💥💥💞💞欢迎来到Matlab仿真科研站博客之家💞💞💥💥
✅博主简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,Matlab项目合作可私信。
🍎个人主页:Matlab仿真科研站博客之家
🏆代码获取方式:
💥扫描文章底部QQ二维码💥
⛳️座右铭:行百里者,半于九十;路漫漫其修远兮,吾将上下而求索。
⛄更多Matlab物理应用(仿真科研站版)仿真内容点击👇
Matlab物理应用(仿真科研站版)
⛄一、简介(附论文)
通过对超声场理论的数学物理方法计算,分别对圆型和矩型换能器的声轴线上声压分布、轴方向横截面的声压的分布及声场的指向性的表达式作出推导和演算,并得出结论;以及研究脉冲波声场分布特性,数值计算其声压分布,再利用数学软件Matlab进行可视化模拟进行的仿真研究,以活塞探头的各个项的参数对超声场的分布影响看作为研究的内容。最后通过Graphical User Interface设计出一个图形操作界面,有助于我们通过换能器的调参过程对声场的分布影响进行研究,同时也有助于我们更清楚地了解声场的分布理论,从而提升我们的研究效率。
⛄二、部分源代码
function varargout = gui_sound_field(varargin)
% GUI_SOUND_FIELD MATLAB code for gui_sound_field.fig
% GUI_SOUND_FIELD, by itself, creates a new GUI_SOUND_FIELD or raises the existing
% singleton*.
%
% H = GUI_SOUND_FIELD returns the handle to a new GUI_SOUND_FIELD or the handle to
% the existing singleton*.
%
% GUI_SOUND_FIELD(‘CALLBACK’,hObject,eventData,handles,…) calls the local
% function named CALLBACK in GUI_SOUND_FIELD.M with the given input arguments.
%
% GUI_SOUND_FIELD(‘Property’,‘Value’,…) creates a new GUI_SOUND_FIELD or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before gui_sound_field_OpeningFcn gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to gui_sound_field_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE’s Tools menu. Choose “GUI allows only one
% instance to run (singleton)”.
%
% See also: GUIDE, GUIDATA, GUIHANDLES
% Edit the above text to modify the response to help gui_sound_field
% Last Modified by GUIDE v2.5 27-Oct-2021 14:38:02
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct(‘gui_Name’, mfilename, …
‘gui_Singleton’, gui_Singleton, …
‘gui_OpeningFcn’, @gui_sound_field_OpeningFcn, …
‘gui_OutputFcn’, @gui_sound_field_OutputFcn, …
‘gui_LayoutFcn’, [] , …
‘gui_Callback’, []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT
% — Executes just before gui_sound_field is made visible.
function gui_sound_field_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to gui_sound_field (see VARARGIN)
% Choose default command line output for gui_sound_field
set(handles.quadrate_checkbox,‘value’,0);
set(handles.circular_checkbox,‘value’,1);
%background_image1 = importdata(‘background.jpg’);
%axes(handles.background_axes);
%image(background_image1);
%alpha(0.5)
%axis off
sign1 = imread(‘tubiao.png’);
axes(handles.sign_axes);
image(sign1);
axis off
plot_image=importdata(‘plot.png’);
set(handles.plot_pushbutton,‘CDATA’,plot_image)
play_image=importdata(‘stop2.png’);
set(handles.play_pushbutton,‘CDATA’,play_image)
set(handles.text23,‘String’,[‘dB/m’]);
handles.output = hObject;
% Update handles structure
guidata(hObject, handles);
% UIWAIT makes gui_sound_field wait for user response (see UIRESUME)
% uiwait(handles.figure1);
% — Outputs from this function are returned to the command line.
function varargout = gui_sound_field_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Get default command line output from handles structure
varargout{1} = handles.output;
% — Executes on button press in plot_pushbutton.
