Matlab的m_map工具箱函数说明
%---------------------------------------地磁坐标
%lat=[25*ones(1,100) 50*ones(1,100) 25];
%lon=[-99:0 0:-1:-99 -99];
%clf
%subplot(121);
%m_coord('IGRF2000-geomagnetic'); % Treat all lat/longs as geomagnetic（地磁坐标）%m_proj('stereographic'); %立体投影
%m_coast;
%m_grid;
%m_line(lon,lat,'color','r'); % "lat/ln" assumed geomagnetic on the geomagnetic map %m_coord('geographic'); % Switch to assuming geographic（地理坐标）
%m_line(lon,lat,'color','c'); % Now they are treated as geographic
%subplot(122);
%m_coord('geographic'); % Define all in geographic
%m_proj('stereographic');
%m_coast;
%m_grid;
%m_line(lon,lat,'color','c');
%m_coord('IGRF2000-geomagnetic'); % Now assume that values are in geomagnetic
%m_line(lon,lat,'color','r');
%---------------------------------------------------画轨迹线
%m_proj('UTM','long',[-72 -68],'lat',[40 44]);
%m_gshhs_i('color','k');
%m_grid('box','fancy','tickdir','out');% fake up a trackline
%lons=[-71:.1:-67];
%lats=60*cos((lons+115)*pi/180);
%dates=datenum(1997,10,23,15,1:41,zeros(1,41));
%m_track(lons,lats,dates,'ticks',0,'times',4,'dates',8,...
% 'clip','off','color','r','orient','upright');
%--------------------------------------------------改变坐标
%[X,Y]=m_ll2xy(LONG,LA T, ...optional clipping arguments )
%[LONG,LA T]=m_xy2ll(X,Y)
%DIST=m_lldist([20 30],[44 45]) %计算两点之间的距离
%--------------------------------------------------以某点为中心画半径
%m_proj('lambert','long',[-160 -40],'lat',[30 80]);
%m_coast;
%m_range_ring(-123,49,[1e3:1e3:10e3],'color','r');
%m_ungrid range_ring
%m_range_ring(-123,49,[200:200:2000],'color','r');
%------------------------------------------------自定义海岸线
%Adding your own coastlines
matla地图投影有关函数(2007-03-11 22:52:34)
转载
function [ output_args ] = Untitled1( input_args )
%UNTITLED1 Summary of this function goes here
% Detailed explanation goes here
%－－－－－－－－－－－－－－－－－－－－－海岸线
%m_coast('patch',[.7 .7 .7],'edgecolor','none');
%m_grid('xlabeldir','end','fontsize',10);
%m_line(-129,48.5,'marker','square','markersize',4,'color','r');
%m_text(-129,48.5,' M5','vertical','top');
%---------------------------------------椭圆型投影
%m_proj('mollweide');
%m_coast('patch','r');
%m_grid('xaxislocation','middle');
%m_proj('stereographic'); % Example for stereographic projection（立体投影）%m_coast;
%m_grid;
load coast.datm_line(coast(:,1),coast(:,2));
Filled coastlines will require more work. Y ou should first read the
instructions there on joining the coastline data into continuous segments.
If you are lucky, (i.e. no lakes or anything else), you may achieve success with load coast.dat[X,Y]=m_ll2xy(coast(:,1),coast(:,2),'clip','patch');
k=[find(isnan(X(:,1)))];
for i=1:length(k)-1,
x=coast([k(i)+1:(k(i+1)-1) k(i)+1],1);
y=coast([k(i)+1:(k(i+1)-1) k(i)+1],2);
patch(x,y,'r');
end;
%-----------------------------------------------toolbox contents 中各文件的描述Contents.m - toolbox contents
m_demo.m - demonstrates a few maps.
