Matlab領(lǐng)域博客之家博主簡介985研究生Matlab領(lǐng)域科研開發(fā)者個(gè)人主頁Matlab領(lǐng)域代碼獲取方式CSDN Matlab領(lǐng)域—代碼獲取方式座右銘路漫漫其修遠(yuǎn)兮吾將上下而求索。更多Matlab物理應(yīng)用仿真內(nèi)容點(diǎn)擊①M(fèi)atlab物理應(yīng)用高階版②付費(fèi)專欄Matlab物理應(yīng)用進(jìn)階版③付費(fèi)專欄Matlab物理應(yīng)用初級(jí)版??關(guān)注CSDN Matlab領(lǐng)域更多資源等你來?一、 6自由度導(dǎo)彈制導(dǎo)、導(dǎo)航與控制模擬6DOF 導(dǎo)彈模型同時(shí)描述導(dǎo)彈質(zhì)心平動(dòng) 3 自由度 繞質(zhì)心轉(zhuǎn)動(dòng) 3 自由度相比 3DOF 只考慮彈道質(zhì)點(diǎn)模型能夠真實(shí)模擬姿態(tài)振蕩、舵面操縱、氣動(dòng)力矩、耦合動(dòng)力學(xué)、失穩(wěn)、迎角限制、舵機(jī)飽和等真實(shí)物理效應(yīng)是高精度 GNC 仿真的標(biāo)準(zhǔn)模型。GNC 系統(tǒng)劃分導(dǎo)航 Navigation利用慣性測(cè)量 IMU 解算導(dǎo)彈當(dāng)前位置、速度、姿態(tài)導(dǎo)航狀態(tài)制導(dǎo) Guidance根據(jù)目標(biāo)信息與導(dǎo)航狀態(tài)生成期望姿態(tài) / 過載指令控制 Control姿態(tài)控制系統(tǒng) ACS驅(qū)動(dòng)舵面跟蹤制導(dǎo)指令穩(wěn)定導(dǎo)彈姿態(tài)完整仿真閉環(huán)動(dòng)力學(xué) → IMU 傳感器模型 → 導(dǎo)航解算 → 制導(dǎo)算法 → 姿態(tài)控制 → 舵機(jī) → 氣動(dòng)力 / 力矩 → 動(dòng)力學(xué)更新?二、部分源代碼和運(yùn)行步驟1 部分代碼2 通用運(yùn)行步驟1直接運(yùn)行main.m即可一鍵出圖?三、運(yùn)行結(jié)果?四、matlab版本及參考文獻(xiàn)1 matlab版本2019b2 參考文獻(xiàn)[1] 門云閣.MATLAB物理計(jì)算與可視化[M].清華大學(xué)出版社2013.3 備注簡介此部分摘自互聯(lián)網(wǎng)僅供參考若侵權(quán)聯(lián)系刪除 仿真咨詢1 各類智能優(yōu)化算法改進(jìn)及應(yīng)用1.1 PID優(yōu)化1.2 VMD優(yōu)化1.3 配電網(wǎng)重構(gòu)1.4 三維裝箱1.5 微電網(wǎng)優(yōu)化1.6 優(yōu)化布局1.7 優(yōu)化參數(shù)1.8 優(yōu)化成本1.9 優(yōu)化充電1.10 優(yōu)化調(diào)度1.11 優(yōu)化電價(jià)1.12 優(yōu)化發(fā)車1.13 優(yōu)化分配1.14 優(yōu)化覆蓋1.15 優(yōu)化控制1.16 優(yōu)化庫存1.17 優(yōu)化路由1.18 優(yōu)化設(shè)計(jì)1.19 優(yōu)化位置1.20 優(yōu)化吸波1.21 優(yōu)化選址1.22 優(yōu)化運(yùn)行1.23 優(yōu)化指派1.24 優(yōu)化組合1.25 車間調(diào)度1.26 生產(chǎn)調(diào)度1.27 經(jīng)濟(jì)調(diào)度1.28 裝配線調(diào)度1.29 水庫調(diào)度1.30 貨位優(yōu)化1.31 公交排班優(yōu)化1.32 集裝箱船配載優(yōu)化1.33 水泵組合優(yōu)化1.34 醫(yī)療資源分配優(yōu)化1.35 可視域基站和無人機(jī)選址優(yōu)化2 機(jī)器學(xué)習(xí)和深度學(xué)習(xí)分類與預(yù)測(cè)2.1 機(jī)器學(xué)習(xí)和深度學(xué)習(xí)分類2.1.1 BiLSTM雙向長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)分類2.1.2 BP神經(jīng)網(wǎng)絡(luò)分類2.1.3 CNN卷積神經(jīng)網(wǎng)絡(luò)分類2.1.4 DBN深度置信網(wǎng)絡(luò)分類2.1.5 