function plot_pushbutton_Callback(hObject, eventdata, handles)
% hObject handle to plot_pushbutton (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
quadrate_flag=get(handles.quadrate_checkbox,‘value’);
circular_flag=get(handles.circular_checkbox,‘value’);
z0_double=str2num(get(handles.z0_edit,‘string’));
f0=str2num(get(handles.frequency_edit,‘string’)); % Transducer center frequency [MHz]
f0=f0*1e6;
c=str2num(get(handles.c_edit,‘string’)); % Speed of sound [m/s]( 水 1500 或者 钢 5900)
decay=str2num(get(handles.decay_edit,‘string’)); %衰减系数
%------判断输入参数的正误--------%
if f0<20000
errorcall= errordlg( ‘The Ultrasonic Frequency is Higher than 20000Hz at least. Please input the parameter again.’ , ‘Error’ ) ;
dbcont;
end
if c<300
errorcall= errordlg( ‘The Speed of Sound is too small. Please input the parameter again.’ , ‘Error’ ) ;
dbcont;
end
if decay<0
errorcall= errordlg( ‘The Attenuation of Sound may not be less than zero. Please input the parameter again.’ , ‘Error’ ) ;
dbcont;
end
%------判断输入参数的正误--------%
%-----clear axes-----%
axes(handles.acoustic_axis_axes);
acoustic_axis_delete=get(gca,‘children’);
delete(acoustic_axis_delete);
axes(handles.sound_field_axes);
sound_field_delete=get(gca,‘children’);
delete(sound_field_delete);
axes(handles.directivity_axes);
directivity_delete=get(gca,‘children’);
delete(directivity_delete);
%-------------------%
pausetime=0.05;
flag=1;
p0=101.32510^3; %大气压强101.32510^3pa
Rp=1;
lambda=c/f0; % Wavelength
k=2pi/lambda; %波数
w=2pif0; %角频率
if quadrate_flag0 && circular_flag1
%---------------------------------------圆形活塞----------------------------------------------%
%圆形活塞参数
Rs=str2num(get(handles.radius_edit,‘string’)); %活塞半径25mm
Rs=Rs10^-3;
Fs=piRs^2; %活塞的面积
%各种材料的声阻抗
Z_air=3401.29;
Z_water=150010^3;
Z_steel=str2num(get(handles.Z_R_edit,‘string’));
%工件参数
z_d=str2num(get(handles.z_d_edit,‘string’));
z_d=z_d10^-3; %厚度
%定义网格,数值求解
n=150;
x=linspace(-1.5Rs,1.5Rs,n);
y=linspace(-1.5Rs,1.5Rs,n);
%轴向初始距离
near_field=(2Rs)^2/(4lambda); %近场距离
z0=z0_doublenear_field;
%------判断输入参数的正误--------%
if Rs<=0
errorcall= errordlg( ‘The Size of Instrument may not be less than zero. Please input the parameter again.’ , ‘Error’ ) ;
dbcont;
end
if z_d<=0
errorcall= errordlg( ‘Workpiece Size may not be less than zero. Please input the parameter again.’ , ‘Error’ ) ;
dbcont;
end
if z0_double<0 || z0>z_d
errorcall= errordlg( ‘The Initial Position may not be less than zero or more than Workpiece Size. Please input the parameter again.’ , ‘Error’ ) ;
dbcont;
end
%------判断输入参数的正误--------%
%反馈近场距离到界面
set(handles.near_field_text,‘String’,num2str(near_field10^3));
%--------------------------%
z=z0;
detaz=z;
[x,y]=meshgrid(x,y);
r=sqrt(x.2+y.2+z.^2);
Sita=acos(z./r);
Phi=asin(y./(r.sin(Sita)));
R_acoustic_axis_incident=linspace(0,z_d,10000);
R_acoustic_axis_reflect=linspace(z_d,10(2Rs)^2/(4lambda),10000);
%-----轴线上声压-----%
P_field_incident=P_circular_acoustic_axis(lambda,Rs,R_acoustic_axis_incident).exp(-decayR_acoustic_axis_incident/8.68);
P_field_reflect=rp(Z_steel,Z_air)P_circular_acoustic_axis(lambda,Rs,R_acoustic_axis_reflect).exp(-decayR_acoustic_axis_reflect/8.68);
%由结论,直接代入参数
