当前位置: 首页 > news >正文

MATLAB(Octave)混电动力能耗评估

🎯要点

  1. 处理电动和混动汽车能耗的后向和前向算法模型(simulink),以及图形函数、后处理函数等实现。
  2. 构建储能元数据信息:电池标称特性、电池标识符等以及静止、恒定电流和恒定电压等特征阶段。
  3. 使用电流脉冲或要识别的等效电路模型类型配置阻抗分析。
  4. 依据恒定电压阶段相关或不相关的恒定电流阶段等,分析电池的特征量。

🍪语言内容分比

在这里插入图片描述
在这里插入图片描述

🍇MATLAB电路分析

假设我们要绘制以下三个函数:
v 1 ( t ) = 5 cos ⁡ ( 2 t + 45 deg.  ) v 2 ( t ) = 2 exp ⁡ ( − t / 2 ) v 3 ( t ) = 10 exp ⁡ ( − t / 2 ) cos ⁡ ( 2 t + 45 deg.  ) \begin{aligned} & v_1(t)=5 \cos (2 t+45 \text { deg. }) \\ & v_2(t)=2 \exp (-t / 2) \\ & v_3(t)=10 \exp (-t / 2) \cos (2 t+45 \text { deg. }) \end{aligned} v1(t)=5cos(2t+45 deg. )v2(t)=2exp(t/2)v3(t)=10exp(t/2)cos(2t+45 deg. )
以下是允许我们执行此操作的 MATLAB 命令序列。这不是一组唯一的命令。

>> t=0:0.1:10;
>> v1=5*cos(2*t+0.7854);
>> taxis=0.000000001*t;
>> plot(t,taxis,'w',t,v1,'r')
>> grid
>> hold on
>> v2=2*exp(-t/2);
>> plot (t,v2,'g')
>> v3=10*exp(-t/2).*cos(2*t+0.7854);
>> plot (t,v3,'b')
>> title('Example 1 -- Plot of v1(t), v2(t) and v3(t)')
>> xlabel ('Time in seconds')
>> ylabel ('Voltage in volts')
>> text (6,6,'v1(t)')
>> text (4.25,-1.25,'v2(t)')
>> text (1,1.75,'v3(t)')

在 MATLAB 中处理复数很容易。MATLAB 使用矩形表示。要输入复数,请在提示符下键入:

EDU>>z = a +bj or a + bi

要找到 z 的大小和角度,请使用 abs()angle () 函数。

Mag = abs(z) Angle = angle(z)

angle 函数以弧度表示角度。要转换为度数,您可以使用:

angle_deg = angle(z)*180/pi

在 MATLAB 中输入:V = (5+9j)*(7+j)/(3-2j)

Magn_V = abs(V)

要查找复数 z 的实部和虚部,请输入:

real_z=real(z) imag_z=imag(z)

假设您有以下两个线性复杂方程,其中未知数为 I1 和 I2:
( 600 + 1250 j ) I 1 + 100 j . I 2 = 25 100 j . I 1 + ( 60 − 150 j ) ⋅ I 2 = 0 \begin{aligned} & (600+1250 j) I 1+100 j . I 2=25 \\ & 100 j . I 1+(60-150 j) \cdot I 2=0 \end{aligned} (600+1250j)I1+100j.I2=25100j.I1+(60150j)I2=0
这可以写成矩阵形式:A.I = B。要在 MATLAB 中解决这个问题,可以使用矩阵左除运算符:

I = A\B

或者也可以使用以下命令:I = inv(A)*B

MATLAB代码如下:

EDU»A=[600+1250j 100j;100j 60-150j];
EDU»B=[25;0];
EDU»I=A\B
I =0.0074 - 0.0156i
0.0007 - 0.0107iEDU»MAGN=abs(I)MAGN =0.0173
0.0107EDU»ANGLE=angle(I)*180/piANGLE =-64.5230
-86.3244