DELM深度學(xué)習(xí)極限學(xué)習(xí)機(jī)分類2.1.6 ELMAN遞歸神經(jīng)網(wǎng)絡(luò)分類2.1.7 ELM極限學(xué)習(xí)機(jī)分類2.1.8 GRNN廣義回歸神經(jīng)網(wǎng)絡(luò)分類2.1.9 GRU門控循環(huán)單元分類2.1.10 KELM混合核極限學(xué)習(xí)機(jī)分類2.1.11 KNN分類2.1.12 LSSVM最小二乘法支持向量機(jī)分類2.1.13 LSTM長短時(shí)記憶網(wǎng)絡(luò)分類2.1.14 MLP全連接神經(jīng)網(wǎng)絡(luò)分類2.1.15 PNN概率神經(jīng)網(wǎng)絡(luò)分類2.1.16 RELM魯棒極限學(xué)習(xí)機(jī)分類2.1.17 RF隨機(jī)森林分類2.1.18 SCN隨機(jī)配置網(wǎng)絡(luò)模型分類2.1.19 SVM支持向量機(jī)分類2.1.20 XGBOOST分類2.2 機(jī)器學(xué)習(xí)和深度學(xué)習(xí)預(yù)測(cè)2.2.1 ANFIS自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2.2.2 ANN人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2.2.3 ARMA自回歸滑動(dòng)平均模型預(yù)測(cè)2.2.4 BF粒子濾波預(yù)測(cè)2.2.5 BiLSTM雙向長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2.2.6 BLS寬度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2.2.7 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2.2.8 CNN卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2.2.9 DBN深度置信網(wǎng)絡(luò)預(yù)測(cè)2.2.10 DELM深度學(xué)習(xí)極限學(xué)習(xí)機(jī)預(yù)測(cè)2.2.11 DKELM回歸預(yù)測(cè)2.2.12 ELMAN遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2.2.13 ELM極限學(xué)習(xí)機(jī)預(yù)測(cè)2.2.14 ESN回聲狀態(tài)網(wǎng)絡(luò)預(yù)測(cè)2.2.15 FNN前饋神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2.2.16 GMDN預(yù)測(cè)2.2.17 GMM高斯混合模型預(yù)測(cè)2.2.18 GRNN廣義回歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2.2.19 GRU門控循環(huán)單元預(yù)測(cè)2.2.20 KELM混合核極限學(xué)習(xí)機(jī)預(yù)測(cè)2.2.21 LMS最小均方算法預(yù)測(cè)2.2.22 LSSVM最小二乘法支持向量機(jī)預(yù)測(cè)2.2.23 LSTM長短時(shí)記憶網(wǎng)絡(luò)預(yù)測(cè)2.2.24 RBF徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2.2.25 RELM魯棒極限學(xué)習(xí)機(jī)預(yù)測(cè)2.2.26 RF隨機(jī)森林預(yù)測(cè)2.2.27 RNN循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2.2.28 RVM相關(guān)向量機(jī)預(yù)測(cè)2.2.29 SVM支持向量機(jī)預(yù)測(cè)2.2.30 TCN時(shí)間卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2.2.31 XGBoost回歸預(yù)測(cè)2.2.32 模糊預(yù)測(cè)2.2.33 奇異譜分析方法SSA時(shí)間序列預(yù)測(cè)2.3 