User-callable functions
m_proj.m - initializes projection
m_coord - geomagnstic to geographic coords
m_grid.m - draws grids
m_scale.m - forces map to a given scale
m_ungrid.m - erases map elements (if you want to change parameters)
m_coast.m - draws a coastline
m_elev.m - draws elevation data
m_tbase.m - draws elevation data from high-resolution database
m_etopo2.m - draws elevation data from (another) high-resolution database
m_gshhs_c.m - draws coastline from GSHHS crude database
m_gshhs_l.m - draws coastline from GSHHS low-resolution database
m_gshhs_i.m - draws coastline from GSHHS intermediate-resolution database m_gshhs_h.m - draws coastline from GSHHS high-resolution database
m_gshhs_f.m - draws coastline from GSHHS full resolution database
m_plotbndry.m - draws a political boundary from the DCW
m_usercoast.m - draws a coastline using a user-specified subset database.
m_plot.m - draws line data in map coords
m_line.m - draws line data in map coords
m_text.m - adds text data in map coords
m_legend.m - Draw a legend box
m_patch.m - adds patch data in map coords
m_pcolor - draws pcolor surface
m_quiver - draws arrows for vector data
m_contour - draws contour lines for gridded data
m_contourf - draws filled contours
m_track - draws annotated tracklines
m_range_ring - draws range rings
m_ll2xy.m - converts from long/lat to map coordinates
m_xy2ll.m - converts from map coordinates to long/lat
m_geo2mag - converts from magnetic to geographic coords
m_mag2geo - the reverse
m_lldist - distance between long/lat points
m_xydist - distance between map coordinate points
m_fdist - location of point at given range/bearing along ellipsoidal earth
m_idist - range/bearings between points on ellipsoidal earth
m_geodesic - points on geodesics between given points on ellipsoidal earth
m_tba2b.m - used in installing high-resolution elevation database.
m_vec.m - fancy arrows
Internal functions (not meant to be user-callable)
private/mp_azim.m - azimuthal projections
private/mp_cyl.m - cylindrical projections (equatorial)
private/mp_conic.m - conic projections
private/mp_tmerc.m - transverse cylindrical projections
