[教学]MATLAB 小程序
![[教学]MATLAB 小程序](https://img.360docs.net/imgfc/1tjsu6fkguubdfixw4e0nt4ognaar1p2-c1.webp)
![[教学]MATLAB 小程序](https://img.360docs.net/imgfc/1tjsu6fkguubdfixw4e0nt4ognaar1p2-f2.webp)
[教学]MATLAB 小程序MATLAB 小程序
1-1.1描绘出“点”
%密度和穗花被害率
x=[0,3,10,20,30,40];
y1=[0,0.273,2.260,2.550,2.920,3.950];
subplot(2,2,1);
plot(x,y1);
title('密度和穗花被害率');
xlabel('头/m^2');
ylabel('穗花被害率%');
%密度和结实率
x=[0,3,10,20,30,40];
y2=[94.4,93.2,92.1,91.5,89.9,87.9];
subplot(2,2,2);
plot(x,y2);
title('密度和结实率');
xlabel('头/m^2');
ylabel('结实率%');
%密度和千粒重
x=[0,3,10,20,30,40];
y3=[21.37,20.60,20.60,20.50,20.60,20.13]; subplot(2,2,3);
plot(x,y3);
title('密度和千粒重');
xlabel('头/m^2');
ylabel('千重粒g');
%密度和减产率
x=[0,3,10,20,30,40];
y4=[0,2.4,12.9,16.3,20.1,26.8];
subplot(2,2,4);
plot(x,y4);
title('密度和减产率');
xlabel('头/m^2');
ylabel('减产率%')
%1-1.2 表2 稻纵卷叶螟与水稻作用的数据
%产量损失率:
x=[3.75,7.50,11.25,15.00,18.75,30.00,37.50,56.25,75.00,112. 50];
y1=[0.73,1.11,2.2,3.37,5.05,6.78,7.16,9.39,14.11,20.06]; subplot(2,2,1);
plot(x,y1);
title('密度和减产率');
xlabel('头/m^2');
ylabel('减产率%');
%卷叶率:
x=[3.75,7.50,11.25,15.00,18.75,30.00,37.50,56.25,75.00,112.
50];
y2=[0.76,1.11,2.22,3.54,4.72,6.73,7.63,14.82,14.93,20.40]; subplot(2,2,2);
plot(x,y2);
title('密度和减产率');
xlabel('头/m^2');
ylabel('卷叶率%');
%空壳率:
x=[3.75,7.50,11.25,15.00,18.75,30.00,37.50,56.25,75.00,112. 50];
y3=[14.22,14.43,15.34,15.59,16.87,17.10,17.21,20.59,23.19,2 5.16];
subplot(2,2,3);
plot(x,y3);
title('密度和减产率');
xlabel('头/m^2');
ylabel('空壳率%');
%进行曲线拟合
%密度和穗花被害率
x=[0,3,10,20,30,40];
y1=[0,0.273,2.260,2.550,2.920,3.950];
subplot(2,2,1);
p=polyfit(x,y1,4)
x=linspace(0,40,40);
y=polyval(p,x);
plot(x,y);
title('密度和穗花被害率');
xlabel('头/m^2');
ylabel('结实率%');
%密度和结实率
x=[0,3,10,20,30,40];
y2=[94.4,93.2,92.1,91.5,89.9,87.9]; subplot(2,2,2);
p=polyfit(x,y2,4)
x=linspace(0,40,40);
y2=polyval(p,x);
plot(x,y2);
title('密度和结实率');
xlabel('头/m^2');
ylabel('结实率%');
%密度和千粒重
x=[0,3,10,20,30,40];
y3=[21.37,20.60,20.60,20.50,20.60,20.13]; subplot(2,2,3);
p=polyfit(x,y3,4)
x=linspace(0,30,30);
y3=polyval(p,x);
plot(x,y3);
title('密度和千粒重');
xlabel('头/m^2');
ylabel('千重粒g');
%密度和减产率
x=[0,3,10,20,30,40];
y4=[0,2.4,12.9,16.3,20.1,26.8];
subplot(2,2,4);
p=polyfit(x,y4,4)
x=linspace(0,40,40);
y4=polyval(p,x)
plot(x,y4);
title('密度和减产率');
xlabel('头/m^2');
ylabel('减产率%')
%1-1.2 表2 稻纵卷叶螟与水稻作用的数据
%产量损失率:
x=[3.75,7.50,11.25,15.00,18.75,30.00,37.50,56.25,75.00,112.50]; y1=[0.73,1.11,2.2,3.37,5.05,6.78,7.16,9.39,14.11,20.06];
subplot(2,2,1);
plot(x,y1);
title('产量损失率');
xlabel('头/m^2');
ylabel('减产率%');
%卷叶率:
x=[3.75,7.50,11.25,15.00,18.75,30.00,37.50,56.25,75.00,112.50]; y2=[0.76,1.11,2.22,3.54,4.72,6.73,7.63,14.82,14.93,20.40];
subplot(2,2,2);
plot(x,y2);
title('卷叶率');
xlabel('头/m^2');
ylabel('卷叶率%');
%空壳率:
x=[3.75,7.50,11.25,15.00,18.75,30.00,37.50,56.25,75.00,112.50]; y3=[14.22,14.43,15.34,15.59,16.87,17.10,17.21,20.59,23.19,25.16]; subplot(2,2,3);
plot(x,y3);
title('空壳率');
xlabel('头/m^2');
ylabel('空壳率%')
%1-1.2 表2 稻纵卷叶螟与水稻作用的数据
%产量损失率:
