matlab课程设计报告题目,matlab课程设计题目(全)

matlab课程设计题目(全)

Matalab课后作业学 院:电气信息工程及其自动化班 级: 学 号: 姓 名: 完成日期: 2012年12月23日 1、 matlab软件主要功能是什么?电气工程及其自动化专业本科生主要用到哪些工具箱,各有什么功能?答:(1)主要功能:工业研究与开发; 数学教学,特别是线性代数;数值分析和科学计算方面的教学与研究;电子学、控制理论和物理学等工程和科学学科方面的教学与研究; 经济学、化学和生物学等计算问题的所有其他领域中的教学与研究;符号计算功能;优化工具;数据分析和可视化功能;“活”笔记本功能;工具箱;非线性动态系统建模和仿真功能。(2)常用工具箱:(a) MATLAB主工具箱:扩充matlab的数值计算、符号运算功能、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。(b)符号数学工具箱:符号表达式、符号矩阵的创建;符号可变精度求解;因式分解、展开和简化;符号代数方程求解;符号微积分;符号微分方程。(c) SIMULINK仿真工具箱: Simulink是用于动态系统和嵌入式系统的多领域仿真和基于模型的设计工具。对各种时变系统,包括通讯、控制、信号处理、视频处理和图像处理系统,Simulink提供了交互式图形化环境和可定制模块库来对其进行设计、仿真、执行和测试。(d)信号处理工具箱:数字和模拟滤波器设计、应用及仿真;谱分析和估计;FFT、DCT等变换;参数化模型。(e)控制系统工具箱:连续系统设计和离散系统设计;状态空间和传递函数以及模型转换;时域响应(脉冲响应、阶跃响应、斜坡响应);频域响应(Bode图、Nyquist图);根轨迹、极点配置。2、设y=esin(4t+),要求以0.01秒为间隔,求出y的151个点,并求出其导数的值和曲线。程序如下:clcclearx=0:0.01:1.5;y=sqrt(3)/2*exp(-4*x).*sin(4*sqrt(3)*x+pi/3);y1=diff(y);subplot(2,1,1)plot(x,y)subplot(2,1,2)plot(x(1:150),y1)曲线如下图所示:3、设A是一个维数为mn的矩阵。采用两种方法,计算矩阵A中有多少个零元素。方法一:clearA=input(input a number)m,n=size(A);count=0;for i=1:1:mfor j=1:1:nif A(i,j)=0count=count+1;endendend方法二:clearA=input(input a number)m,n=size(A);count=0;B=A(:);i=1;j=m*n;while i=jif B(i)=0count=count+1;end i=i+1;end4、编写一个函数,使其能产生如下的分段函数:fx=0.5x x21.5-0.25x 2x60.5 6x,并调用该函数绘制在x=0,2范围的f(x)f(x+2)的曲线。程序为:clearfunction y=f(x)if(x=2)y=0.5*x;elseif 2x=6y=1.5-0.25*x;elsey=0.5;end函数调用为:x=0:0.02:2;plot(x,f(x).*f(x+2),b:*);axis(0 2 0 0.8);title(图一 曲线图形);legend(f(x).*f(x+2);grid on;所得图形为右图所示:5、给定初始值,在matalab/simulink对以下系统进行仿真,并采用plot3函数绘制三维状态曲线图X1=(X2-h(X1)X2=X1-X2+X3 X3=-X3 ,其中非线性hX1=m1X1+0.5m0-m1(X1+1-X1-1),参数为m0=-17,m1=27,=9,=14.28 其模型如下图所示:其中,Subsystem模块如下:程序如下:function syfx0=0.3;0.4;0.1;t,x=ode45(g.0,100,x0);plot3(x(:,1),x(:,3),x(:,2)function dx=g(t,x)m0=-1/7;m1=2/7;a=9;b=14.28;dx=a*(x(2)-(m1*x(1)+0.5*(m0-m1)*(abs(x(1)+1-abs(x(1)-1);x(1)-x(2)+x(3);-b*x(2);6、有个皮球以20米/秒的速度从15米高的地方落下,建立显示球弹跳轨迹的模型,并基于Matlab/Simulink仿真弹跳过程,绘制弹跳轨迹。注意必须使用Simulink的基本模块搭建仿真模型。其模型如下图所示:示波器显示如下图所示

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这里给出一个基于 MATLAB课程设计题目以及对应的程序,仅供参考: 题目:使用 MATLAB 实现一个简单的人脸识别系统。 程序: 首先需要准备一个包含多个人脸图像的数据集,可以使用已有的数据集或者自己收集并处理。 1. 读入数据集并进行预处理 ```matlab faceDataset = imageDatastore('faceDatasetPath', 'IncludeSubfolders', true, 'LabelSource', 'foldernames'); [trainingDataset, validationDataset] = splitEachLabel(faceDataset, 0.8, 'randomized'); imageSize = [224 224]; inputLayer = imageInputLayer(imageSize); numClasses = numel(categories(faceDataset.Labels)); augmentedTrainingDataset = augmentedImageDatastore(imageSize, trainingDataset, 'ColorPreprocessing', 'gray2rgb'); augmentedValidationDataset = augmentedImageDatastore(imageSize, validationDataset, 'ColorPreprocessing', 'gray2rgb'); ``` 2. 定义卷积神经网络模型 ```matlab layers = [ inputLayer convolution2dLayer(3, 16, 'Padding', 'same') batchNormalizationLayer reluLayer maxPooling2dLayer(2, 'Stride', 2) convolution2dLayer(3, 32, 'Padding', 'same') batchNormalizationLayer reluLayer maxPooling2dLayer(2, 'Stride', 2) convolution2dLayer(3, 64, 'Padding', 'same') batchNormalizationLayer reluLayer maxPooling2dLayer(2, 'Stride', 2) fullyConnectedLayer(numClasses) softmaxLayer classificationLayer]; ``` 3. 训练模型 ```matlab options = trainingOptions('adam', ... 'MiniBatchSize', 32, ... 'MaxEpochs', 10, ... 'InitialLearnRate', 1e-4, ... 'ValidationData', augmentedValidationDataset, ... 'ValidationFrequency', 30, ... 'ValidationPatience', Inf, ... 'Verbose', false, ... 'Plots', 'training-progress'); trainedNet = trainNetwork(augmentedTrainingDataset, layers, options); ``` 4. 使用训练好的模型进行人脸识别 ```matlab testImage = imread('testImagePath'); testImage = imresize(testImage, imageSize(1:2)); testImage = imadjust(testImage); predictedLabel = classify(trainedNet, testImage); imshow(testImage) title(['Predicted: ', char(predictedLabel)]) ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值