使用 abs() 运算符来查找复数的幅度,使用 angle() 运算符来查找角度(以弧度为单位)。为了得到以度为单位的结果,我们将角度乘以 180/pi,如上所示。

求下列形式的多项式的根:
A = a m s m + a m − 1 s m − 1 + a m − 2 s m − 2 + … a 1 s 1 + a 0 A=a_m s^m+a_{m-1} s^{m-1}+a_{m-2} s^{m-2}+\ldots a_1 s^1+a_0 A=amsm+am1sm1+am2sm2+a1s1+a0
定义多项式如下:A = [ am am-1 am-2 ... a1 a0];

例如: A = 4 s 2 + 12 s + 1 A=4 s^2+12 s+1 A=4s2+12s+1

>> A=[4 12 1];
>> roots(A)ans =
-2.9142
-0.0858

A = 5 s 2 + 3 s + 2 A=5 s^2+3 s+2 A=5s2+3s+2

>> A=[5 3 2];
>> roots(A)ans =
-0.3000 + 0.5568i
-0.3000 - 0.5568i

当传递函数指定为两个多项式的比率时,使用 Bode 命令。
H ( s ) = N ( s ) D ( s ) = a m s m + a m − 1 s m − 1 + … a 1 s 1 + a 0 b n s n + b n − 1 s n m − 1 + … b 1 s 1 + b 0 H(s)=\frac{N(s)}{D(s)}=\frac{a_m s^m+a_{m-1} s^{m-1}+\ldots a_1 s^1+a_0}{b_n s^n+b_{n-1} s^{n m-1}+\ldots b_1 s^1+b_0} H(s)=D(s)N(s)=bnsn+bn1snm1+b1s1+b0amsm+am1sm1+a1s1+a0
在 MATLAB 中,指定 D 和 N:

num = [am am-1 ... a1 ao] den = [bn bn-1 ... b1 bo]

要绘制传递函数(幅度和相位),请输入:bode (num, den)

例如:
H ( s ) = ( 0.5 s + 1 ) / ( 1 E − 4 s 2 + 0.01 s + 1 ) H(s)=(0.5 s+1) /\left(1 E-4 s^2+0.01 s+1\right) H(s)=(0.5s+1)/(1E4s2+0.01s+1)

num = [0.5 1];
den = [1e-4 0.01 1] ;bode (num, den)

当给定极点和零点时绘制传递函数:
H ( s ) = K ( s + s 1 ) ( s + s 2 ) ( 1 + a s + b s 2 ) / ( s + s 3 ) ( s + s 4 ) ( 1 + c s + d s 2 ) H(s)=K(s+s 1)(s+s 2)\left(1+as+bs^2\right) /(s+s 3)(s+s 4)\left(1+cs+ds^2\right) H(s)=K(s+s1)(s+s2)(1+as+bs2)/(s+s3)(s+s4)(1+cs+ds2)
例如:
H ( s ) = 72 x ( s + 2 ) / s ( s + 50 ) ( s + 250 ) ( s + 1000 ) ( s 2 + 2.4 s + 144 ) H(s)=72 x(s+2) / s(s+50)(s+250)(s+1000)\left(s^2+2.4 s+144\right) H(s)=72x(s+2)/s(s+50)(s+250)(s+1000)(s2+2.4s+144)
首先找到分母为 s(s+50)(s+250)(s+1000) 对应的多项式的系数:

rootsd1=[0; -50; -250; -1000 ];
d1=poly(rootsd1);

👉更新:亚图跨际

相关文章:

MATLAB(Octave)混电动力能耗评估

🎯要点 处理电动和混动汽车能耗的后向和前向算法模型(simulink),以及图形函数、后处理函数等实现。构建储能元数据信息:电池标称特性、电池标识符等以及静止、恒定电流和恒定电压等特征阶段。使用电流脉冲或要识别的等效电路模型类型配置阻抗…...

opencv学习:人脸识别器特征提取BPHFaceRecognizer_create算法的使用

BPHFaceRecognizer_create算法 在OpenCV中,cv2.face.LBPHFaceRecognizer_create()函数用于创建一个局部二值模式直方图(Local Binary Patterns Histograms,简称LBPH)人脸识别器。LBPH是一种用于人脸识别的特征提取方法&#xff0…...

