MATLAB绘制汽车理论的仿真图片

仿真绘图内容

从传统车到新能源混合动力车型的不同绘制。

发动机最优曲线

发动机最优曲线最常见为最优燃油消耗率曲线，即同一机械输出功率下，燃油消耗率最小的转速转矩对应的发动机工作点。

最优燃油消耗率曲线

最优效率曲线

工作时间/能量消耗的分布

包括转速-转矩工作点的时间统计分布，能够反映出发动机工作点（转速-转矩）的工作点时间的花费情况。
以及转速-转矩工作点的能量统计分布，能够反映出发动机工作点（转速-转矩）的工作点能量(或者油耗）的花费情况。

传统车动力性分析

传统车绘制性能分析图像，包括各个档位下的发动机的最大外特性（车速与车轮处最大驱动扭矩/驱动力的关系），行驶阻力（不同坡度下）随车速的变化情况。根据输入绘图函数的类型，分别可绘制出驱动力（force）、驱动扭矩（torque）、驱动功率（power）等多种曲线。
绘制传统车动力性分析图需要提供的参数包括：

1. 变速箱挡位个数；
2. 主减速器与变速箱的传动效率
3. 变速箱与主减速器速比
4. 车轮半径
5. 行驶阻力方程中涉及到的整车参数

由于力，扭矩，和驱动功率分别为 驱动力，驱动力X车轮半径，扭矩X转速，因此绘制不同曲线时，仅y轴求取的方式不同，绘制图形的主体不变。

行驶力

行驶功率

行驶扭矩

绘制三（或多个）y坐标轴函数

该函数分布输入三条需要绘制的x，y向量，以及三个y轴的标签即可(或者不输入)，该函数输出包括三个坐标轴的对象和包括三个曲线的对象。可对图像进一步设置和调整。
该函数首先利用plotyy绘制双y轴图像，然后将第三个y轴向右偏移一定的比例后，在对第三条曲线绘制。
例如采用以下测试代码绘制定制化的图像：
由于axes包含 line对象，figure对象又包含axes对象，对axes和 line对象进行合适的配置即可达到定制化的目的。

figure
pos =  [0.1  0.1  0.7  0.8];
ax=axes('Position',pos,'box','off',...
    'Color','none','XColor','k','YColor','r',...
    'xtick',[],'yaxislocation','right');
line([0:0.1:2*pi],sin([0:0.1:2*pi]),'Parent',ax)

采用上述绘制后如下所示的图像：

function [ax,hlines] = plotyyy(x1,y1,x2,y2,x3,y3,ylabels)
%PLOTYYY - Extends plotyy to include a third y-axis
%
%Syntax:  [ax,hlines] = plotyyy(x1,y1,x2,y2,x3,y3,ylabels)
%
%Inputs: x1,y1 are the xdata and ydata for the first axes' line
%        x2,y2 are the xdata and ydata for the second axes' line
%        x3,y3 are the xdata and ydata for the third axes' line
%        ylabels is a 3x1 cell array containing the ylabel strings
%
%Outputs: ax -     3x1 double array containing the axes' handles
%         hlines - 3x1 double array containing the lines' handles
%
%Example:
% x=0:10;
% y1=x;  y2=x.^2;   y3=x.^3;
% ylabels{1}='First y-label';
% ylabels{2}='Second y-label';
% ylabels{3}='Third y-label';
% [ax,hlines] = plotyyy(x,y1,x,y2,x,y3,ylabels);
% legend(hlines, 'y = x','y = x^2','y = x^3',2)
% %
if nargin==6
    %Use empty strings for the ylabels
    ylabels{1}=' '; ylabels{2}=' '; ylabels{3}=' ';
elseif nargin > 7
    error('Too many input arguments')
elseif nargin < 6
    error('Not enough input arguments')
end

figure('units','normalized',...
    'DefaultAxesXMinorTick','on','DefaultAxesYminorTick','on');

%Plot the first two lines with plotyy
[ax,hlines(1),hlines(2)] = plotyy(x1,y1,x2,y2);
cfig = get(gcf,'color');
pos = [0.1  0.1  0.7  0.8];
offset = pos(3)/5.5;

%Reduce width of the two axes generated by plotyy
pos(3) = pos(3) - offset/2;
set(ax,'position',pos);

%Determine the position of the third axes
pos3=[pos(1) pos(2) pos(3)+offset pos(4)];

%Determine the proper x-limits for the third axes
limx1=get(ax(1),'xlim');
limx3=[limx1(1)   limx1(1) + 1.2*(limx1(2)-limx1(1))];
ax(3)=axes('Position',pos3,'box','off',...
    'Color','none','XColor','k','YColor','r',...
    'xtick',[],'xlim',limx3,'yaxislocation','right');

hlines(3) = line(x3,y3,'Color','r','Parent',ax(3));
limy3=get(ax(3),'YLim');

%Hide unwanted portion of the x-axis line that lies
%between the end of the second and third axes
line([limx1(2) limx3(2)],[limy3(1) limy3(1)],...
    'Color',cfig,'Parent',ax(3),'Clipping','off');
axes(ax(2))

%Label all three y-axes
set(get(ax(1),'ylabel'),'string',ylabels{1})
set(get(ax(2),'ylabel'),'string',ylabels{2})
set(get(ax(3),'ylabel'),'string',ylabels{3})

统计数据分布情况函数

该函数输入两个需要统计的向量，例如发动机转速随时间变化的向量和转矩随时间变化的向量，然后输入需要给出需要统计数据分布的类型，包括 ‘energy’ 和 ‘time’ 两种情况，分别代表能量分布和时间分布情况。
既然该函数是统计两个向量数据的分布情况，必然对这两个向量组成的xy平面进行划分，默认分别对x，y向量划分20块，然后统计划分xy后每一个小区域内的分布占比（时间或者能量占比）。因此该函数输出为x,y划分后的等间距向量x_index，y_index，以及统计分布情况 map_dens。利用这三个输出参数，即可绘制三维分布情况。

function [x_index,y_index,map_dens] = map_density_cal(x,y,type_dens)
% 初始化网格
N_x=20;
N_y=20;
x_index=linspace(min(x),max(x),N_x);
y_index=linspace(min(y),max(y),N_y);
x_radius=(x_index(2)-x_index(1))/2; % 每个 bin 
y_radius=(y_index(2)-y_index(1))/2;
map_dens = zeros(N_x,N_y);
% 计算密度网格
for cpt_x=1:N_x
    for cpt_y=1:N_y
        idx_count=find((x>=(x_index(cpt_x)-x_radius)) & (x<(x_index(cpt_x)+x_radius))&(y>=(y_index(cpt_y)-y_radius)) & (y<(y_index(cpt_y)+y_radius)));
        switch(type_dens)
            case('time')
                map_dens(cpt_x,cpt_y)=numel(idx_count)/numel(x)*100;
            case('energy')
                map_dens(cpt_x,cpt_y)=sum(abs(x(idx_count).*y(idx_count)))./sum(abs(x.*y))*100;
        end
    end
end

end