P=RpSound_pressure_circular( k,Rs,Sita, w,p0,c,r).exp(-decayr/8.68);
P=abs§;
%指向性
[theta,phi]=meshgrid(linspace(0,2pi,3n),linspace(0,pi/2,3n));
X=kRssin(phi);
J1=besselj(1,X);
D=abs(2J1./X);
%坐标变换
%[Dx,Dy,Dz]=[D.*((sin(Phi)).cos(Sita)),D.((sin(Sita)).sin(Phi)),D.((cos(Phi)).cos(Sita-Sita))];
Dx=D.((sin(phi)).cos(theta));
Dy=D.((sin(theta)).sin(phi));
Dz=D.((cos(phi)).*cos(theta-theta));
axes(handles.acoustic_axis_axes);
plot(R_acoustic_axis_incident,abs(P_field_incident));
hold on
plot(R_acoustic_axis_reflect,abs(P_field_reflect),'r');
plot(linspace(z_d,z_d,10),linspace(0,2,10),'--ks','LineWidth',1,'MarkerSize',2);
text(z_d,abs(P_field_incident(1000)),['reflect point']);
grid on;
title(['Circular pressure transducer acoustic axis of distribution'],'FontSize',7);
xlabel(['z/m']);
ylabel(['P/P0']);
axes(handles.sound_field_axes);
p=surf(x,y,P+0.7*((1-flag)*z_d+flag*z)*10^8);
set(p,'facealpha',z0/z-0.1);
material shiny
shading interp
colormap(cool)
light ('position',[-1 -0.5 2],'style','infinite')
hold on
cube=surf_cube( 4*Rs,4*Rs,0.7*z_d*10^8,-2*Rs,-2*Rs,0);
axis([-3*Rs 3*Rs -3*Rs 3*Rs 0 1.5*(0.7*z_d*10^8)]);
title(['When z=',num2str(((1-flag)*z_d+flag*z)*10^3),'mm,Circular pressure transducer acoustic axis of the three-dimensional distribution'],'FontSize',7);
text(0,0,0.04*z_d*10^8,['Workpiece:Plane of incidence'],'color','r');
text(0,0,0.7*z_d*10^8,['Reflective surface'],'color','r');
axes(handles.directivity_axes);
D_surf=surf(Dx,Dy,Dz);
set(D_surf,'facealpha',0.5);
axis([-0.2 0.2 -0.2 0.2 0 1])
title(['Beam directiviy'],'FontSize',7);
colorbar
material shiny
shading interp
colormap(cool)
%---------------------------------------圆形活塞----------------------------------------------%
elseif quadrate_flag1 && circular_flag0
%---------------------------------------矩形活塞----------------------------------------------%
%各种材料的声阻抗
Z_air=3401.29;
Z_water=150010^3;
Z_steel=str2num(get(handles.Z_R_edit,‘string’));
%矩形活塞换能器参数:边长a b,面积Fs
a=str2num(get(handles.length_edit,'string'))*10^-3;
b=str2num(get(handles.width_edit,'string'))*10^-3;
Fs=a*b;
%工件参数
z_d=str2num(get(handles.z_d_edit,'string'));
z_d=z_d*10^-3; %厚度
%---------近场-------------%
near_field=Fs/(2*pi*lambda);
z0=z0_double*Fs/near_field;
%------判断输入参数的正误--------%
if a<=0 || b<=0
errorcall= errordlg( 'The Size of Instrument may not be less than zero. Please input the parameter again.' , 'Error' ) ;
dbcont;
end
if z_d<=0
errorcall= errordlg( 'Workpiece Size may not be less than zero. Please input the parameter again.' , 'Error' ) ;
dbcont;
end
if z0_double<0 || z0>z_d
errorcall= errordlg( 'The Initial Position may not be less than zero or more than Workpiece Size. Please input the parameter again.' , 'Error' ) ;
dbcont;
end
%------判断输入参数的正误--------%
%空间网格化求数值解
n=120; %
x=linspace(-a,a,n);
y=linspace(-b,b,n);
Sita=linspace(0,pi/2,n);
apha=linspace(0,2*pi,n);
[Sita,apha]=meshgrid(Sita,apha);
X_acoustic_axis=linspace(-a,a,n);
Z_acoustic_axis_incident=linspace(0,z_d,n);
Z_acoustic_axis_reflect=linspace(z_d,1.5*z_d,n);
[X_acoustic_axis_incident,Z_acoustic_axis_incident]=meshgrid(X_acoustic_axis,Z_acoustic_axis_incident);
[X_acoustic_axis_reflect,Z_acoustic_axis_reflect]=meshgrid(X_acoustic_axis,Z_acoustic_axis_reflect);