private/mp_utm.m - elliptical universal transverse cylindrical projections
private/mp_omerc.m - oblique cylindrical projection
private/mu_util.m - various utility routines
private/mu_coast.m - routines to handle coastlines.
private/mc_coords - coordinate conversion.
private/clabel.m - patched version of clabel (matlab v5.1 version does not contain capabilities for different text properties).
private/m_coasts.mat - coastline data
HTML Documentation
map.html - documentation intro
private/mapug.html - users guide
various .gif - examples.
Matlab优化工具箱函数简介 一维搜索问题fminbnd 无约束极小值fminunc, fminsearch 约束极小值fmincon 线性规划linprog 二次规划quadprog 1．一维搜索问题 优化工具箱函数fminbnd 对应问题：min f(x) x1
MatLab函数大全 一、常用对象操作：除了一般windows窗口的常用功能键外。 1、!dir可以查看当前工作目录的文件。 !dir& 可以在dos状态下查看。 2、who可以查看当前工作空间变量名，whos可以查看变量名细节。 3、功能键： 功能键快捷键说明 方向上键Ctrl+P返回前一行输入 方向下键Ctrl+N返回下一行输入 方向左键Ctrl+B光标向后移一个字符 方向右键Ctrl+F光标向前移一个字符 Ctrl+方向右键Ctrl+R光标向右移一个字符 Ctrl+方向左键Ctrl+L光标向左移一个字符 home Ctrl+A光标移到行首 End Ctrl+E光标移到行尾 Esc Ctrl+U清除一行 Del Ctrl+D清除光标所在的字符 Backspace Ctrl+H删除光标前一个字 符Ctrl+K删除到行尾 Ctrl+C中断正在执行的命令 4、clc可以命令窗口显示的内容，但并不清除工作空间。 二、函数及运算 1、运算符： ＋：加，－：减， *：乘， /：除， \：左除 ^：幂，‘：复数的共轭转置，（）：制定运算顺序。 2、常用函数表： sin( ) 正弦（变量为弧度） Cot( ) 余切（变量为弧度）
sind( ) 正弦（变量为度数） Cotd( ) 余切（变量为度数） asin( ) 反正弦（返回弧度） acot( ) 反余切（返回弧度） Asind( ) 反正弦（返回度数） acotd( ) 反余切（返回度数） cos( ) 余弦（变量为弧度） exp( ) 指数 cosd( ) 余弦（变量为度数） log( ) 对数 acos( ) 余正弦（返回弧度） log10( ) 以10为底对数 acosd( ) 余正弦（返回度数） sqrt( ) 开方 tan( ) 正切（变量为弧度） realsqrt( ) 返回非负根 tand( ) 正切（变量为度数） abs( ) 取绝对值 atan( ) 反正切（返回弧度） angle( ) 返回复数的相位角 atand( ) 反正切（返回度数） mod(x,y) 返回x/y的余数 sum( ) 向量元素求和 3、其余函数可以用help elfun和help specfun命令获得。 4、常用常数的值： pi3.1415926……. realmin最小浮点数，2^-1022 i虚数单位 realmax最大浮点数，（2－eps）2^1022
matlab拟合工具箱使用 2011-06-17 12:53 1.打开CFTOOL工具箱。在Matlab 6.5以上的环境下，在左下方有一个"Start"按钮，如同Windows的开始菜单，点开它，在目录"Toolboxes"下有一个"Curve Fitting"，点开"Curve Fitting Tool"，出现数据拟合工具界面，基本上所有的数据拟合和回归分析都可以在这里进行。也可以在命令窗口中直接输入”cftool”，打开工具箱。 2.输入两组向量x，y。 首先在Matlab的命令行输入两个向量，一个向量是你要的x坐标的各个数据，另外一个是你要的y坐标的各个数据。输入以后假定叫x向量和y向量，可以在workspace里面看见这两个向量，要确保这两个向量的元素数一致，如果不一致的话是不能在工具箱里面进行拟合的。 