x=[3.75,7.50,11.25,15.00,18.75,30.00,37.50,56.25,75.00,112.50]; y1=[0.73,1.11,2.2,3.37,5.05,6.78,7.16,9.39,14.11,20.06];
subplot(2,2,1);
p=polyfit(x,y1,4)
x=linspace(0,115,30);
y=polyval(p,x);
plot(x,y);
title('产量损失率');
xlabel('头/m^2');
ylabel('减产率%');
%卷叶率:
x=[3.75,7.50,11.25,15.00,18.75,30.00,37.50,56.25,75.00,112.50]; y2=[0.76,1.11,2.22,3.54,4.72,6.73,7.63,14.82,14.93,20.40]; subplot(2,2,2);
p=polyfit(x,y2,4)
x=linspace(0,115,30);
y=polyval(p,x);
plot(x,y)
title('卷叶率');
xlabel('头/m^2');
ylabel('卷叶率%');
%空壳率:
x=[3.75,7.50,11.25,15.00,18.75,30.00,37.50,56.25,75.00,112. 50];
y3=[14.22,14.43,15.34,15.59,16.87,17.10,17.21,20.59,23.19,2
5.16];
subplot(2,2,3);
p=polyfit(x,y1,4)
x=linspace(0,115,30);
y=polyval(p,x);
plot(x,y)
title('空壳率');
xlabel('头/m^2');
ylabel('空壳率%')
题1.3代码
%x为臭氧持续作用时间,y为病虫害经臭氧处理时的剩余数量比
例，
%z为臭氧喷嘴出口处检测到的臭氧浓度
x=[0.5,1.5,2.5,3.5,4.5,5.5,6.5,7.5,8.5,9.5,10.5];
y=[93,89,64,35,30,25,18,10,0,0,0];
z=[0.15,0.40,0.75,1.00,1.25,1.50,1.80,2.10,2.25,2.65,2.85]; plot3(x,y,z,'m');
text(0,0,0,'origin');
xlabel('小时'),
ylabel('病虫剩余数量比例%'),
zlabel('臭氧喷嘴出口处检测到的臭氧浓度'),
grid;
title('臭氧浓度与真菌作用');
进行曲线拟合
%x为臭氧持续作用时间,y为病虫害经臭氧处理时的剩余数量比
例，
%z为臭氧喷嘴出口处检测到的臭氧浓度
x=[0.5,1.5,2.5,3.5,4.5,5.5,6.5,7.5,8.5,9.5,10.5];
y=[93,89,64,35,30,25,18,10,0,0,0];
z=[0.15,0.40,0.75,1.00,1.25,1.50,1.80,2.10,2.25,2.65,2.85];
p=polyfit(x,y,z,4)
x=linspace(0,115,30);
y=polyval(p,x);
plot(x,y);
text(0,0,0,'origin');
xlabel('小时'),
ylabel('病虫剩余数量比例%'),
zlabel('臭氧喷嘴出口处检测到的臭氧浓度'), grid;
title('臭氧浓度与真菌作用');
几种常见窗函数及其MATLAB程序实现
几种常见窗函数及其MATLAB程序实现 2013-12-16 13:58 2296人阅读评论(0) 收藏举报 分类： Matlab（15） 数字信号处理中通常是取其有限的时间片段进行分析，而不是对无限长的信号进行测量和运算。具体做法是从信号中截取一个时间片段，然后对信号进行傅里叶变换、相关分析等数学处理。信号的截断产生了能量泄漏，而用FFT算法计算频谱又产生了栅栏效应，从原理上讲这两种误差都是不能消除的。在FFT分析中为了减少或消除频谱能量泄漏及栅栏效应，可采用不同的截取函数对信号进行截短，截短函数称为窗函数，简称为窗。 泄漏与窗函数频谱的两侧旁瓣有关，对于窗函数的选用总的原则是，要从保持最大信息和消除旁瓣的综合效果出发来考虑问题，尽可能使窗函数频谱中的主瓣宽度应尽量窄，以获得较陡的过渡带；旁瓣衰减应尽量大，以提高阻带的衰减，但通常都不能同时满足这两个要求。 频谱中的如果两侧瓣的高度趋于零，而使能量相对集中在主瓣，就可以较为接近于真实的频谱。不同的窗函数对信号频谱的影响是不一样的，这主要是因为不同的窗函数，产生泄漏的大小不一样，频率分辨能力也不一样。信号的加窗处理，重要的问题是在于根据信号的性质和研究目的来选用窗函数。图1是几种常用的窗函数的时域和频域波形，其中矩形窗主瓣窄，旁瓣大，频率识别精度最高，幅值识别精度最低，如果仅要求精确读出主瓣频率，而不考虑幅值精度，则可选用矩形窗，例如测量物体的自振频率等；布莱克曼窗主瓣宽，旁瓣小，频率识别精度最低，但幅值识别精度最高；如果分析窄带信号，且有较强的干扰噪声，则应选用旁瓣幅度小的窗函数，如汉宁窗、三角窗等；对于随时间按指数衰减的函数，可采用指数窗来提高信噪比。表1 是几种常用的窗函数的比较。 如果被测信号是随机或者未知的，或者是一般使用者对窗函数不大了解，要求也不是特别高时，可以选择汉宁窗，因为它的泄漏、波动都较小，并且选择性也较高。但在用于校准时选用平顶窗较好，因为它的通带波动非常小，幅度误差也较小。
matlab电力系统潮流计算
华中科技大学 信息工程学院课程设计报告书题目: 电力系统潮流计算 专业：电气工程及其自动化 班级： 学号： 学生姓名： 指导教师： 2015年 11 月 10 日
2015年11月12日
信息工程学院课程设计成绩评定表
摘要 电力系统稳态分析包括潮流计算和静态安全分析。本文主要运用的事潮流计算，潮流计算是电力网络设计与运行中最基本的运算，对电力网络的各种设计方案及各种运行方式进行潮流计算，可以得到各种电网各节点的电压，并求得网络的潮流及网络中的各元件的电力损耗，进而求得电能损耗。本位就是运用潮流计算具体分析，并有MATLAB仿真。 关键词：电力系统潮流计算 MATLAB仿真