R_acoustic_axis_incident=sqrt(X_acoustic_axis_incident.^2+Z_acoustic_axis_incident.^2);
R_acoustic_axis_reflect=sqrt(X_acoustic_axis_reflect.^2+Z_acoustic_axis_reflect.^2);
phi_acoustic_axis=0;
sita_acoustic_axis_incident=asin(X_acoustic_axis_incident./(R_acoustic_axis_incident.*cos(phi_acoustic_axis)));
sita_acoustic_axis_reflect=asin(X_acoustic_axis_reflect./(R_acoustic_axis_reflect.*cos(phi_acoustic_axis)));
%-------------------%
%-----------反馈近场距离到界面--------------%
set(handles.near_field_text,'String',num2str(near_field*10^3));
%------------------------------------------%
z=z0;
[x,y]=meshgrid(x,y);
r=sqrt(x.^2+y.^2+z.^2);
phi=asin(y./r);
sita=asin(x./(r.*cos(phi)));
A=k*a*cos(apha).*sin(Sita);
B=k*b*sin(apha).*sin(Sita);
%直接用结论求解
%轴线声压
P_acoustic_axis_incident=P_rectangle_acoustic_axis( Fs,a,k,lambda,R_acoustic_axis_incident ,sita_acoustic_axis_incident,phi_acoustic_axis);
P_acoustic_axis_incident=P_acoustic_axis_incident.*exp(-decay*R_acoustic_axis_incident/8.68);
P_acoustic_axis_reflect=P_rectangle_acoustic_axis( Fs,a,k,lambda,R_acoustic_axis_reflect ,sita_acoustic_axis_reflect,phi_acoustic_axis);
P_acoustic_axis_reflect=rp(Z_steel,Z_air)*P_acoustic_axis_reflect.*exp(-decay*R_acoustic_axis_reflect/8.68);
axes(handles.acoustic_axis_axes);
p_acoustic_axis_inciden=surf(X_acoustic_axis_incident,Z_acoustic_axis_incident,abs(P_acoustic_axis_incident));
hold on
p_acoustic_axis_reflect=surf(X_acoustic_axis_reflect,Z_acoustic_axis_reflect,abs(P_acoustic_axis_reflect));
plot3(linspace(0,0,10),linspace(z_d,z_d,10),linspace(0,20,10),'--ks','LineWidth',1,'MarkerSize',2);
text(0,z_d,15,['reflect point']);
title(['Recrangular pressure transducer acoustic axis of distribution'],'FontSize',7);
material shiny
shading interp
colormap(cool)
set(p_acoustic_axis_inciden,'facealpha',0.7);
set(p_acoustic_axis_reflect,'facealpha',0.7);
light ('position',[1 1 20],'style','infinite');
view([80,16]);
%声压
P=Sound_pressure_rectangle( p0,Fs,lambda,r,k,a,b,sita,phi).*exp(-decay*r/8.68);
P=abs(P);
%指向性
D_aph_Sita_omiga=(sin(A)./A).*(sin(B)./B);
D_aph_Sita_omiga=abs(D_aph_Sita_omiga);
axes(handles.sound_field_axes);
p=surf(x,y,P+0.7*((1-flag)*z_d+flag*z)*10^7);
%set(p,'facealpha',z0/z-0.2);
title(['When z=',num2str(((1-flag)*z_d+flag*z)*10^3),'mm,Recrangular pressure transducer acoustic axis of the three-dimensional distribution'],'FontSize',7);
material shiny
shading interp
colormap(cool)
light ('position',[-1 -0.5 2],'style','infinite')
hold on
cube=surf_cube( 4*a,4*b,0.7*z_d*10^7,-2*a,-2*b,0);
axis([-3*a 3*a -3*b 3*b 0 1.1*0.7*z_d*10^7]);
%坐标变换
Dx=D_aph_Sita_omiga.*(sin(Sita)).*cos(apha);
Dy=D_aph_Sita_omiga.*(sin(Sita)).*sin(apha);
Dz=D_aph_Sita_omiga.*(cos(Sita)).*cos(apha-apha);
text(0,0,0,['Workpiece:Plane of incidence'],'color','r');
text(0,0,0.7*z_d*10^7,['Reflective surface'],'color','r');
axes(handles.directivity_axes);
D_surf=surf(Dx,Dy,Dz);
set(D_surf,'facealpha',0.5)
axis([-0.2 0.2 -0.2 0.2 0 1])
title(['Beam directiviy'],'FontSize',7);
material shiny
shading interp
colormap(cool)
colorbar
end
⛄三、运行结果
⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1] 门云阁.MATLAB物理计算与可视化[M].清华大学出版社,2013.