例如在命令行里输入下列数据: x = [196,186, 137, 136, 122, 122, 71, 71, 70, 33]; y=[0.012605,0.013115,0.016866,0.014741,0.022353,0.019278,0.041803,0.0 38026,0.038128,0.088196]; 3.数据的选取。打开曲线拟合共工具界面，点击最左边的"Data..."按钮，出现一个Data对话框，在Data Sets页面里，在X Data选项中选取x向量，Y Data 选项中选取y向量，如果两个向量的元素数相同，那么Create data set按钮就激活了，此时点击它，生成一个数据组，显示在下方Data Sets列表框中。关闭Data对话框。此时Curve Fitting Tool窗口中显示出这一数据组的散点分布图。
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 常用函数汇总 编程2008-07-10 21:45:20 阅读46 评论0 字号：大中小订阅matlab常用函数 图形注释 Title 图形标题 Xlabel X轴标记 Ylabel Y轴标记 Text 文本注释 Gtext 用鼠标放置文本 Grid 网格线 MATLAB编程语言 Function 增加新的函数 Eval 执行由MA TLAB表达式构成的字串 Feval 执行由字串指定的函数 Global 定义全局变量 程序控制流 If 条件执行语句 Else 与if命令配合使用 Elseif 与if命令配合使用 End For,while和if语句的结束 For 重复执行指定次数（循环） While 重复执行不定次数（循环） Break 终止循环的执行 Return 返回引用的函数 Error 显示信息并终止函数的执行 交互输入 Input 提示用户输入 Keyboard 像底稿文件一样使用键盘输入 Menu 产生由用户输入选择的菜单 Pause 等待用户响应 Uimenu 建立用户界面菜单 Uicontrol 建立用户界面控制 一般字符串函数 Strings MATLAB中有关字符串函数的说明 Abs 变字符串为数值 Setstr 变数值为字符串 Isstr 当变量为字符串时其值为真 Blanks 空串 Deblank 删除尾部的空串 Str2mat 从各个字符串中形成文本矩阵 Eval 执行由MA TLAB表达式组成的串 字符串比较 Strcmp , , , 比较字符串 Findstr 在一字符串中查找另一个子串
Upper 变字符串为大写 Lower 变字符串为小写 Isletter 当变量为字母时，其值为真 Isspace 当变量为空白字符时，其值为真 字符串与数值之间变换 Num2str 变数值为字符串 Int2str 变整数为字符串 Str2num 变字符串为数值 Sprintf 变数值为格式控制下的字符串 Sscanf 变字符串为格式控制下的数值 十进制与十六进制数之间变换 Hex2num 变十六进制为IEEE标准下的浮点数Hex2dec 变十六制数为十进制数 Dec2hex 变十进制数为十六进制数 建模 Append 追加系统动态特性 Augstate 变量状态作为输出 Blkbuild 从方框图中构造状态空间系统Cloop 系统的闭环 Connect 方框图建模 Conv 两个多项式的卷积 Destim 从增益矩阵中形成离散状态估计器Dreg 从增益矩阵中形成离散控制器和估计器Drmodel 产生随机离散模型 Estim 从增益矩阵中形成连续状态估计器Feedback 反馈系统连接 Ord2 产生二阶系统的A、B、C、D Pade 时延的Pade近似 Parallel 并行系统连接 Reg 从增益矩阵中形成连续控制器和估计器Rmodel 产生随机连续模型 Series 串行系统连接 Ssdelete 从模型中删除输入、输出或状态ssselect 从大系统中选择子系统 模型变换 C2d 变连续系统为离散系统 C2dm 利用指定方法变连续为离散系统 C2dt 带一延时变连续为离散系统 D2c 变离散为连续系统 D2cm 利用指定方法变离散为连续系统 Poly 变根值表示为多项式表示 Residue 部分分式展开 Ss2tf 变状态空间表示为传递函数表示 Ss2zp 变状态空间表示为零极点表示
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数理统计工具箱应用简介 1．概述 Matlab的数理统计工具箱是Matlab工具箱中较为简单的一个，其牵扯的数学知识是大家都很熟悉的数理统计，因此在本文中，我们将不再对数理统计的知识进行重复，仅仅列出数理统计工具箱的一些函数，这些函数的意义都很明确，使用也很简单，为了进一步简明，本文也仅仅给出了函数的名称，没有列出函数的参数以及使用方法，大家只需简单的在Matlab工作空间中输入“help 函数名”，便可以得到这些函数详细的使用方法。 2．参数估计 betafit 区间 3．