Abstract Electric power system steady flow calculation and analysis of the static safety analysis. This paper, by means of the calculation, flow calculation is the trend of the power network design and operation of the most basic operations of electric power network, various design scheme and the operation ways to tide computation, can get all kinds of each node of the power grid voltage and seek the trend of the network and the network of the components of the power loss, and getting electric power. The standard is to use the power flow calculation and analysis, the specific have MATLAB simulation. Key words: Power system; Flow calculation; MATLAB simulation
matlab编程实现求解最优解
《现代设计方法》课程 关于黄金分割法和二次插值法的Matlab语言实现在《现代设计方法》的第二章优化设计方法中有关一维搜索的最优化方法的 一节里，我们学习了黄金非分割法和二次插值法。它们都是建立在搜索区间的优先确定基础上实现的。 为了便于方便执行和比较，我将两种方法都写进了一个程序之内，以选择的方式实现执行其中一个。下面以《现代设计方法》课后习题为例。见课本70页，第2—7题。原题如下： 求函数f(x)=3*x^2+6*x+4的最优点，已知单谷区间为[-3,4],一维搜索精度为0.4。 1、先建立函数f(x),f(x)=3*x^2+6*x+4。函数文件保存为：lee.m 源代码为：function y=lee(x) y=3*x^2+6*x+4; 2、程序主代码如下，该函数文件保存为：ll.m clear; a=input('请输入初始点'); b=input('请输入初始步长'); Y1=lee(a);Y2=lee(a+b); if Y1>Y2 %Y1>Y2的情况 k=2; Y3=lee(a+2*b); while Y2>=Y3 %直到满足“大，小，大”为止 k=k+1; Y3=lee(a+k*b); end A=a+b;B=a+k*b; elseif Y1
matlab实现中值滤波去除脉冲噪声matlab小程序
matlab实现中值滤波去除脉冲噪声matlab小程序（图像处理）2010-04-1612:58:44阅读8评论0字号：大中小 实验原理：中值滤波器是将领域内像素灰度的中值代替该像素的值,对处理脉冲噪声(椒盐噪声)非常有效。为了对一幅图像上的某个点进行中值滤波处理，必须先将掩模内欲求的像素及其领域的像素值排序，确定出中值，主要功能是使拥有不同灰度的点看起来更接近于它的邻近值。 程序说明：函数名为mid(pic_name,s)的函数，其中参数pic_name为读入的图像，s为掩模矩阵的边长，由用户自行决定。 实验说明：随着掩模矩阵的变大，我们可以看到脉冲噪声去除得更加理想，但同时图像会变得更模糊，因为各点像素与其邻域更为接近，因此，进行中值滤波时选择一个适合的掩模矩阵十分重要。另外，我们看到图像的边界处出现了黑色的斑点，这是由于我采用了0来直译边界，这种影响可用镜像反射方式对称地沿其边界扩展来减弱。 另附：其实本实验可以完全由matlab中的函数median或medfilt2简单实现，此处写出内部处理过程，主要是为了让大家理解中值滤波的具体处理过程。 程序源代码： function mid(pic_name,s) close all; s=double(s); X=imread(pic_name); Y1=imnoise(X,'salt&pepper',0.2);%对读入的图像加脉冲噪声 figure; imshow(uint8(Y1)); Y1=double(Y1); [m,n]=size(X); s2=round(s/2); s3=round(s*s/2);%中值像素点的位置
matlab潮流计算
附录1 使用牛顿拉夫逊法进行潮流计算的Matlab程序代码 % 牛拉法计算潮流程序 %----------------------------------------------------------------------- % B1矩阵：1、支路首端号；2、末端号；3、支路阻抗；4、支路对地电纳 % 5、支路的变比；6、支路首端处于K侧为1，1侧为0 % B2矩阵：1、该节点发电机功率；2、该节点负荷功率；3、节点电压初始值 % 4、PV节点电压V的给定值；5、节点所接的无功补偿设备的容量 % 6、节点分类标号：1为平衡节点（应为1号节点）；2为PQ节点；3为PV节点； %------------------------------------------------------------------------ clear all; format long; n=input('请输入节点数:nodes='); nl=input('请输入支路数:lines='); isb=input('请输入平衡母线节点号:balance='); pr=input('请输入误差精度:precision='); B1=input('请输入由各支路参数形成的矩阵:B1='); B2=input('请输入各节点参数形成的矩阵:B2='); Y=zeros(n);e=zeros(1,n);f=zeros(1,n);V=zeros(1,n);sida=zeros(1,n);S1=zeros(nl); %------------------------------------------------------------------ for i=1:nl %支路数 if B1(i,6)==0 %左节点处于1侧 p=B1(i,1);q=B1(i,2); else %左节点处于K侧 p=B1(i,2);q=B1(i,1); end Y(p,q)=Y(p,q)-1./(B1(i,3)*B1(i,5)); %非对角元 Y(q,p)=Y(p,q); %非对角元 Y(q,q)=Y(q,q)+1./(B1(i,3)*B1(i,5)^2)+B1(i,4); %对角元K侧 Y(p,p)=Y(p,p)+1./B1(i,3)+B1(i,4); %对角元1侧 end %求导纳矩阵 disp('导纳矩阵 Y='); disp(Y) %------------------------------------------------------------------- G=real(Y);B=imag(Y); %分解出导纳阵的实部和虚部 for i=1:n %给定各节点初始电压的实部和虚部
CA码生成原理及matlab程序实现