3 备注
简介此部分摘自互联网,仅供参考,若侵权,联系删除
🍅 仿真咨询
1 各类智能优化算法改进及应用
1.1 PID优化
1.2 VMD优化
1.3 配电网重构
1.4 三维装箱
1.5 微电网优化
1.6 优化布局
1.7 优化参数
1.8 优化成本
1.9 优化充电
1.10 优化调度
1.11 优化电价
1.12 优化发车
1.13 优化分配
1.14 优化覆盖
1.15 优化控制
1.16 优化库存
1.17 优化路由
1.18 优化设计
1.19 优化位置
1.20 优化吸波
1.21 优化选址
1.22 优化运行
1.23 优化指派
1.24 优化组合
1.25 车间调度
1.26 生产调度
1.27 经济调度
1.28 装配线调度
1.29 水库调度
1.30 货位优化
1.31 公交排班优化
1.32 集装箱船配载优化
1.33 水泵组合优化
1.34 医疗资源分配优化
1.35 可视域基站和无人机选址优化
2 机器学习和深度学习分类与预测
2.1 机器学习和深度学习分类
2.1.1 BiLSTM双向长短时记忆神经网络分类
2.1.2 BP神经网络分类
2.1.3 CNN卷积神经网络分类
2.1.4 DBN深度置信网络分类
2.1.5 DELM深度学习极限学习机分类
2.1.6 ELMAN递归神经网络分类
2.1.7 ELM极限学习机分类
2.1.8 GRNN广义回归神经网络分类
2.1.9 GRU门控循环单元分类
2.1.10 KELM混合核极限学习机分类
2.1.11 KNN分类
2.1.12 LSSVM最小二乘法支持向量机分类
2.1.13 LSTM长短时记忆网络分类
2.1.14 MLP全连接神经网络分类
2.1.15 PNN概率神经网络分类
2.1.16 RELM鲁棒极限学习机分类
2.1.17 RF随机森林分类
2.1.18 SCN随机配置网络模型分类
2.1.19 SVM支持向量机分类
2.1.20 XGBOOST分类
2.2 机器学习和深度学习预测
2.2.1 ANFIS自适应模糊神经网络预测
2.2.2 ANN人工神经网络预测
2.2.3 ARMA自回归滑动平均模型预测
2.2.4 BF粒子滤波预测
2.2.5 BiLSTM双向长短时记忆神经网络预测
2.2.6 BLS宽度学习神经网络预测
2.2.7 BP神经网络预测
2.2.8 CNN卷积神经网络预测
2.2.9 DBN深度置信网络预测
2.2.10 DELM深度学习极限学习机预测
2.2.11 DKELM回归预测
2.2.12 ELMAN递归神经网络预测
2.2.13 ELM极限学习机预测
2.2.14 ESN回声状态网络预测
2.2.15 FNN前馈神经网络预测
2.2.16 GMDN预测
2.2.17 GMM高斯混合模型预测
2.2.18 GRNN广义回归神经网络预测
2.2.19 GRU门控循环单元预测
2.2.20 KELM混合核极限学习机预测
2.2.21 LMS最小均方算法预测
2.2.22 LSSVM最小二乘法支持向量机预测
2.2.23 LSTM长短时记忆网络预测
2.2.24 RBF径向基函数神经网络预测
2.2.25 RELM鲁棒极限学习机预测
2.2.26 RF随机森林预测
2.2.27 RNN循环神经网络预测
2.2.28 RVM相关向量机预测
2.2.29 SVM支持向量机预测
2.2.30 TCN时间卷积神经网络预测
2.2.31 XGBoost回归预测
2.2.32 模糊预测