累积分布函数 betacdf β累积分布函数 binocdf 二项累积分布函数 cdf 计算选定的累积分布函数 chi2cdf 累积分布函数2χ expcdf 指数累积分布函数 fcdf F累积分布函数 gamcdf γ累积分布函数 geocdf 几何累积分布函数 hygecdf 超几何累积分布函数 logncdf 对数正态累积分布函数 nbincdf 负二项累积分布函数 ncfcdf 偏F累积分布函数 nctcdf 偏t累积分布函数 ncx2cdf 偏累积分布函数2χ normcdf 正态累积分布函数 poisscdf 泊松累积分布函数 raylcdf Reyleigh累积分布函数 tcdf t 累积分布函数 unidcdf 离散均匀分布累积分布函数 unifcdf 连续均匀分布累积分布函数 weibcdf Weibull累积分布函数 4．概率密度函数 betapdf β概率密度函数 binopdf 二项概率密度函数 chi2pdf 概率密度函数2χ
exppdf 指数概率密度函数 fpdf F概率密度函数 gampdf γ概率密度函数 geopdf 几何概率密度函数 hygepdf 超几何概率密度函数 lognpdf 对数正态概率密度函数 nbinpdf 负二项概率密度函数 ncfpdf 偏F概率密度函数 nctpdf 偏t概率密度函数 ncx2pdf 偏概率密度函数2χ normpdf 正态分布概率密度函数 pdf 指定分布的概率密度函数 poisspdf 泊松分布的概率密度函数 raylpdf Rayleigh概率密度函数 tpdf t概率密度函数 unidpdf 离散均匀分布概率密度函数unifpdf 连续均匀分布概率密度函数weibpdf Weibull概率密度函数5．逆累积分布函数 Betainv 逆β累积分布函数 binoinv 逆二项累积分布函数 chi2inv 逆累积分布函数2χ expinv 逆指数累积分布函数 finv 逆F累积分布函数 gaminv 逆γ累积分布函数 geoinv 逆几何累积分布函数 hygeinv 逆超几何累积分布函数 logninv 逆对数正态累积分布函数 nbininv 逆负二项累积分布函数 ncfinv 逆偏F累积分布函数 nctinv 逆偏t累积分布函数 ncx2inv 逆偏累积分布函数2χ norminv 逆正态累积分布函数 possinv 逆正态累积分布函数 raylinv 逆Rayleigh累积分布函数 tinv 逆t累积分布函数 unidinv 逆离散均匀累积分布函数 unifinv 逆连续均匀累积分布函数 weibinv 逆Weibull累积分布函数
另外有的txt文件还可以用load来打开其语句为 f=load('fx.txt) 字符串操作函数 1. 函数eval可以用来执行用字符串表示的表达式 2. 函数deblank可以去掉字符串末尾的所有空格 3. 函数findstr可以用来在长字符串中查找一个短的字符串，并返回相应的位置 4. 函数isstr可以用来判断变量是否为字符串 5. 函数isletter可以用来判断字符串中各个元素是否为字母 6. 函数isspace可以用来判断字符串元素是否为空格符 7. 函数lower和upper可以把字符串中的字母转为小写格式和大写格式 8. 函数strcat可以把多个字符串在水平方向上依次连接起来 9. 函数strvcat可以把多个字符串按竖直方向连接起来 10. 函数strcmp可以用来进行字符串的比较，返回1或0 11. 函数strcmpi可以用来忽略英文字母的大小写方式比较字符串 12. 函数strncmp可以用来比较字符串前N个字符是否相同 13. 函数strjust可以用来调整字符串矩阵的对齐方式 14. 函数strmatch可以用来寻找和目标字符串匹配的行 15. 函数strrep可以实现字符串的查找和替代功能 16. 函数strtok可以找出字符串第一个空格符前的字符串 17. 函数texlabel可以把字符串转换成tex软件的格式 18. 不同进制间的转换，bin2hex，bin2dec （‘字符串’）；dec2hex（数）=字符串；即十进制数不为字符串，其它进制为字符串19. 函数bitget可以用来获取二进制的数位 C=bitget（A，bit），A为一个无符号整形数据 20. 函数bitset可以用来设定某个二进制数位的值 C=bitset（A，bit）指定数位的数值取反 C=bitset（A，bit，V）指定数位的数值被V替换matlab常用函数- - fliplr(a) 矩阵左右翻转 flipud(a) 矩阵上下翻转 rot90(a)矩阵逆时针旋转90度（把你的头顺时针旋转90看原数就可以知道结果了,^-^）rot90(a,k) k参数定义为逆时针旋转90*k度。 sort：将矩阵元素升序或者降序排列；默认按列，从小到大 sortrows：将行按升序排列；遵照第一列的次序。 