作业：用Matlab写C/A码生成器程序，并画生成码的方波图。 C/A码生成原理 C/A 码是用m 序列优选对组合形成的Gold 码。Gold码是由两个长度相同而互相关极大值为最小的m 序列逐位模2 相加所得到的码序列。它是由两个10 级反馈移位寄存器组合产生的，其产生原理如图1 所示。 图1 C/A码生成原理 发生器的抽头号为3和10，发生器的抽头号为2、3、6、8、9、10；发生器的第10位输出的数字即为码，而码是由的两个抽头的输出结果进行模2相加得到。 卫星的PRN码与延时的量是相关联的,对C/A码来说,每颗卫星都有特别的延时,如第1颗GPS卫星的G2 抽为2、6,第2颗为3、7,第3 颗为4、8,第4 颗为5、9 等，如图2所示。通过G2 相位选择可以产生结构不同的伪随机码,从而可以实现不同卫星之间的码分多址技术与卫星识别。
图2 prn序号与G2抽头、时延对应关系 基于MATLAB的GPS信号实现 编写成“codegen”程序，输入[ca_used]=codegen(svnum)，其中svnum为卫星号，ca_used 为得到的C/A码序列。程序具体实现流程如下： 在程序中定义一个数组，使得卫星号与G2的码片延时一一对应。 gs2=[5;6;7;8;17;18;139;140;141;251;252;254;255;256;257;258;469;470;471;472;473;474;509;512 ;513;514;515;516;859;860;861;862]; 定义两个1×1 023 的数组g1、g2 用来存放生成的Gold 码。定义一个全1 的10 位数组，作为移位寄存器，相当于G1、G2 生成模块的初值均置为全“1”。按原理式
潮流计算(matlab)实例计算
潮流例题：根据给定的参数或工程具体要求（如图），收集和查阅资料；学习相关软件（软件自选：本设计选择Matlab进行设计）。 2.在给定的电力网络上画出等值电路图。 3.运用计算机进行潮流计算。 4.编写设计说明书。 一、设计原理 1．牛顿-拉夫逊原理 牛顿迭代法是取x0 之后，在这个基础上，找到比x0 更接近的方程的跟，一步一步迭代，从而找到更接近方程根的近似跟。牛顿迭代法是求方程根的重要方法之一，其最大优点是在方程f(x) = 0 的单根附近具有平方收敛，而且该法还可以用来求方程的重根、复根。电力系统潮流计算，一般来说，各个母线所供负荷的功率是已知的，各个节点电压是未知的（平衡节点外）可以根据网络结构形成节点导纳矩阵，然后由节点导纳矩阵列写功率方程，由于功率方程里功率是已知的，电压的幅值和相角是未知的，这样潮流计算的问题就转化为求解非线性方程组的问题了。为了便于用迭代法解方程组，需要将上述功率方程改写成功率平衡方程，并对功率平衡方程求偏导，得出对应的雅可比矩阵，给未知节点赋电压初值，一般为额定电压，将初值带入功率平衡方程，得到功率不平衡量，这样由功率不平衡量、雅可比矩阵、节点电压不平衡量（未知的）构成了误差方程，解误差方程，得到节点电压不平衡量，节点电压加上节点电压不平衡量构成新的节点电压初值，将新的初值带入原来的功率平衡方程，并重新形成雅可比矩阵，然后计算新
的电压不平衡量，这样不断迭代，不断修正，一般迭代三到五次就能收敛。 牛顿—拉夫逊迭代法的一般步骤： （1）形成各节点导纳矩阵Y。 （2）设个节点电压的初始值U和相角初始值e 还有迭代次数初值为0。 （3）计算各个节点的功率不平衡量。 （4）根据收敛条件判断是否满足，若不满足则向下进行。 （5）计算雅可比矩阵中的各元素。 （6）修正方程式个节点电压 （7）利用新值自第（3）步开始进入下一次迭代，直至达到精度退出循环。 （8）计算平衡节点输出功率和各线路功率 2．网络节点的优化 １）静态地按最少出线支路数编号 这种方法由称为静态优化法。在编号以前。首先统计电力网络个节点的出线支路数，然后，按出线支路数有少到多的节点顺序编号。当由n 个节点的出线支路相同时，则可以按任意次序对这n 个节点进行编号。这种编号方法的根据是导纳矩阵中，出线支路数最少的节点所对应的行中非零元素也２）动态地按增加出线支路数最少编号在上述的方法中，各节点的出线支路数是按原始网络统计出来的，在编号过程中认为固定不变的，事实上，在节点消去过程中，每消去一个节点以后，与该节点相连的各节点的出线支路数将发生变化(增加，减少或保持不变)。因此，如果每消去一个节点后，立即修正尚未编号节点的出线支路数，然后选其中支路数最少的一个节点进行编号，就可以预期得到更好的效果，动态按最少出线支路数编号方法的特点就是按出线最少原则编号时考虑了消去过程中各节点出线支路数目的变动情况。 3．MATLAB编程应用 Matlab 是“Matrix Laboratory”的缩写，主要包括：一般数值分析，矩阵运算、数字信号处理、建模、系统控制、优化和图形显示等应用程序。由于使用Matlab 编程运算与人进行科学计算的思路和表达方式完全一致，所以不像学习高级语言那样难于掌握，而且编程效率和计算效率极高，还可在计算机上直接输出结果和精美的图形拷贝，所以它的确为一高效的科研助手。 二、设计内容 1.设计流程图
基于matlab程序实现人脸识别
基于m a t l a b程序实现 人脸识别 TYYGROUP system office room 【TYYUA16H-TYY-TYYYUA8Q8-
基于m a t l a b程序实现人脸识别 1.人脸识别流程 基于YCbCr颜色空间的肤色模型进行肤色分割。在YCbCr色彩空间内对肤色进行了建模发现，肤色聚类区域在Cb—Cr子平面上的投影将缩减，与中心区域显着不同。采用这种方法的图像分割已经能够较为精确的将人脸和非人脸分割开来。 人脸识别流程图 2.人脸识别程序 （1）人脸和非人脸区域分割程序 function result = skin(Y,Cb,Cr) %SKIN Summary of this function goes here % Detailed explanation goes here a=; b=; ecx=; ecy=; sita=; cx=; cy=; xishu=[cos(sita) sin(sita);-sin(sita) cos(sita)]; %如果亮度大于230，则将长短轴同时扩大为原来的倍 if(Y>230) a=*a; b=*b; end %根据公式进行计算 Cb=double(Cb); Cr=double(Cr);
t=[(Cb-cx);(Cr-cy)]; temp=xishu*t; value=(temp(1)-ecx)^2/a^2+(temp(2)-ecy)^2/b^2; %大于1则不是肤色，返回0；否则为肤色，返回1 if value>1 result=0; else result=1; end end （2）人脸的确认程序 function eye = findeye(bImage,x,y,w,h) %FINDEYE Summary of this function goes here % Detailed explanation goes here part=zeros(h,w); %二值化 for i=y:(y+h) for j=x:(x+w) if bImage(i,j)==0 part(i-y+1,j-x+1)=255; else part(i-y+1,j-x+1)=0; end end end [L,num]=bwlabel(part,8); %如果区域中有两个以上的矩形则认为有眼睛 if num<2 eye=0;