HTML+CSS总结【量大管饱】

文章目录 前言HTML总结语义化标签常用标签H5新的语义元素H5的媒体标签\<embed> 元素&#xff08;少用&#xff09;\<object>元素&#xff08;少用&#xff09;\<audio>\<video> 元素包含关系iframe元素嵌入flash内容常用表单inputselect CSS总结权重样…...

Android开发之Broadcast Receive(广播机制)其实开发如此简单

什么是BroadcastReceiver BroadcastReceiver&#xff08;广播接收器&#xff09;用于响应来自其他应用程序或者系统的广播消息。这些消息有时被称为事件或者意图。本质上来讲BroadcastReceiver是一个全局的监听器&#xff0c;隶属于Android四大组件之一。 使用场景 1、 不同…...

Chromium 中chrome.cookies扩展接口c++实现分析

chrome.cookies 使用 chrome.cookies API 查询和修改 Cookie&#xff0c;并在 Cookie 发生更改时收到通知。 更多参考官网定义&#xff1a;chrome.cookies | API | Chrome for Developers (google.cn) 本文以加载一个清理cookies功能扩展为例 https://github.com/Google…...

excel筛选多个单元格内容

通常情况下&#xff0c;excel单元格筛选时&#xff0c;只筛选一个条件&#xff0c;如果要筛选多个条件&#xff0c;可以如下操作&#xff1a; 字符串中间用空格分隔就行。...

Instant 和 Duration 类(进行时间处理)

Instant Instant 类是 Java 8 中引入的&#xff0c;用于表示一个具体的时间点&#xff0c;它基于 UTC&#xff08;协调世界时&#xff09;时区。以下是 Instant 类的一些常用方法及其简要说明&#xff1a; now()&#xff1a;获取当前的 Instant 对象&#xff0c;表示当前时间…...

Java每日面试题(Spring)(day19)

目录 Spring的优点什么是Spring AOP&#xff1f;AOP有哪些实现方式&#xff1f;JDK动态代理和CGLIB动态代理的区别&#xff1f;Spring AOP相关术语Spring通知有哪些类型&#xff1f;什么是Spring IOC&#xff1f;Spring中Bean的作用域有哪些&#xff1f;Spring中的Bean什么时候…...

【多线程】线程池(上)

文章目录 线程池基本概念线程池的优点线程池的特点 创建线程池自定义线程池线程池的工作原理线程池源码分析内置线程池newFixedThreadPoolSingleThreadExecutornewCachedThreadPoolScheduledThreadPool 线程池的核心线程是否会被回收?拒绝策略ThreadPoolExecutor.AbortPolicyT…...

ansible 语句+jinjia2+roles

文章目录 1、when语句1、判断表达式1、比较运算符2、逻辑运算符3、根据rc的返回值判断task任务是否执行成功5、通过条件判断路径是否存在6、in 2、when和其他关键字1、block关键字2、rescue关键字3、always关键字 3、ansible循环语句1、基于列表循环(whith_items)2、基于字典循…...

【Docker项目实战】使用Docker部署HumHub社交网络平台

【Docker项目实战】使用Docker部署HumHub社交网络平台 一、HumHub介绍1.1 HumHub简介1.2 HumHub特点1.3 主要使用场景二、本次实践规划2.1 本地环境规划2.2 本次实践介绍三、本地环境检查3.1 检查Docker服务状态3.2 检查Docker版本3.3 检查docker compose 版本四、下载HumHub镜…...