issorted：判断矩阵是否已经排序； 1、特殊变量与常数 ans 计算结果的变量名 computer 确定运行的计算机 eps 浮点相对精度 nargin 输入参数个数 nargout 输出参数的数目 nargoutchk 有效的输出参数数目 realmax 最大正浮点数 realmin 最小正浮点数 varargin 实际输入的参量 varargout 实际返回的参量 2、基本数学函数 abs 绝对值和复数模长 ceil 向着无穷大舍入 complex 建立一个复数 conj 复数配对 cos,cosh 余弦，双曲余弦 csc,csch 余切，双曲余切 cot,coth 余切，双曲余切 exp 指数 fix 朝0方向取整 floor 朝负无穷取整 imag 复数值的虚部 lcm 最小公倍数 log 自然对数 log2 以2为底的对数 log10 常用对数 mod 有符号的求余
MATLAB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；
⑤ MPC 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。 1 2213)(232+++++=s s s s s s G 解：MATLAB 命令如下：
1.波形产生函数 ?square函数：产生方波 ?sawtooth函数：三角波 ?sinc函数： ?diric函数： ?rectpuls函数：产生非周期的矩形波 ?tripuls函数：产生非周期的三角波 ?pulstran函数： ?chirp函数：产生线性调频余弦信号。。 2.傅里叶变换函数 ?fft函数： ?fftshift函数： ?ifft函数：傅里叶反变换 3.滤波器分析与实现函数 ?conv函数：完成向量的卷积操作。 ?impz函数：产生系统的冲击响应。 ?zplane函数：绘制系统的零极点图。 ?abs函数：计算向量的幅值 ?angle函数：返回复数向量的相位向量，如：p=angle(h),其中h为复数向量，p为相位向量 ?filter函数：例如：y=filter(b,a,x);计算输入信号x经过传递函数分子分母系数向量(降幂排列)为b,a的滤波器后的输出 ------------------------------------------------------------------------------------------------------------------------------------------- 滤波器设计与分析工具FDATool： 此为交互式滤波器设计与分析工具，通过该工具提供的交互式环境，用户可以方面的进行滤波器的设计和分析 1.FDATool启动：
在matlab命令窗口下，执行“FDATool”命令， 滤波器设计与分析工具SPTool： 1、SPTool的启动与数据导入 在matlab命令窗口中，执行“SPTool”命令，就会启动SPTool信号处理工具
表Ⅰ-11 线性模型函数 函数描述 anova1 单因子方差分析 anova2 双因子方差分析 anovan 多因子方差分析 aoctool 协方差分析交互工具 dummyvar 拟变量编码 friedman Friedman检验 glmfit 一般线性模型拟合 kruskalwallis Kruskalwallis检验 leverage 中心化杠杆值 lscov 已知协方差矩阵的最小二乘估计manova1 单因素多元方差分析manovacluster 多元聚类并用冰柱图表示multcompare 多元比较 多项式评价及误差区间估计 polyfit 最小二乘多项式拟合 polyval 多项式函数的预测值 polyconf 残差个案次序图 regress 多元线性回归 regstats 回归统计量诊断 续表 函数描述 Ridge 岭回归 rstool 多维响应面可视化 robustfit 稳健回归模型拟合 stepwise 逐步回归 x2fx 用于设计矩阵的因子设置矩阵 表Ⅰ-12 非线性回归函数 函数描述 nlinfit 非线性最小二乘数据拟合（牛顿法）nlintool 非线性模型拟合的交互式图形工具nlparci 参数的置信区间 nlpredci 预测值的置信区间 nnls 非负最小二乘 表Ⅰ-13 试验设计函数 函数描述 cordexch D-优化设计（列交换算法）daugment 递增D-优化设计 dcovary 固定协方差的D-优化设计ff2n 二水平完全析因设计 fracfact 二水平部分析因设计 fullfact 混合水平的完全析因设计hadamard Hadamard矩阵（正交数组）rowexch D-优化设计（行交换算法） 表Ⅰ-14 主成分分析函数 函数描述 barttest Barttest检验 pcacov 源于协方差矩阵的主成分pcares 源于主成分的方差 princomp 根据原始数据进行主成分分析 表Ⅰ-15 多元统计函数 函数描述 classify 聚类分析 mahal 马氏距离 manova1 单因素多元方差分析manovacluster 