سورس ها و آموزش هاي MATLAB

سورس پيوست شده مربوط به بهينه سازي چند هدفه با NSGA II است. كاربر مي تواند با تعريف دو تابع هدف (Cost Function) در فايل cf.m و تعيين پارامتر هايي نظير بازه ي تغييرات متغير هاي طراحي (به تعداد دلخواه)، طول كروموزوم، تعداد جمعيت اوليه و تعداد نسل ها در فايل main.m ، فرآيند بهينه سازي را اجرا نمايد. در نهايت برنامه Pareto Front به علاوه نقطه ي مصالحه ي طراحي (Trade-Off Point) را به كاربر نمايش مي دهد.
لازم به ذكر است كه اين سورس شامل بهينه سازي مقاوم (Robust Optimization) با ديدگاه هاي RBDO و RDO نيز است.

این سورس با استفاده از مدل Single Track یک خودرو و محاسبه ی ضریب انتقال بار (LTR) ، واژگونی (RollOver) خودرو را پیش بینی می کند.

در این بسته می توانید سورس های مفیدی را پیرامون نحوه ی طراحی فیلتر های سیگنال با متلب بیابید.

برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]

عنوان:
System Identification Toolbox 7
Reference

نویسنده:
Lennart Ljung

ناشر:
MathWorks

این کتاب مرجع کاملی برای جعبه ابزار System Identification در Simulink نرم افزار متلب محسوب می شود که در 365 صفحه به زبان انگلیسی تدوین شده است.

این آموزش خلاصه شده نحوه ی به کار گیری کتابخانه ی Open CV را در نرم افزار MATLAB نشان می دهد.

فایل پیوست شده مربوط به آموزش طراحی Filter دیجیتال با روش Butterworth در نرم افزار MATLAB است.

دوست عزیز با سلام و تشکر از m-file خوبتون
یک درخواست داشتم: امکان داره لطف کنین و توضیح بدین برای بیشتر از 2 هدف چطور میشه از برنامه استفاده نمود؟

نقل قول:

---

ارسالی توسط arnouri برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]

دوست عزیز با سلام و تشکر از m-file خوبتون
یک درخواست داشتم: امکان داره لطف کنین و توضیح بدین برای بیشتر از 2 هدف چطور میشه از برنامه استفاده نمود؟

---

با سلام!

خواهش می کنم...

دوست گرامی؛ NSGA-II فقط برای دو تا تابع هدف می تونه متغیر های طراحی رو بهینه کنه و اگر تعداد توابع هدف تون بیش تر از دو تا باشه باید از SPEA و یا MUGA استفاده کنید که متاسفانه فعلا" سورس شون رو ندارم.

موفق باشید
آرمین

کد متلب زیر الگوریتمی ساده و موثر را با پیاده سازی روش Total Variation جهت کاهش نویز سیگنال دیجیتال یک بعدی معرفی می کند:

کد:

---

function  [x,J]  =  denoiseTV(y,lambda,Nit)
%  [x,J]  =  denoiseTV(y,lambda,a,Nit)
%  Total  variation  filtering  (denoising)  using
%  iterative  clipping  algorithm.
%  INPUT
%    y  -  noisy  signal  (row  vector)
%    lambda  -  regularization  parameter
%    Nit  -  number  of  iterations
%  OUTPUT
%    x  -  result  of  denoising
%    J  -  objective  function
J  =  zeros(1,Nit); %  objective  function
N  =  length(y);
z  =  zeros(1,N-1); %  initialize  z
alpha  =  4;
T  =  lambda/2;
for  k  =  1:Nit
x  =  y  -  [-z(1)  -diff(z)  z(end)]; %  y  -  D’  z
J(k)  =  sum(abs(x-y).^2)  +  lambda  *  sum(abs(diff(x)));
z  =  z  +  1/alpha  *  diff(x); %  z  +  1/alpha  D  z
z  =  max(min(z,T),-T); %  clip(z,T)
end

---

برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]

سلام
ببخشید من یه برنامه میخواستم بنویسم سوالش اینه

 
برنامه ای بنویسید که یک عدد صحیح و یک عدد طبیعی کوچکتر از 9 را به عنوان مبنا از کاربر دریافت کند و عدد خوانده شده ی اولیه را به مبنای داده شده ببرد و نتیجه را در خروجی نمایش دهد.
میشه کمکم کنید؟

جواب سوالما پیدا کردم میزارم که بقیه هم استفاده کنن

کد:

---

clc;
clear all;
a=input('adad=');
b=input('mabna=');
i=1;
while a>=b
    c(i)=mod(a,b);
    a=floor(a/b);
    i=i+1;
end
z=fliplr(c);
fprintf('%g%g',a,z);

---

سلام . خسته نباشید
یکی از سورس ها به درد من خورد در این تاپیک
میخواستم ببینم مهندس شما سورس مربوط به ارتعاشات آزاد سیستم های یک درجه آزادی میرا دارید؟؟؟

اگر کمک کنید خیلی لطف کردید

نقل قول:

---

ارسالی توسط behzadk777 برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]

سلام . خسته نباشید
یکی از سورس ها به درد من خورد در این تاپیک
میخواستم ببینم مهندس شما سورس مربوط به ارتعاشات آزاد سیستم های یک درجه آزادی میرا دارید؟؟؟

اگر کمک کنید خیلی لطف کردید

---

با سلام!

عضویت تون رو در شهر سخت افزار تبریک می گم.

سورس نمونه ی ارتعاشات یک درجه آزادی زیر میرا (Underdamped) پیوست شد.

موفق باشید
آرمین

این مجموعه اسلاید پیوست شده تحت عنوان " چکیده ای از مبانی کامپیوتر ها، الگوریتم ها و برنامه نویسی به کمک MATLAB " که توسط دکتر محمودی مهر از گروه مهندسی مکانیک دانشگاه گیلان گردآوری شده می تونه یه منبع مناسب برای کسانی باشه که دوست دارن برنامه نویسی رو با زبان متلب آغاز کنن.

کد زیر پاسخ ضربه ی واحد (Impulse Response) و پاسخ پله ی واحد (Step Response) مربوط به یک تابع تبدیل دلخواه (Transfer Function) را رسم می کند:

کد:

---

s=tf('s');
g = 10 /(s^2 + 2*s +10); %Transfer Function
subplot(2,1,1)
impulse(g) %Plot Impulse Response
subplot(2,1,2)
step(g) %Plot Step Response

---

فرمان lsim برای شبیه سازی پاسخ هر نوع تابع تبدیلی نسبت به یک ورودی دلخواه در فضای زمان کاربرد دارد. کد زیر پاسخ تابع تبدیل مثال قبل را نسبت به دو ورودی شیب و سهموی از زمان صفر تا 10 ثانیه با گام زمانی 0.1 ثانیه رسم می کند:

کد:

---

s=tf('s');
g = 10 /(s^2 + 2*s +10); %Transfer Function
t = 0:0.1:10; %0:dt:Tfinal
subplot(1,2,1)
u = t; %Ramp Input
lsim(g,u,t);
subplot(1,2,2)
u = t .^ 2; %Parabolic Input
lsim(g,u,t);

---

فرمان randperm(n) در متلب یک ماتریس سطری با n ستون ایجاد می کند که هر درآیه ی آن عدد تصادفی بین یک تا n است به طوری که مقدار هیچ دو درآیه با هم برابر نیست.

کد:

---

randperm(6)

---

خروجی:

کد:

---

3  2  6  4  1  5

---

برای تصویر کردن یک رویه در صفحات مختصات می توان از تابع جالبی به اسم ShadowPlot استفاده کرد. البته این تابع به طور پیش فرض در متلب وجود ندارد. پس برای اجرای کد زیر ابتدا این تابع را از پیوست دانلود کنید و سپس MFile آن را در مسیر جاری نرم افزار متلب کپی کنید. کد زیر رویه ای مطابق شکل را ترسیم و سایه ی آن رویه را در صفحات X و Y ایجاد می کند:

برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]

کد:

---

f = @(x,y) exp(-x.^2 -y.^(-2)).*(x.^2+y.^2);
[X,Y] = meshgrid(-10:0.5:10,-10:0.5:10);
surf(X,Y,f(X,Y))
xlim([-11,11])
ylim([-11,11])
shadowplot x
shadowplot y

---

برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]

برای ایجاد تابع چگالی احتمالات (PDF) می توان از فرمان hist استفاده کرد که نمونه ای از کاربرد این فرمان جهت رسم PDF در زیر آورده شده است:

کد:

---

data = [1 2 3 3 4];          %# Sample data
xRange = 0:10;                %# Range of integers to compute a probability for
N = hist(data,xRange);        %# Bin the data
plot(xRange,N./numel(data));  %# Plot the probabilities for each integer
xlabel('Integer value');
ylabel('Probability');