2.2.33 奇异谱分析方法SSA时间序列预测
2.3 机器学习和深度学习实际应用预测
CPI指数预测、PM2.5浓度预测、SOC预测、财务预警预测、产量预测、车位预测、虫情预测、带钢厚度预测、电池健康状态预测、电力负荷预测、房价预测、腐蚀率预测、故障诊断预测、光伏功率预测、轨迹预测、航空发动机寿命预测、汇率预测、混凝土强度预测、加热炉炉温预测、价格预测、交通流预测、居民消费指数预测、空气质量预测、粮食温度预测、气温预测、清水值预测、失业率预测、用电量预测、运输量预测、制造业采购经理指数预测
3 图像处理方面
3.1 图像边缘检测
3.2 图像处理
3.3 图像分割
3.4 图像分类
3.5 图像跟踪
3.6 图像加密解密
3.7 图像检索
3.8 图像配准
3.9 图像拼接
3.10 图像评价
3.11 图像去噪
3.12 图像融合
3.13 图像识别
3.13.1 表盘识别
3.13.2 车道线识别
3.13.3 车辆计数
3.13.4 车辆识别
3.13.5 车牌识别
3.13.6 车位识别
3.13.7 尺寸检测
3.13.8 答题卡识别
3.13.9 电器识别
3.13.10 跌倒检测
3.13.11 动物识别
3.13.12 二维码识别
3.13.13 发票识别
3.13.14 服装识别
3.13.15 汉字识别
3.13.16 红绿灯识别
3.13.17 虹膜识别
3.13.18 火灾检测
3.13.19 疾病分类
3.13.20 交通标志识别
3.13.21 卡号识别
3.13.22 口罩识别
3.13.23 裂缝识别
3.13.24 目标跟踪
3.13.25 疲劳检测
3.13.26 旗帜识别
3.13.27 青草识别
3.13.28 人脸识别
3.13.29 人民币识别
3.13.30 身份证识别
3.13.31 手势识别
3.13.32 数字字母识别
3.13.33 手掌识别
3.13.34 树叶识别
3.13.35 水果识别
3.13.36 条形码识别
3.13.37 温度检测
3.13.38 瑕疵检测
3.13.39 芯片检测
3.13.40 行为识别
3.13.41 验证码识别
3.13.42 药材识别
3.13.43 硬币识别
3.13.44 邮政编码识别
3.13.45 纸牌识别
3.13.46 指纹识别
3.14 图像修复
3.15 图像压缩
3.16 图像隐写
3.17 图像增强
3.18 图像重建
4 路径规划方面
4.1 旅行商问题(TSP)
4.1.1 单旅行商问题(TSP)
4.1.2 多旅行商问题(MTSP)
4.2 车辆路径问题(VRP)
4.2.1 车辆路径问题(VRP)
4.2.2 带容量的车辆路径问题(CVRP)
4.2.3 带容量+时间窗+距离车辆路径问题(DCTWVRP)
4.2.4 带容量+距离车辆路径问题(DCVRP)
4.2.5 带距离的车辆路径问题(DVRP)
4.2.6 带充电站+时间窗车辆路径问题(ETWVRP)
4.2.3 带多种容量的车辆路径问题(MCVRP)
4.2.4 带距离的多车辆路径问题(MDVRP)
4.2.5 同时取送货的车辆路径问题(SDVRP)
4.2.6 带时间窗+容量的车辆路径问题(TWCVRP)
4.2.6 带时间窗的车辆路径问题(TWVRP)
4.3 多式联运运输问题
4.4 机器人路径规划
4.4.1 避障路径规划
4.4.2 迷宫路径规划
4.4.3 栅格地图路径规划
4.5 配送路径规划