機(jī)器學(xué)習(xí)和深度學(xué)習(xí)實(shí)際應(yīng)用預(yù)測(cè)CPI指數(shù)預(yù)測(cè)、PM2.5濃度預(yù)測(cè)、SOC預(yù)測(cè)、財(cái)務(wù)預(yù)警預(yù)測(cè)、產(chǎn)量預(yù)測(cè)、車位預(yù)測(cè)、蟲情預(yù)測(cè)、帶鋼厚度預(yù)測(cè)、電池健康狀態(tài)預(yù)測(cè)、電力負(fù)荷預(yù)測(cè)、房價(jià)預(yù)測(cè)、腐蝕率預(yù)測(cè)、故障診斷預(yù)測(cè)、光伏功率預(yù)測(cè)、軌跡預(yù)測(cè)、航空發(fā)動(dòng)機(jī)壽命預(yù)測(cè)、匯率預(yù)測(cè)、混凝土強(qiáng)度預(yù)測(cè)、加熱爐爐溫預(yù)測(cè)、價(jià)格預(yù)測(cè)、交通流預(yù)測(cè)、居民消費(fèi)指數(shù)預(yù)測(cè)、空氣質(zhì)量預(yù)測(cè)、糧食溫度預(yù)測(cè)、氣溫預(yù)測(cè)、清水值預(yù)測(cè)、失業(yè)率預(yù)測(cè)、用電量預(yù)測(cè)、運(yùn)輸量預(yù)測(cè)、制造業(yè)采購經(jīng)理指數(shù)預(yù)測(cè)3 圖像處理方面3.1 圖像邊緣檢測(cè)3.2 圖像處理3.3 圖像分割3.4 圖像分類3.5 圖像跟蹤3.6 圖像加密解密3.7 圖像檢索3.8 圖像配準(zhǔn)3.9 圖像拼接3.10 圖像評(píng)價(jià)3.11 圖像去噪3.12 圖像融合3.13 圖像識(shí)別3.13.1 表盤識(shí)別3.13.2 車道線識(shí)別3.13.3 車輛計(jì)數(shù)3.13.4 車輛識(shí)別3.13.5 車牌識(shí)別3.13.6 車位識(shí)別3.13.7 尺寸檢測(cè)3.13.8 答題卡識(shí)別3.13.9 電器識(shí)別3.13.10 跌倒檢測(cè)3.13.11 動(dòng)物識(shí)別3.13.12 二維碼識(shí)別3.13.13 發(fā)票識(shí)別3.13.14 服裝識(shí)別3.13.15 漢字識(shí)別3.13.16 紅綠燈識(shí)別3.13.17 虹膜識(shí)別3.13.18 火災(zāi)檢測(cè)3.13.19 疾病分類3.13.20 交通標(biāo)志識(shí)別3.13.21 卡號(hào)識(shí)別3.13.22 口罩識(shí)別3.13.23 裂縫識(shí)別3.13.24 目標(biāo)跟蹤3.13.25 疲勞檢測(cè)3.13.26 旗幟識(shí)別3.13.27 青草識(shí)別3.13.28 人臉識(shí)別3.13.29 人民幣識(shí)別3.13.30 身份證識(shí)別3.13.31 手勢(shì)識(shí)別3.13.32 數(shù)字字母識(shí)別3.13.33 手掌識(shí)別3.13.34 樹葉識(shí)別3.13.35 水果識(shí)別3.13.36 條形碼識(shí)別3.13.37 溫度檢測(cè)3.13.38 瑕疵檢測(cè)3.13.39 芯片檢測(cè)3.13.40 行為識(shí)別3.13.41 驗(yàn)證碼識(shí)別3.13.42 藥材識(shí)別3.13.43 硬幣識(shí)別3.13.44 郵政編碼識(shí)別3.13.45 紙牌識(shí)別3.13.46 指紋識(shí)別3.14 圖像修復(fù)3.15 圖像壓縮3.16 圖像隱寫3.17 圖像增強(qiáng)3.18 圖像重建4 路徑規(guī)劃方面4.1 旅行商問題TSP4.1.1 單旅行商問題TSP4.1.2 多旅行商問題MTSP4.2 車輛路徑問題VRP4.2.1 車輛路徑問題VRP4.2.2 帶容量的車輛路徑問題CVRP4.2.3 帶容量時(shí)間窗距離車輛路徑問題DCTWVRP4.2.4 帶容量距離車輛路徑問題DCVRP4.2.5 帶距離的車輛路徑問題DVRP4.2.6 帶充電站時(shí)間窗車輛路徑問題ETWVRP4.2.3 帶多種容量的車輛路徑問題MCVRP4.2.4 帶距離的多車輛路徑問題MDVRP4.2.5 同時(shí)取送貨的車輛路徑問題SDVRP4.2.6 帶時(shí)間窗容量的車輛路徑問題TWCVRP4.2.6 帶時(shí)間窗的車輛路徑問題TWVRP4.3 多式聯(lián)運(yùn)運(yùn)輸問題4.4 