用来描述点云局部特征的快速点特征直方图(FPFH)算法的matlab实现

本程序为电动汽车充电的模拟退火PSO算法。并且加入了高斯变异++考虑用户侧满意度、电动汽车建模的概率性。

matlab/simulink在研究中会使用User-difinition s-function或者调用c,c++的库函数，这时候就需要matlab能进行c，c++以及fortran语言的编译。 但是matlab本身是没有包含上述语言的编译器，因此通常需要安装MinGW，至于是w64还是w32要根据具体系统由于官网在线下载速度慢，常常出现下载失败的情况，下载花了半天时间，教训惨痛。采用MinGW64 Compiler (C)离线安装包安装，方便快捷。

BP-PID程序 非常实用 可以直接运行，本人设计控制器多次用它

本设计采用stm32c8t6进行开发，功能大概为通过光电传感器采集车周边信息给单片机，单片机根据采集到的信息作出分析控制小车进行运动来进行s型擦桌子，同时新添自动定时洒水功能。时间有限，只经过初步测试，有需要可以参考一下，有机会会继续优化更新。内容附上原理图，程序以及解释文档

用MATLAB实现了基于sift的数字图像复制粘贴检测

倒立摆LQR控制仿真,包含实验报告及程序。

充分了解数学建模的相关知识，其中包括各种算法以及MATLAB在数学建模中的具体应用以及相关的程序代码，综合各方面的知识，方便我们了解例如线性规划maxx s.t. Ax>b的Maab标准型为min -cx s.Axcx∑anx,=bi=12,…,mst≥可行解满足约束条件(4)的解x=(x1,x2,…,xn),称为线性规划问题的可行解,而使目标函数(3)达到最大值的可行解叫最优解可行域所有可行解构成的集合称为问题的可行域,记为R14线性规划的图解法101+x2=106z=12图1线性规划的图解示意图图解法简单直观,有助」了解线性规划问题求解的基木原坦。我们先应用图解法来求解例1。对于每一固定的值z,使目标函数值等于z的点构成的直线称为目标函数等位线,当z变动时,我们得到一族平行直线。对于例1,显然等位线截趋于右上方,其上的点具有越大的目标函数值。不难看出,本例的最优解为x*=(2,6),最优目标值26从上面的图解过程可以看出并不难证明以下断言:(1)可行域R可能会出现多种情况。R可能是空集也可能是非空集合,当R非空时,它必定是若干个半平面的交集(除非遇到空间维数的退化)。R既可能是有界区域,也可能是无界区域(2)在R非空,线性规划既可以存在有限最优解,也可以不存在有限最优解(其目标函数值无界)。(3)若线性规划存在有限最优解,则必可找到具有最优目标函数值的可行域R的“顶点”。上述论断可以推广到一般的线性规划问题,区别只在」空问的维数。在一般的n维空间中,满足一线性等式∑a1x=b的点集被称为一个超平面,而满足一线性不等式氵=1∑ax≤b(或∑a1x,≥b)的点集被称为一个半空间(其中(a1…,an)为一n维行向量,b为一实数)。若千个半空间的交集被称为多胞形,有界的多胞形又被称为多面体。易见,线性规划的可行域必为多胞形(为统一起见,空集Φ也被λ为多胞形)。在一般n维空问中,要直接得出多胞形“顶点”概念还有一些困难。二维空间中的顶点可以看成为边界直线的交点,但这一几何概念的推广在一般n维空间中的几何意义并不十分直观。为此,我们将采用另一途径来定义它。定义1称n维空间中的区域R为一凸集,若Vx,x2∈R及元∈(01),有x+(1-4)x2∈R定义2设R为n维空间中的一个凸集,R中的点x被称为R的一个极点,若不存在x、x2∈R及∈(0,1),使得x=4x+(1-4)x2。定义1说明凸集中任意两点的连线必在此凸集中;而定义2说明,若x是凸集R的个极点,则x不能位于R中任意两点的连线上。不难证明,多胞形必为凸集。同样也不难证明,维空间中可行域R的顶点均为R的极点(R也没有其它的极点)1.5求解线性规划的 Matlab解法单纯形法是求解线性规划问题的最常用、最有效的算法之一。这里我们就不介绍单纯形法,有兴趣的读者可以参看其它线性规划书籍。下面我们介绍线性规划的 Matlab解法Matlab中线性规划的标准型为min c rAx shs t.Aeq. x=beb

基于矢量控制的双闭环异步电动机控制，控制转速与磁链，matlab中的simulink环境下仿真。

用matlab写的aloha防碰撞算法，涉及到吞吐量，数据包的数量，成功的数量，进行一个直观的分析。

结合工程应用的广泛性和集中性，将全书分为控制、通信、电力电子、结构、热、图像和逻辑七大部分，每一部分通过4～6个实例讲述MATLAB在某一个特定领域的工程应用。