基于MATLAB的电力系统潮流计算
基于MATLAB的电力系统潮流计算 %简单潮流计算的小程序，相关的原始数据数据数据输入格式如下： %B1是支路参数矩阵，第一列和第二列是节点编号。节点编号由小到大编写%对于含有变压器的支路，第一列为低压侧节点编号，第二列为高压侧节点%编号，将变压器的串联阻抗置于低压侧处理。 %第三列为支路的串列阻抗参数。 %第四列为支路的对地导纳参数。 %第五烈为含变压器支路的变压器的变比 %第六列为变压器是否是否含有变压器的参数，其中“1”为含有变压器，%“0”为不含有变压器。 %B2为节点参数矩阵，其中第一列为节点注入发电功率参数；第二列为节点%负荷功率参数；第三列为节点电压参数；第六列为节点类型参数，其中 %“1”为平衡节点，“2”为PQ节点，“3”为PV节点参数。 %X为节点号和对地参数矩阵。其中第一列为节点编号，第二列为节点对地%参数。 n=input('请输入节点数:n='); n1=input('请输入支路数:n1='); isb=input('请输入平衡节点号:isb='); pr=input('请输入误差精度:pr='); B1=input('请输入支路参数:B1='); B2=input('请输入节点参数:B2='); X=input('节点号和对地参数:X='); Y=zeros(n); Times=1; %置迭代次数为初始值 %创建节点导纳矩阵 for i=1:n1 if B1(i,6)==0 %不含变压器的支路 p=B1(i,1); q=B1(i,2); Y(p,q)=Y(p,q)-1/B1(i,3); Y(q,p)=Y(p,q); Y(p,p)=Y(p,p)+1/B1(i,3)+0.5*B1(i,4); Y(q,q)=Y(q,q)+1/B1(i,3)+0.5*B1(i,4); else %含有变压器的支路 p=B1(i,1); q=B1(i,2); Y(p,q)=Y(p,q)-1/(B1(i,3)*B1(i,5)); Y(q,p)=Y(p,q); Y(p,p)=Y(p,p)+1/B1(i,3);
(仅供参考)Matlab编写与调用函数
MATLAB 学习指南 第六章．编写与调用函数 在这一章中，我们讨论如何用多源代码文件来构造一个程序。首先，解释代码文件在MATLAB中如何工作。在编译语言中，例如FORTRAN，C ，或C++，代码被存储在一个或多个源文件中，在进行编译的时候，这些源文件组合在一起 形成了一个单独的可执行文件。作为一种解释型语言，MATLAB以一种更广泛的方式来处理多个源文件。MATLAB代码被放入带有扩展名.m的ASCII文件（或称m-文件）中。MATLAB 6 有一个集成字处理与调试应用程序，尽管会用到其它编辑程序如vi或emacs，集成字处理与调试应用程序仍是编译m-文件的首选程序。 有两种不同的m-文件。一种是脚本文件，它是一种最简单的文件，仅仅将MATLAB中的指令收集在一起。当在交互提示符处输入文件名执行脚本文件时，MATLAB在m-文件内读取并执行指令，就好像指令是我们输入的。而且，似乎我们能够削减m-文件的内容并将削减过的内容传到MATLAB指令窗口中。这种m-文件的用法将在6.1节中给予概述。 在6.2节中要讨论的第二种m-文件包含一个单一函数，此函数名与此m-文件名相同。这种m-文件包含一段独立的代码，这段代码具有一个明确规定的输入/输出界面；那就是说，传给这段代码一列空变量arg1，arg2，…，这段独立代码就能够被调用，然后返回输出值out1，out2，…。一个函数m-文件的第一个非注释行包含函数标头，其形式如下： 此m-文件以返回指令结束，将执行程序返回到函数被调用的位置。或者在交互指令提示符处或者在另一个m-文件内，无论何时用下列指令调用函数代码，函数代码都将被执行。 输入映射到空变量：arg1=var1，arg2=var2，等等。在函数主体内，输出值被分配给了变量out1，out2，等等。当遇到返回值时，当前值out1，out2，…在函数被调用处被映射到变量outvar1，outvar2，…。在用可变长度自变量和输出变量列表编写函数时，MATLAB允许更多的自由。例如，也可以使用下列指令来调用函数。 在此情况下，仅返回一个单一输出变量，这个变量在出口处包含函数变量out1的值。输入和输出自变量可能是字符串，数值，向量，矩阵，或者更高级的数据结构。 为什么使用函数呢？因为从每门计算机科学课程中可知，把一个大的程序分割 成多个可以单独执行一个被明确规定的和被注释过的任务的小程序会使大程序 易读，易于修改，不易于出错。在MATLAB中，先为程序编写一个主文件，或者是一个脚本文件或者更好的话，是一个能够返回一个单一整数的函数m-文件（返回1表示程序执行成功，0表示不完全程序执行，负值表示出现运行误差），这个主文件是程序的进入点。通过把m-文件当作函数来调用，此程序文件可以
用matlab电力系统潮流计算
题目：潮流计算与matlab 教学单位电气信息学院姓名 学号 年级 专业电气工程及其自动化指导教师 职称副教授
摘要 电力系统稳态分析包括潮流计算和静态安全分析。本文主要运用的事潮流计算，潮流计算是电力网络设计与运行中最基本的运算，对电力网络的各种设计方案及各种运行方式进行潮流计算，可以得到各种电网各节点的电压，并求得网络的潮流及网络中的各元件的电力损耗，进而求得电能损耗。本位就是运用潮流计算具体分析，并有MATLAB仿真。 关键词：电力系统潮流计算 MATLAB Abstract Electric power system steady flow calculation and analysis of the static safety analysis. This paper, by means of the calculation, flow calculation is the trend of the power network design and operation of the most basic operations of electric power network, various design scheme and the operation ways to tide computation, can get all kinds of each node of the power grid voltage and seek the trend of the network and the network of the components of the power loss, and getting electric power. The standard is to use the power flow calculation and analysis, the specific have MATLAB simulation. Key words: Power system; Flow calculation; MATLAB simulation