“医者仁术”再进化,AI让乳腺癌筛查迎难而上

世卫组织最新数据显示&#xff0c;我国肿瘤疾病仍然呈上升趋势&#xff0c;肿瘤防控形势依然比较严峻。尤其是像乳腺癌等发病率较高的疾病&#xff0c;早诊断和早治疗意义重大&#xff0c;能够有效降低病死率。 另一方面&#xff0c;中国地域广阔且发展不平衡&#xff0c;各地…...

安卓流式布局实现记录

效果图&#xff1a; 1、导入第三方控件 implementation com.google.android:flexbox:1.1.0 2、布局中使用 <com.google.android.flexbox.FlexboxLayoutandroid:id"id/baggageFl"android:layout_width"match_parent"android:layout_height"wrap_co…...

-bash gcc command not found解决方案(CentOS操作系统)

以 CentOS7 为例&#xff0c;执行以下语句 : yum install gcc如果下载不成功&#xff0c;并且网络没有问题。 执行以下语句 : cp -r /etc/yum.repos.d /etc/yum.repos.d.bakrm -f /etc/yum.repos.d/*.repocurl -o /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.…...

(二)Python输入输出函数

一、输入函数 input函数&#xff1a;用户输入的数据&#xff0c;以字符串形式返回&#xff1b;若需数值类型&#xff0c;则进行类型转换。 xinput("请入你喜欢的蔬菜&#xff1a;") print(x) 二、输出函数 print函数 输出单一数值 x666 print(x) 输出混合类型…...

从调用NCCL到深入NCCL源码

本小白目前研究GPU多卡互连的方案&#xff0c;主要参考NCCL和RCCL进行学习&#xff0c;如有错误&#xff0c;请及时指正&#xff01; 内容还在整理中&#xff0c;近期不断更新&#xff01;&#xff01; 背景介绍 在大模型高性能计算时会需要用到多卡&#xff08;GPU&#xf…...

深入理解Transformer的笔记记录(精简版本)NNLM → Word2Vec

文章的整体介绍顺序为&#xff1a; NNLM → Word2Vec → Seq2Seq → Seq2Seq with Attention → Transformer → Elmo → GPT → BERT 自然语言处理相关任务中要将自然语言交给机器学习中的算法来处理&#xff0c;通常需要将语言数学化&#xff0c;因为计算机机器只认数学符号…...

优选算法第一讲:双指针模块

优选算法第一讲&#xff1a;双指针模块 1.移动零2.复写零3.快乐数4.盛最多水的容器5.有效三角形的个数6.查找总价格为目标值的两个商品7.三数之和8.四数之和 1.移动零 链接: 移动零 下面是一个画图&#xff0c;其中&#xff0c;绿色部分标出的是重点&#xff1a; 代码实现&am…...

智能优化算法-水循环优化算法(WCA)(附源码)

目录 1.内容介绍 2.部分代码 3.实验结果 4.内容获取 1.内容介绍 水循环优化算法 (Water Cycle Algorithm, WCA) 是一种基于自然界水循环过程的元启发式优化算法&#xff0c;由Shah-Hosseini于2012年提出。WCA通过模拟水滴在河流、湖泊和海洋中的流动过程&#xff0c;以及蒸发…...

基于SpringBoot的个性化健康建议平台

1系统概述 1.1 研究背景 随着计算机技术的发展以及计算机网络的逐渐普及&#xff0c;互联网成为人们查找信息的重要场所&#xff0c;二十一世纪是信息的时代&#xff0c;所以信息的管理显得特别重要。因此&#xff0c;使用计算机来管理基于智能推荐的卫生健康系统的相关信息成为…...

ElasticSearch搜索引擎之倒排索引及其底层算法

文章目录 一、搜索引擎1、什么是搜索引擎?2、搜索引擎的分类3、常用的搜索引擎4、搜索引擎的特点二、倒排索引1、简介2、为什么倒排索引不用B+树1.创建时间长,文件大。2.其次,树深,IO次数可怕。3.索引可能会失效。4.精准度差。三. 倒排索引四、算法1、Term Index的算法2、 …...

