统输入/输出扰动和采样周期的描述信息，函数ss2mod()和mod2ss()用于实现这两种模型格式之间的转换。 1）通用状态空间模型转换为MPC状态空间模型函数ss2mod() 该函数的调用格式为 pmod= ss2mod(A,B,C,D) pmod= ss2mod(A,B,C,D,minfo) pmod= ss2mod(A,B,C,D,minfo,x0,u0,y0,f0) 式中，A, B, C, D为通用状态空间矩阵； minfo为构成MPC状态空间模型的其他描述信息，为7个元素的向量，各元素分别定义为： ◆minfo(1)=dt，系统采样周期，默认值为1； ◆minfo(2)=n，系统阶次，默认值为系统矩阵A的阶次； ◆minfo(3)=nu，受控输入的个数，默认值为系统输入的维数； ◆minfo(4)=nd，测量扰的数目，默认值为0； ◆minfo(5)=nw，未测量扰动的数目，默认值为0； ◆minfo(6)=nym，测量输出的数目，默认值系统输出的维数； ◆minfo(7)=nyu，未测量输出的数目，默认值为0； 注：如果在输入参数中没有指定m i n f o，则取默认值。 x0, u0, y0, f0为线性化条件，默认值均为0； pmod为系统的MPC状态空间模型格式。 例8-5将如下以传递函数表示的系统模型转换为MPC状态空间模型。 解：MATLAB命令如下：