遗传算法的原理及MATLAB程序实现
遗传算法的原理及MATLAB程序实现 1 遗传算法的原理 1.1 遗传算法的基本思想 遗传算法(genetic algorithms，GA)是一种基于自然选择和基因遗传学原理，借鉴了生物进化优胜劣汰的自然选择机理和生物界繁衍进化的基因重组、突变的遗传机制的全局自适应概率搜索算法。 遗传算法是从一组随机产生的初始解(种群)开始，这个种群由经过基因编码的一定数量的个体组成，每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体，其内部表现(即基因型)是某种基因组合，它决定了个体的外部表现。因此，从一开始就需要实现从表现型到基因型的映射，即编码工作。初始种群产生后，按照优胜劣汰的原理，逐代演化产生出越来越好的近似解。在每一代，根据问题域中个体的适应度大小选择个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生出代表新的解集的种群。这个过程将导致种群像自然进化一样，后代种群比前代更加适应环境，末代种群中的最优个体经过解码，可以作为问题近似最优解。 计算开始时，将实际问题的变量进行编码形成染色体，随机产生一定数目的个体，即种群，并计算每个个体的适应度值，然后通过终止条件判断该初始解是否是最优解，若是则停止计算输出结果，若不是则通过遗传算子操作产生新的一代种群，回到计算群体中每个个体的适应度值的部分，然后转到终止条件判断。这一过程循环执行，直到满足优化准则，最终产生问题的最优解。图1-1给出了遗传算法的基本过程。 1.2 遗传算法的特点 1.2.1 遗传算法的优点
遗传算法具有十分强的鲁棒性，比起传统优化方法，遗传算法有如下优点: 1. 遗传算法以控制变量的编码作为运算对象。传统的优化算法往往直接利用控制变量的实际值的本身来进行优化运算，但遗传算法不是直接以控制变量的值，而是以控制变量的特定形式的编码为运算对象。这种对控制变量的编码处理方式，可以模仿自然界中生物的遗传和进化等机理，也使得我们可以方便地处理各种变量和应用遗传操作算子。 2. 遗传算法具有内在的本质并行性。它的并行性表现在两个方面，一是遗传 开始 初始化，输入原始参 数及给定参数，gen=1 染色体编码，产生初始群体 计算种群中每个个体的适应值 终止条件的判断, N gen=gen+1 选择 交叉 Y 变异 新种群 输出结果 结束 图1-1 简单遗传算法的基本过程
基于MATLAB的潮流计算源程序代码(优.选)
%*************************电力系统直角坐标系下的牛顿拉夫逊法潮流计算********** clear clc load E:\data\IEEE014_Node.txt Node=IEEE014_Node; weishu=size(Node); nnum=weishu(1,1); %节点总数 load E:\data\IEEE014_Branch.txt branch=IEEE014_Branch; bwei=size(branch); bnum=bwei(1,1); %支路总数 Y=(zeros(nnum)); Sj=100; %********************************节点导纳矩阵******************************* for m=1:bnum; s=branch(m,1); %首节点 e=branch(m,2); %末节点 R=branch(m,3); %支路电阻 X=branch(m,4); %支路电抗 B=branch(m,5); %支路对地电纳 k=branch(m,6); if k==0 %无变压器支路情形 Y(s,e)=-1/(R+j*X); %互导纳 Y(e,s)=Y(s,e); end if k~=0 %有变压器支路情形 Y(s,e)=-(1/((R+j*X)*k)); Y(e,s)=Y(s,e); Y(s,s)=-(1-k)/((R+j*X)*k^2); Y(e,e)=-(k-1)/((R+j*X)*k); %对地导纳 end Y(s,s)=Y(s,s)-j*B/2; Y(e,e)=Y(e,e)-j*B/2; %自导纳的计算情形 end for t=1:nnum; Y(t,t)=-sum(Y(t,:))+Node(t,12)+j*Node(t,13); %求支路自导纳 end G=real(Y); %电导 B=imag(Y); %电纳 %******************节点分类************************************* * pq=0; pv=0; blancenode=0; pqnode=zeros(1,nnum); pvnode=zeros(1,nnum); for m=1:nnum; if Node(m,2)==3 blancenode=m; %平衡节点编号 else if Node(m,2)==0 pq=pq+1; pqnode(1,pq)=m; %PQ 节点编号 else if Node(m,2)==2 pv=pv+1; pvnode(1,pv)=m; %PV 节点编号 end end end end %*****************************设置电压初值********************************** Uoriginal=zeros(1,nnum); %对各节点电压矩阵初始化 for n=1:nnum Uoriginal(1,n)=Node(n,9); %对各点电压赋初值 if Node(n,9)==0;
MATLAB小程序：将TXT中十六进制数转为十进制输出
matlab小程序：将txt中十六进制数转为十进制输出function htod(filename) clc [n]=textread(filename,'%2c'); [a b]=size(n) m=zeros(a,b); mm=zeros(a,1); for i=1:a for j=1:b switch n(i,j) case{'0'}m(i,j)=0; case{'1'}m(i,j)=1; case{'2'}m(i,j)=2; case{'3'}m(i,j)=3; case{'4'}m(i,j)=4; case{'5'}m(i,j)=5; case{'6'}m(i,j)=6; case{'7'}m(i,j)=7; case{'8'}m(i,j)=8; case{'9'}m(i,j)=9; case{'A'}m(i,j)=10; case{'B'}m(i,j)=11; case{'C'}m(i,j)=12; case{'D'}m(i,j)=13; case{'E'}m(i,j)=14; case{'F'}m(i,j)=15; otherwise m(i,j)=nan; end end end %m for i=1:a for j=1:b mm(i)=mm(i)+m(i,j)*16^(j-1); end end %mm [a b]=size(mm); size_mm=a mmm=mm'; savefile='C:\Documents and Settings\Administrator\桌面\test.txt'; fid=fopen(savefile,'w');