---

برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]

با بهره گیری از فرمان sprintf می توانید مقادیر متغیر های مختلف را به هنگام نمایش عبارت فرمان input نشان دهید:

کد:

---

for i =1:9
    for j=1:9
        tmp(i,j) = input(sprintf('Plz enter value of row %g and column %g: ', i, j));
    end
end

---

اگر تمایل دارید تا زمان اجرای بخشی از کد خود را در متلب بدانید، کافیست آن بخش از کد را مطابق الگوی زیر بین فرمان های tic و toc قرار دهید:

کد:

---

tic;
%Your Code Here
toc;

---

برای آن که دریابید چقدر زمان صرف اجرای هر بخش از کد شما در متلب می شود، می توانید کد خود را مطابق الگوی زیر اجرا نمایید:

کد:

---

profile on
%Your Code Here
profile off
profile viewer

---

سورس پیوست شده نحوه ی پیاده سازی الگوریتم های مختلف Edge Detection نظیر Prewitt، Sobel، Roberts و Canny را روی تصاویر نشان می دهد.

برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]

کد زیر یک ترفند ساده را برای تبدیل یک ماتریس به یک بردار نشان می دهد:

کد:

---

x=rand(4);
x=x(:)

---

فرمان زیر مقادیر ویژه و بردار های ویژه ی (Eigenvalues and Eigenvectors) ماتریس A را محاسبه کرده و حاصل را به ترتیب در D و V قرار می دهد:

کد:

---

[V, D] = eig(A)

---

کد زیر جهت تحلیل یک سیستم دینامیکی بیان شده در فضای حالت به کار می رود که بدون ورودی بوده و تنها تحت تاثیر شرایط اولیه است:

کد:

---

A=[-9 9 8;1 -9 7;5 -4 3];
C=[1 0 0;0 0 0;0 0 0];
dyn=ss(A,[],C,[]);
x0=[1;2;-1];
initial(dyn, x0)

---

سلام دوستان ، من یه سوال دارم از اونایی که با برنامه نویسی Mathlab آشنا هستند ،
سوالم اینه چطور می تونم دو تا عدد 100 رقمی رو بر هم تقسیم کنم ؟
البته سوال اصلی من یه چیز دیگه است ولی تو قسمت بالا موندم ، فقط چون برنامه من خیلی طولانیه و مورد بالا هم خیلی زیاد تو برنامم استفاده میشه خواهشن جوابها کوتاه باشه .
فقط خواهشی که از دوستان دارم اینه که اگه به طور عملی جواب گرفتند برنامه رو اعلام کنند .

نقل قول:

---

ارسالی توسط علی حسنی برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ]

سلام دوستان ، من یه سوال دارم از اونایی که با برنامه نویسی Mathlab آشنا هستند ،
سوالم اینه چطور می تونم دو تا عدد 100 رقمی رو بر هم تقسیم کنم ؟
البته سوال اصلی من یه چیز دیگه است ولی تو قسمت بالا موندم ، فقط چون برنامه من خیلی طولانیه و مورد بالا هم خیلی زیاد تو برنامم استفاده میشه خواهشن جوابها کوتاه باشه .
فقط خواهشی که از دوستان دارم اینه که اگه به طور عملی جواب گرفتند برنامه رو اعلام کنند .

---

با سلام!

کلا" برای اجرای عملیات روی اعداد بزرگ یه جعبه ابزار به نام VPI وجود داره که البته به طور پیش فرض با متلب نصب نمیشه و باید جداگونه اون رو نصب کرد. پایه ی کار این جعبه ابزار این طوره که اعداد بزرگ رو به شکل رشته در میاره و اعمال رو روی اون ها پیاده می کنه.
به شکل مشابه خودتون می تونید اعداد صد رقمی رو به صورت رشته (string) تعریف کنید و مطابق همون الگوی تقسیم که در دوران ابتدایی بهمون آموزش دادن رقم به رقم اعداد رو به هم تقسیم کنید.
اگر فرصت کنم کدش رو در همین جا قرار میدم.