4.5.1 冷链配送路径规划
4.5.2 外卖配送路径规划
4.5.3 口罩配送路径规划
4.5.4 药品配送路径规划
4.5.5 含充电站配送路径规划
4.5.6 连锁超市配送路径规划
4.5.7 车辆协同无人机配送路径规划
4.6 无人机路径规划
4.6.1 飞行器仿真
4.6.2 无人机飞行作业
4.6.3 无人机轨迹跟踪
4.6.4 无人机集群仿真
4.6.5 无人机三维路径规划
4.6.6 无人机编队
4.6.7 无人机协同任务
4.6.8 无人机任务分配
5 语音处理
5.1 语音情感识别
5.2 声源定位
5.3 特征提取
5.4 语音编码
5.5 语音处理
5.6 语音分离
5.7 语音分析
5.8 语音合成
5.9 语音加密
5.10 语音去噪
5.11 语音识别
5.12 语音压缩
5.13 语音隐藏
6 元胞自动机方面
6.1 元胞自动机病毒仿真
6.2 元胞自动机城市规划
6.3 元胞自动机交通流
6.4 元胞自动机气体
6.5 元胞自动机人员疏散
6.6 元胞自动机森林火灾
6.7 元胞自动机生命游戏
7 信号处理方面
7.1 故障信号诊断分析
7.1.1 齿轮损伤识别
7.1.2 异步电机转子断条故障诊断
7.1.3 滚动体内外圈故障诊断分析
7.1.4 电机故障诊断分析
7.1.5 轴承故障诊断分析
7.1.6 齿轮箱故障诊断分析
7.1.7 三相逆变器故障诊断分析
7.1.8 柴油机故障诊断
7.2 雷达通信
7.2.1 FMCW仿真
7.2.2 GPS抗干扰
7.2.3 雷达LFM
7.2.4 雷达MIMO
7.2.5 雷达测角
7.2.6 雷达成像
7.2.7 雷达定位
7.2.8 雷达回波
7.2.9 雷达检测
7.2.10 雷达数字信号处理
7.2.11 雷达通信
7.2.12 雷达相控阵
7.2.13 雷达信号分析
7.2.14 雷达预警
7.2.15 雷达脉冲压缩
7.2.16 天线方向图
7.2.17 雷达杂波仿真
7.3 生物电信号
7.3.1 肌电信号EMG
7.3.2 脑电信号EEG
7.3.3 心电信号ECG
7.3.4 心脏仿真
7.4 通信系统
7.4.1 DOA估计
7.4.2 LEACH协议
7.4.3 编码译码
7.4.4 变分模态分解
7.4.5 超宽带仿真
7.4.6 多径衰落仿真
7.4.7 蜂窝网络
7.4.8 管道泄漏
7.4.9 经验模态分解
7.4.10 滤波器设计
7.4.11 模拟信号传输
7.4.12 模拟信号调制
7.4.13 数字基带信号
7.4.14 数字信道
7.4.15 数字信号处理
7.4.16 数字信号传输
7.4.17 数字信号去噪
7.4.18 水声通信
7.4.19 通信仿真
7.4.20 无线传输
7.4.21 误码率仿真
7.4.22 现代通信
7.4.23 信道估计
7.4.24 信号检测
7.4.25 信号融合
7.4.26 信号识别
7.4.27 压缩感知
7.4.28 噪声仿真
7.4.29 噪声干扰
7.5 无人机通信
7.6 无线传感器定位及布局方面
7.6.1 WSN定位
7.6.2 高度预估
7.6.3 滤波跟踪
7.6.4 目标定位
7.6.4.1 Dv-Hop定位
7.6.4.2 RSSI定位
7.6.4.3 智能算法优化定位
7.6.5 组合导航
8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置