機(jī)器人路徑規(guī)劃4.4.1 避障路徑規(guī)劃4.4.2 迷宮路徑規(guī)劃4.4.3 柵格地圖路徑規(guī)劃4.5 配送路徑規(guī)劃4.5.1 冷鏈配送路徑規(guī)劃4.5.2 外賣配送路徑規(guī)劃4.5.3 口罩配送路徑規(guī)劃4.5.4 藥品配送路徑規(guī)劃4.5.5 含充電站配送路徑規(guī)劃4.5.6 連鎖超市配送路徑規(guī)劃4.5.7 車輛協(xié)同無人機(jī)配送路徑規(guī)劃4.6 無人機(jī)路徑規(guī)劃4.6.1 飛行器仿真4.6.2 無人機(jī)飛行作業(yè)4.6.3 無人機(jī)軌跡跟蹤4.6.4 無人機(jī)集群仿真4.6.5 無人機(jī)三維路徑規(guī)劃4.6.6 無人機(jī)編隊(duì)4.6.7 無人機(jī)協(xié)同任務(wù)4.6.8 無人機(jī)任務(wù)分配5 語音處理5.1 語音情感識(shí)別5.2 聲源定位5.3 特征提取5.4 語音編碼5.5 語音處理5.6 語音分離5.7 語音分析5.8 語音合成5.9 語音加密5.10 語音去噪5.11 語音識(shí)別5.12 語音壓縮5.13 語音隱藏6 元胞自動(dòng)機(jī)方面6.1 元胞自動(dòng)機(jī)病毒仿真6.2 元胞自動(dòng)機(jī)城市規(guī)劃6.3 元胞自動(dòng)機(jī)交通流6.4 元胞自動(dòng)機(jī)氣體6.5 元胞自動(dòng)機(jī)人員疏散6.6 元胞自動(dòng)機(jī)森林火災(zāi)6.7 元胞自動(dòng)機(jī)生命游戲7 信號(hào)處理方面7.1 故障信號(hào)診斷分析7.1.1 齒輪損傷識(shí)別7.1.2 異步電機(jī)轉(zhuǎn)子斷條故障診斷7.1.3 滾動(dòng)體內(nèi)外圈故障診斷分析7.1.4 電機(jī)故障診斷分析7.1.5 軸承故障診斷分析7.1.6 齒輪箱故障診斷分析7.1.7 三相逆變器故障診斷分析7.1.8 柴油機(jī)故障診斷7.2 雷達(dá)通信7.2.1 FMCW仿真7.2.2 GPS抗干擾7.2.3 雷達(dá)LFM7.2.4 雷達(dá)MIMO7.2.5 雷達(dá)測(cè)角7.2.6 雷達(dá)成像7.2.7 雷達(dá)定位7.2.8 雷達(dá)回波7.2.9 雷達(dá)檢測(cè)7.2.10 雷達(dá)數(shù)字信號(hào)處理7.2.11 雷達(dá)通信7.2.12 雷達(dá)相控陣7.2.13 雷達(dá)信號(hào)分析7.2.14 雷達(dá)預(yù)警7.2.15 雷達(dá)脈沖壓縮7.2.16 天線方向圖7.2.17 雷達(dá)雜波仿真7.3 生物電信號(hào)7.3.1 肌電信號(hào)EMG7.3.2 腦電信號(hào)EEG7.3.3 心電信號(hào)ECG7.3.4 心臟仿真7.4 通信系統(tǒng)7.4.1 DOA估計(jì)7.4.2 LEACH協(xié)議7.4.3 編碼譯碼7.4.4 變分模態(tài)分解7.4.5 超寬帶仿真7.4.6 多徑衰落仿真7.4.7 蜂窩網(wǎng)絡(luò)7.4.8 管道泄漏7.4.9 經(jīng)驗(yàn)?zāi)B(tài)分解7.4.10 濾波器設(shè)計(jì)7.4.11 模擬信號(hào)傳輸7.4.12 模擬信號(hào)調(diào)制7.4.13 數(shù)字基帶信號(hào)7.4.14 數(shù)字信道7.4.15 數(shù)字信號(hào)處理7.4.16 數(shù)字信號(hào)傳輸7.4.17 數(shù)字信號(hào)去噪7.4.18 水聲通信7.4.19 通信仿真7.4.20 無線傳輸7.4.21 誤碼率仿真7.4.22 現(xiàn)代通信7.4.23 信道估計(jì)7.4.24 信號(hào)檢測(cè)7.4.25 信號(hào)融合7.4.26 信號(hào)識(shí)別7.4.27 壓縮感知7.4.28 噪聲仿真7.4.29 噪聲干擾7.5 無人機(jī)通信7.6 無線傳感器定位及布局方面7.6.1 WSN定位7.6.2 高度預(yù)估7.6.3 濾波跟蹤7.6.4 目標(biāo)定位7.6.4.1 Dv-Hop定位7.6.4.2 RSSI定位7.6.4.3 智能算法優(yōu)化定位7.6.5 組合導(dǎo)航8 電力系統(tǒng)方面微電網(wǎng)優(yōu)化、無功優(yōu)化、配電網(wǎng)重構(gòu)、儲(chǔ)能配置