多元聚类分析 表Ⅰ-16 假设检验函数 函数描述 ranksum 秩和检验 signrank 符号秩检验 signtest 符号检验 ttest 单样本t检验 ttest2 双样本t检验 ztest z检验 表Ⅰ-17 分布检验函数 函数描述 jbtest 正态性的Jarque-Bera检验kstest 单样本Kolmogorov-Smirnov检验kstest2 双样本Kolmogorov-Smirnov检验lillietest 正态性的Lilliefors检验 表Ⅰ-18 非参数函数 函数描述 friedman Friedman检验 kruskalwallis Kruskalwallis检验ranksum 秩和检验 signrank 符号秩检验 signtest 符号检验
Matlab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 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 常用函数Matlab内部常数[3] 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 nargout: 函数的输出引数个数 lasterr：存放最新的错误信息 lastwarn：存放最新的警告信息 MATLAB常用基本数学函数 abs(x)：纯量的绝对值或向量的长度 angle(z)：复数z的相角(Phase angle)
摘要本文从计算机语言、数学建模、网络控制系统仿真与结构化思维等方面阐述了半年来学习Matlab的心得体会与感想。由于个人知识有限在部分细节问题的理解上可能存有偏差还请老师批评指正不吝赐教。关键词Matlab语言数学建模软件网络控制系统仿真 结构化思维 - 1 - 学习Matlab快半个学期了虽然还有很多问题不是很清楚但通过实践学习我对于Matlab总算有个整体的理解而且每次上机操作都会有一定的收获和感想下面就谈谈我个人对于Matlab的一些看法。 Matlab语言 Matlab和其它语言不一样我这个学期学习的是C语言另外对于Action Script、HTML、php语言也接触过一些。C语言主要是面向过程的它的灵活性比较强可根据自己的意图编辑程序但所耗费的时间和精力比较大。例如定义变量就分为int、float、char等类型十分麻烦而Action Script与php就显得比较随意不必纠结于哪一种类型的变量比如定义Var number3Var playtrue即可。相对于前两者而言Matlab则显得更为灵活与快捷它是一门解释性语言能自动将高级语言翻译成机器语言。比如求tf2当t012345时tf的值。如果使用C语言则需要定义变量调用math函数还要应用for循环、输出函数而Matlab则不然只需输入t0:5f2.t然后回车即可。另外Matlab还配有许多常用公式操作起来十分方便例如想求出223tftftytyty在10y10y时的零输入响应应用dsolve 函数只需输入xdsolveD2y3Dy2y0y01Dy01 回车即得结果x3exp-t-2exp-2t。或许也正是Matlab语言简洁、优化的特点才使得它在学术界被广泛应用吧。 数学建模 对于数学建模而言Matlab是一款相当不错的建模辅助工具因为Matlab中有统计函数线性分析函数插值函数非线性分析函数等等这些数模必备的函数而且Matlab强大的绘图功能可使很多数学演算过程变得可视化。这些对于分析问题都很有帮助。虽然我们学习的Matlab是电子信息工程方向的但在下个学期班里的大部分同学都要参加数模竞赛
Matlab 并行计算工具箱的使用 Matlab并行工具箱的产生一方面给大规模的数据分析带来了巨大的效益，另一方面且引入了分布式计算，借助matlab自身携带的MDCE，可以实现单机多核并行运行或者是同一个局域网络中的多台处理器组成的机群的并行运行。 个人以为后者是前者的拓展，并行计算的最初目的是为了解决串行计算速度不能满足某些复杂运算而产生的技术，能够借助较低配置的处理，协同工作处理同一个程序，但是他们之间是并不会交互的，仅仅是有核心主机—client进行大任务的分解，而后将它们分配给各个处理器，由处理器共同完成。所以说并行计算的实质还是主从结构的分布式计算。这里体现了数量的优势，同一个程序串行运行可能需要40个小时，但是若是由10台处理器同时跑，则有望将计算时间降低到接近4个小时的水平。而且这十台处理器可以是一个多个多核CPU组成，例如一个8核心CPU和1个2核心CPU。也可以是由5个2核心CPU组成，形式灵活。 而分布式计算在并行计算的基础上有功能上的扩展，一个很重要的方面就体现在，上述的十个处理器之间可以进行交互式通讯这是基于MPI(message passing interface)实现的，这对于大规模的分布式控制系统是很有需要的，也就是说，各个处理器之间要实现数据的实时传递，有时是共享某些信息，有时是lab1需要lab2的某些信息。