fprintf(fid,'%4d',mmm) fclose(fid); matlab如何读取二进制、十六进制txt文档 发现matlab如何读取十六进制的和二进制的txt文章不多。今天刚想了一种方法，所以在这里小结一下，所以matlab中文论坛共享一下，没有参考其他的文章哦，觉得好用就帮顶，不好用提意见。 原帖地址https://www.360docs.net/doc/fc15585391.html,/thread-23226-1-1.html 本方法同样适合读取十六进制和二进制以外的其他进制文件， txt使用一个最简单的命令就可以读取textread这是一个十分有用，简便的函数（对于fopen fscanf而言） 读取二进制txt文件： 假如txt文档中内容为00010010001101001000，保存在pin.txt文档中 使用a=textread('pin.txt','%s')' a= '0001''0010''0011''0100''1000' 可以看到数据保存为了char格式。 使用bin2dec b=bin2dec(a)' b= 12348 可以看到成功地转换成了十进制文件。 十六进制文件： 00010010001101001000A B C AA a=textread('pin.txt','%s')' a= '0001''0010''0011''0100''1000''A''B''C''AA' 可以看到成功读取了文件。 b=hex2dec(a)' b= 11617256409610 1112170 读取完毕。 小结：本方法以简单使用方便的方法读取二进制、十六进制的txt文档，欢迎大家提出意见
基于Matlab的动态规划程序实现
动态规划方法的Matlab 实现与应用 动态规划(Dynamic Programming)是求解决策过程最优化的有效数学方法，它是根据“最优决策的任何截断仍是最优的”这最优性原理，通过将多阶段决策过程转化为一系列单段决策问题，然后从最后一段状态开始逆向递推到初始状态为止的一套最优化求解方法。 1．动态规划基本组成 (1) 阶段 整个问题的解决可分为若干个阶段依次进行，描述阶段的变量称为阶段变量，记为k (2) 状态 状态表示每个阶段开始所处的自然状况或客观条件，它描述了研究问题过程的状况。各阶段状态通常用状态变量描述，用k x 表示第k 阶段状态变量，n 个阶段决策过程有n+ 1个状态。 (3) 决策 从一确定的状态作出各种选择从而演变到下一阶段某一状态，这种选择手段称为决策。描述决策的变量称为决策变量，决策变量限制的取值范围称为允许决策集合。用()k k u x 表示第k 阶段处于状态k x 时的决策变量，它是k x 的函数。用()k k D x Dk(xk)表示k x 的允许决策的集合。 (4) 策略 每个阶段的决策按顺序组成的集合称为策略。由第k 阶段的状态k x 开始到终止状态的后部子过程的策略记为{}11(),(),,()k k k k n n u x u x u x ++ 。可供选择的策略的范围称为允许策略集合，允许策略集合中达到最优效果的策略称为最优策略。从初始状态* 11()x x =出发，过程按照最优策略和状态转移方程演变所经历的状态序列{ } **** 121,,,,n n x x x x + 称为最优轨线。 (5) 状态转移方程 如果第k 个阶段状态变量为k x ，作出的决策为k u ，那么第k+ 1阶段的状态变量1k x +也被完全确定。用状态转移方程表示这种演变规律，记为1(,)k k k x T x u +=。 (6) 指标函数 指标函数是系统执行某一策略所产生结果的数量表示，是衡量策略优劣的数量指标，它定义在全过程和所有后部子过程上，用()k k f x 表示。过程在某阶段j 的阶段指标函数是衡量该阶段决策优劣数量指标，取决于状态j x 和决策j u ，用(,)j j j v x u 表示。 2．动态规划基本方程 (){} 11()min ,,(),()k k k k k k k k k k f x g v x u f x u D x ++=∈???? Matlab 实现 (dynprog.m 文件) function [p_opt,fval]=dynprog (x,DecisFun,SubObjFun,TransFun,ObjFun) % x 是状态变量，一列代表一个阶段的所有状态； % M-函数DecisFun(k,x) 由阶段k 的状态变量x 求出相应的允许决策变量; % M-函数SubObjFun(k,x,u) 是阶段指标函数, % M-函数ObjFun(v,f) 是第k 阶段至最后阶段的总指标函数 % M-函数TransFun(k,x,u) 是状态转移函数, 其中x 是阶段k 的某状态变量, u 是相应的决策变量; %输出 p_opt 由4列构成，p_opt=[序号组;最优策略组;最优轨线组;指标函数值组]； %输出 fval 是一个列向量，各元素分别表示p_opt 各最优策略组对应始端状态x 的最优函数值。
基于matlab--psat软件的电力系统潮流计算课程设计
东北电力大学课程设计改革试用任务书: 电力系统潮流计算课程设计任务书 设计名称：电力系统潮流计算课程设计 设计性质：理论计算，计算机仿真与验证 计划学时：两周 一、设计目的 1.培养学生独立分析问题、解决问题的能力； 2.培养学生的工程意识，灵活运用所学知识分析工程问题的能力 3.编制程序或利用电力系统分析计算软件进行电力系统潮流分析。 二、原始资料 1、系统图：IEEE14节点。 2、原始资料：见IEEE14节点标准数据库 三、课程设计基本内容： 1.采用PSAT仿真工具中的潮流计算软件计算系统潮流； 1)熟悉PSAT仿真工具的功能； 2)掌握IEEE标准数据格式内容； 3)将IEEE标准数据转化为PSAT计算数据； 2.分别采用NR法和PQ分解法计算潮流，观察NR法计算潮流中雅可比矩阵的变化情况， 分析两种方法计算潮流的优缺点； 3.分析系统潮流情况，包括电压幅值、相角，线路过载情况以及全网有功损耗情况。