موفق باشید
آرمین

سلام مجدد و تشکر فراوان ،
من خدمتتون عرض کردم چون برنامم خیلی طولانیه نمی تونم برای عمل تقسیم برنامه بنویسم (این برنامه حتی اگه چند خط باشه جواب برنامه اصلی که باید در کمتر از یک ثانیه جواب بده ساعتها طول خواهد کشید ! ) فقط می خوام یه برنامه یا نرم افزاری باشه که خودش دو متغیر 100 رقمی رو بخونه و جواب تقسیم یا ضربشون رو بده، تازه اعداد در پروژه من حداقل صد رقمی هستند و ممکنه صد ها رقم داشته باشه !
برنامه ها و نرم افزارهای مختلفی رو هم تست کردم ولی به جواب نرسیدم اگه باز هم کسی از دوستان نرم افزار یا راهکاری سراغ داره ممنون میشم راهنمایی کنه تا من این برنامه به ظاهر ساده رو حل کنم .

اگر یک معادله ی چند جمله ای از مرتبه ی n به شکل زیر داشته باشیم:

a_nxⁿ + a_n-1x^n-1 + ... a₁x + a₀ = 0

با فرمان roots می توان ریشه های آن را پیدا کرد.
ابتدا یک ماتریس سطری از ضرایب چند جمله ای به شکل زیر شکل می دهیم:

p = [a_n a_n-1 ... a₁ a₀]

سپس با فرمان زیر ریشه ها محاسبه می شوند:

roots(p)

مثال: حل معادله

x³ + 2x² + 2x + 1

کد:

---

p = [1 2 2 1];
roots(p)

---

برای یافتن فرم Jordan Canonical یک ماتریس می توان از دستور jordan به شکل زیر استفاده کرد:

کد:

---

a=[1 2 3;3 0 1;0 1 2];
jordan(a)

---

برای یافتن ماتریس انتقال حالت (State Transition Matrix) در متلب به شکل زیر عمل می کنیم:

کد:

---

a=[1 0;-1 -1];
syms t
expm(a*t)

---

برای یافتن rank ماتریس دلخواه a به شکل زیر عمل می کنیم:

کد:

---

a=[1 1 0 0;-2 1 0 1;3 -3 -1 2]
rank(a)

---

برای انتقال تابع f از فضای زمان به فضای لاپلاس به شکل زیر عمل می کنیم:

کد:

---

syms t
f = 1 - exp(t)
laplace(f)

---

برای بردن g از حوزه ی لاپلاس به حوزه ی زمان به شکل زیر عمل می کنیم:

کد:

---

syms s
g = 1/s - 1/(s-1)
ilaplace(g)

---

برای یافتن Sine و Cosine ماتریس دلخواه A به شکل زیر عمل می کنیم:

کد:

---

A = magic(3);
funm(A, @برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ])
funm(A, @برای مشاهده این لینک/عکس می بایست عضو شوید !برای عضویت اینجا کلیک کنید ])

---

تجزیه ی مقدار تکین یا به اختصار SVD یک روش تجزیه ی ماتریس های حقیقی و مختلط است که کاربرد های جالبی در مهندسی دارد. اگر M یه ماتریس دلخواه باشد، تجزیه ی مقدار تکین آن متشکل از سه ماتریس U، S و V خواهد بود که به شکل زیر تعریف می شود:

USV* = M

که در آن V* ترانهاده ی مزدوج ماتریس V است.
برای یافتن SVD ماتریس M در متلب به شکل زیر عمل می کنیم:

کد:

---

M = X=[1 0 0 0 2;0 0 3 0 0;0 0 0 0 0;0 4 0 0 0];
[U,S,V] = svd(M)

---

چگالی طیفی توانی یا به اختصار PSD ابزاری در پردازش سیگنال جهت یافتن نحوه ی توزیع قدرت سیگنال برحسب فرکانس است. نمونه ای از محاسبه ی PSD با MATLAB در زیر آمده است:

کد:

---

t = 0:.001:.25;
x = sin(2*pi*50*t) + sin(2*pi*120*t);
y = x + 2*randn(size(t));
plot(y(1:50))
title('Noisy time domain signal')
Y = fft(y,251);
Pyy = Y.*conj(Y)/251;
f = 1000/251*(0:127);
plot(f,Pyy(1:128))
title('Power spectral density')
xlabel('Frequency (Hz)')

---

برای یافتن تبدیل Z یک تابع گسسته در MATLAB به شکل زیر عمل می کنیم:

کد:

---

syms n;
f = n^2;
ztrans(f)

---

برای یافتن تبدیل معکوس Z در متلب به این شکل عمل می کنیم:

کد:

---

syms z
F = z/(z-1);
iztrans(F)

---