相对于单纯的并行计算来说，后者将交互式通讯扩展到了labs之间，而不仅仅是lab和client之间。 Matlab 并行计算工具箱中的函数有： 1.Parfor (FOR循环的并行计算)； 函数1：matlabpool 其作用是开启matlab并行计算池，单独的命令会以默认的配置开启并行计算环境。 函数2：parfor For循环的并行计算替代关键词，需要注意的是，parfor不能像for一样嵌套。 但是外部的parfor内部可以嵌套for循环。 函数3：batch 用于在worker上运行matlab脚本或者是matlab函数。 例如：batch(‘script.m’) 语句会根据默认并行配置文件定义的集群将script脚本文件运行在worker上。 2.批处理 函数1：batch，其语法有： j = batch('aScript') j = batch(myCluster,'aScript') j = batch(fcn,N,{x1, ..., xn}) j = batch(myCluster,fcn,N,{x1,...,xn}) j = batch(...,'p1',v1,'p2',v2,...) 其中的变量： J The batch job object. 'aScript'The script of MATLAB code to be evaluated by the MATLAB pool job. myClusterCluster object representing cluster compute resources. fcnFunction handle or string of function name to be evaluated by the MATLAB pool job.
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compet 竞争传递函数 radbas 径向基传递函数 satlins 对称饱和线性传递函数 6. 初始化函数 initlay 层与层之间的网络初始化函数initwb 阈值与权值的初始化函数initzero 零权/阈值的初始化函数 initnw Nguyen_Widrow层的初始化函数initcon Conscience 阈值的初始化函数midpoint 中点权值初始化函数 7. 性能分析函数 mae 均值绝对误差性能分析函数 mse 均方差性能分析函数 msereg 均方差 w/reg性能分析函数
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如何添加新的工具箱-经验总结 最近在学习遗传算法与免疫算法，所以涉及到matlab的工具箱的应用，尤其gads 工具箱，所以在网上下载了一些工具箱，但是不会用，在网上找了点资料，留着以后也可以用。 1，我是单独下载的工具箱，把新的工具箱拷贝到某个目录（我的是C:\Program Files\MATLAB\R2010\toolbox）。 注意：你要是添加的很多个m文件，那就把这些m文件直接拷到再下一层你想要的工具箱的文件夹里 例如，我要添加的是遗传工具箱，在刚才的文件夹下我已经有gads（遗传工具箱）文件夹了，但有的m文件还没有，我就把新的m文件统统拷到C:\Program Files\MATLAB\R2010\toolbox\gads目录下了 如果你连某工具箱（你打算添加的）的文件夹都没有，那就把文件夹和文件一起拷到C:\Program Files\MATLAB\R2010\toolbox下。 先把工具箱保存到MATLAB安装目录的根目录下面，然后运行 matlab---->file---->set path---->add folder 然后把你的工具箱文件夹添加进去就可以了 2 在matlab的菜单file下面的set path把它（C:\Program Files\MATLAB\R2010\toolbox\gads）加上。 3 把路径加进去后在file→Preferences→General的Toolbox Path Caching 里点击update Toolbox Path Cache更新一下。 记得一定要更新！我就是没更新，所以添加了路径，一运行还是不行。 后来更新了才行。 4 用which newtoolbox_command.m来检验是否可以访问。如果能够显示新设置的路径，则表明该工具箱可以使用了。 这个我也不知道怎么用。怎么检验？在命令窗口输入which newtoolbox_command.m？还是打开which newtoolbox_command.m文件（我搜索了，没找到这个文件啊）我一直没搞懂。 我的matlab小经验 我前几天刚刚接触matlab 由于要用MATLAB遗传算法工具箱编程，我直接在安装好的ｍａｔｌａｂ命令栏输入程序结果提示找不到函数后来我才了解到MATLAB自带的工具箱是GADS，在此环境下运行程序会出现函数未定义等问题，