4.选择以下内容之一进行分析： 1)找出系统中有功损耗最大的一条线路，给出减小该线路损耗的措施，比较各种措施 的特点，并仿真验证； 2)找出系统中电压最低的节点，给出调压措施，比较各种措施的特点，并仿真验证； 3)找出系统中流过有功功率最大的一条线路，给出减小该线路有功功率的措施，比较 各种措施的特点，并仿真验证； 5.任选以下内容之一作为深入研究：（不做要求） 1)找出系统中有功功率损耗最大的一条线路，改变发电机有功出力，分析对该线路有 功功率损耗灵敏度最大的发电机有功功率，并进行有效调整，减小该线路的损耗； 2)找出系统中有功功率损耗最大的一条线路，进行无功功率补偿，分析对该线路有功 功率损耗灵敏度最大的负荷无功功率，并进行有效调整，减小该线路的损耗； 3)找出系统中电压最低的节点，分析对该节点电压幅值灵敏度最大的发电机端电压， 并有效调整发电机端电压，提高该节点电压水平； 四、课程设计成品基本要求： 1.绘制系统潮流图，潮流图应包括： 1)系统网络参数 2)节点电压幅值及相角 3)线路和变压器的首末端有功功率和无功功率 2.撰写设计报告，报告内容应包括以下几点： 1)本次设计的目的和设计的任务； 2)电力系统潮流计算的计算机方法原理，分析NR法和PQ分解法计算潮流的特点； 3)对潮流计算结果进行分析，评价该潮流断面的运行方式安全性和经济性； 4)找出系统中运行的薄弱环节，如电压较低点或负载较大线路，给出调整措施； 5)分析各种调整措施的特点并比较它们之间的差异； 6)结论部分以及设计心得； 五、考核形式 1.纪律考核：学生组织出勤情况和工作态度等； 2.书面考核：设计成品的完成质量、撰写水平等； 3.答辩考核：参照设计成品，对计算机方法进行电力系统潮流计算的相关问题等进行答辩； 4.采用五级评分制：优、良、中、及格、不及格五个等级。
数学建模基础入门小程序文件
自己整理MATLAB知识 1入门 例1-1 绘制正弦曲线和余弦曲线。 x=[0:0.5:360]*pi/180; plot(x,sin(x),x,cos(x)); 例1-2 求方程3x4+7x3+9x2-23=0的全部根。 p=[3,7,9,0,-23]; %建立多项式系数向量 x=roots(p) %求根 例1-3 求积分 quad('x.*log(1+x)',0,1) %‘里是被积函数’0,1分 别是积分上下限 例1-4 求解线性方程组。 a=[2,-3,1;8,3,2;45,1,-9]; %方程左面系数 b=[4;2;17]; %方程右面系数 x=inv(a)*b %也可是x=a\b的形式 例1-5 水仙花 for m=100:999 m1=fix(m/100); %求m的百位数字 m2=rem(fix(m/10),10); %求m的十位数字 m3=rem(m,10); %求m的个位数字 if m==m1*m1*m1+m2*m2*m2+m3*m3*m3 disp(m)
end end 例1-6 已知，当n=100时，求y的值。程序如下： y=0; n=100; for i=1:n y=y+1/(2*i-1); end y 例1-7 求[100，200]之间第一个能被21整除的整数 for n=100:200 if rem(n,21)~=0 continue end break end n 例1-8 若一个数等于它的各个真因子之和，则称该数为完数，如6=1+2+3，所以6是完数。求[1,500]之间的全部完数。for m=1:500 s=0; for k=1:m/2
如何编写MATLAB程序才能实现对
关闭文件用fclose函数，调用格式为：sta＝fclose(fid)说明：该函数关闭fid所表示的文件。其调用格式为：[A，COUNT]=fscanf(fid，format，size)说明：其中A用来存放读取的数据，COUNT返回所读取的数据元素个数，fid为文件句柄，format用来控制读取的数据格式，由%加上格式符组成，常见的格式符有：d（整型）、f（浮点型）、s（字符串型）、c（字符型）等，在%与格式符之间还可以插入附加格式说明符，如数据宽度说明等。 matlab fprintf.数据的格式化输出：fprintf(fid, format, variables)fprintf（fid，format，A）说明：fid为文件句柄，指定要写入数据的文件，format是用来控制所写数据格式的格式符，与fscanf函数相同，A是用来存放数据的矩阵。>> fid=fopen(""d:\char1.txt"",""w"");>> fid1=fopen(""d:\char1.txt"",""rt"");matlab读txt文件fid=fopen(""fx.txt"",""r"");%得到文件号[f,count]=fscanf(fid,""%f %f"",[12,90]);%把文件号1的数据读到f中。 matlab函数fgetl和fgets：按行读取格式文本函数Matlab提供了两个函数fgetl和fgets来从格式文本文件读取行，并存储到字符串向量中。这两个函数集几乎相同；不同之处是，fgets拷贝新行字符到字符向量，而fgetl则不。下面的M-file函数说明了fgetl的一个可能用法。此函数使用fgetl一次读取一整行。while f eof(fid) == 0 tline = fgetl(fid); %用Fourier变换求取信号的功率谱---周期图法 clf; Fs=1000; N=256;Nfft=256;%数据的长度和FFT所用的数据长度 n=0:N-1;t=n/Fs;%采用的时间序列 xn=sin(2*pi*50*t)+2*sin(2*pi*120*t)+randn(1,N); Pxx=10*log10(abs(fft(xn,Nfft).^2)/N);%Fourier振幅谱平方的平均值，并转化为dB f=(0:length(Pxx)-1)*Fs/length(Pxx);%给出频率序列 subplot(2,1,1),plot(f,Pxx);%绘制功率谱曲线 xlabel('频率/Hz');ylabel('功率谱/dB'); title('周期图N=256');grid on; Fs=1000; N=1024;Nfft=1024;%数据的长度和FFT所用的数据长度 n=0:N-1;t=n/Fs;%采用的时间序列 xn=sin(2*pi*50*t)+2*sin(2*pi*120*t)+randn(1,N); Pxx=10*log10(abs(fft(xn,Nfft).^2)/N);%Fourier振幅谱平方的平均值，并转化为dB f=(0:length(Pxx)-1)*Fs/length(Pxx);%给出频率序列 subplot(2,1,2),plot(f,Pxx);%绘制功率谱曲线 xlabel('频率/Hz');ylabel('功率谱/dB'); title('周期图N=256');grid on; %用Fourier变换求取信号的功率谱---分段周期图法 %思想：把信号分为重叠或不重叠的小段，对每小段信号序列进行功率谱估计，然后取平均值作为整个序列的功率谱 clf;