全面解析各类VPN技术:GRE、IPsec、L2TP、SSL与MPLS VPN对比

目录 引言 VPN技术概述 GRE VPN 3.1 GRE封装结构 3.2 GRE的应用场景 GRE over IPsec 4.1 GRE over IPsec封装结构 4.2 为什么使用GRE over IPsec&#xff1f; IPsec VPN 5.1 IPsec传输模式&#xff08;Transport Mode&#xff09; 5.2 IPsec隧道模式&#xff08;Tunne…...

Python Ovito统计金刚石结构数量

大家好,我是小马老师。 本文介绍python ovito方法统计金刚石结构的方法。 Ovito Identify diamond structure命令可以识别和统计金刚石结构,但是无法直接输出结构的变化情况。 本文使用python调用ovito包的方法,可以持续统计各步的金刚石结构,具体代码如下: from ovito…...

人工智能--安全大模型训练计划:基于Fine-tuning + LLM Agent

安全大模型训练计划&#xff1a;基于Fine-tuning LLM Agent 1. 构建高质量安全数据集 目标&#xff1a;为安全大模型创建高质量、去偏、符合伦理的训练数据集&#xff0c;涵盖安全相关任务&#xff08;如有害内容检测、隐私保护、道德推理等&#xff09;。 1.1 数据收集 描…...

libfmt: 现代C++的格式化工具库介绍与酷炫功能

libfmt: 现代C的格式化工具库介绍与酷炫功能 libfmt 是一个开源的C格式化库&#xff0c;提供了高效、安全的文本格式化功能&#xff0c;是C20中引入的std::format的基础实现。它比传统的printf和iostream更安全、更灵活、性能更好。 基本介绍 主要特点 类型安全&#xff1a…...

LangFlow技术架构分析

&#x1f527; LangFlow 的可视化技术栈 前端节点编辑器 底层框架&#xff1a;基于 &#xff08;一个现代化的 React 节点绘图库&#xff09; 功能&#xff1a; 拖拽式构建 LangGraph 状态机 实时连线定义节点依赖关系 可视化调试循环和分支逻辑 与 LangGraph 的深…...

深度剖析 DeepSeek 开源模型部署与应用:策略、权衡与未来走向

在人工智能技术呈指数级发展的当下&#xff0c;大模型已然成为推动各行业变革的核心驱动力。DeepSeek 开源模型以其卓越的性能和灵活的开源特性&#xff0c;吸引了众多企业与开发者的目光。如何高效且合理地部署与运用 DeepSeek 模型&#xff0c;成为释放其巨大潜力的关键所在&…...

DiscuzX3.5发帖json api

参考文章&#xff1a;PHP实现独立Discuz站外发帖(直连操作数据库)_discuz 发帖api-CSDN博客 简单改造了一下&#xff0c;适配我自己的需求 有一个站点存在多个采集站&#xff0c;我想通过主站拿标题&#xff0c;采集站拿内容 使用到的sql如下 CREATE TABLE pre_forum_post_…...

sshd代码修改banner

sshd服务连接之后会收到字符串&#xff1a; SSH-2.0-OpenSSH_9.5 容易被hacker识别此服务为sshd服务。 是否可以通过修改此banner达到让人无法识别此服务的目的呢&#xff1f; 不能。因为这是写的SSH的协议中的。 也就是协议规定了banner必须这么写。 SSH- 开头&#xff0c…...

Matlab实现任意伪彩色图像可视化显示

Matlab实现任意伪彩色图像可视化显示 1、灰度原始图像2、RGB彩色原始图像 在科研研究中&#xff0c;如何展示好看的实验结果图像非常重要&#xff01;&#xff01;&#xff01; 1、灰度原始图像 灰度图像每个像素点只有一个数值&#xff0c;代表该点的​​亮度&#xff08;或…...