Смекни!
smekni.com
Информатика и программирование

Оптимизация режимов движения судов с использованием MATLAB 5.0

Использованиеоператоровpolyfitи polyvalдля аппроксимациикривой

Цель работы.

Получениеполинома,описывающегоаппроксимированнуюкривую наиболееблизкую к исходной,которая построенапо точкам.

Исходныеданные.

x 0 400 800 1200 1600 2000 2400 2800 3200
f(x) 0 80 100 110 120 180 210 230 260

Программа.

%Исходныеданные

x=[0400 800 1200 1600 2000 2400 2800 3200];

f=[080 100 110 120 180 210 230 260];

%a- коэффициентыполинома

%S- квадратичнаяпогрешность

[a,S]=polyfit(x,f,3)

z=polyval(a,x)

%Построениеграфиков

plot(x,f,x,z),grid

Результат.

a=


0.0000 -0.0000 0.1223 13.5354



S=


R:[4x4 double]

df:5

normr:43.1607


z=


Columns1 through 7


13.5354 57.1717 91.9986 120.6926 145.9307 170.3896 196.7460


Columns8 through 9


227.6768 265.8586

Командойplotпроизвелипостроениеисходной функции(синий цвет) ифункции аппроксимирующейеё (зелёныйцвет). Посколькувелико значениепогрешностиnormr=43.1607и недостаточноаппроксимирование,то следуетповысить степеньполинома. Пустьвместо 3 будет6.

Программа.

%Исходныеданные

x=[0400 800 1200 1600 2000 2400 2800 3200];

f=[080 100 110 120 180 210 230 260];

%a- коэффициентыполинома

%S- квадратичнаяпогрешность

[a,S]=polyfit(x,f,6)

z=polyval(a,x)

%Построениеграфиков

plot(x,f,x,z),grid

Результат.

a =


0.0000 -0.0000 0.0000 -0.0000 -0.0002 0.2770 0.0140



S =


R:[7x7 double]

df: 2

normr:12.4672


z =


Columns 1through 7


0.0140 79.7016 101.6970 105.3007 127.5058 172.6900 214.3077


Columns 8through 9


228.5828 260.2005

Вывод.

В результатеработы видно,что при увеличениистепени полиномауменьшаетсяпогрешностьи аппроксимированнаякривая наиболееблизка к исходной.В случае когдастепень полиномаравна количествуисходных точек,получаем: normr=0и полное соответствиекривых в исходныхточках.


Оптимальноераспределениедвух ресурсов

Цельработы.

Получениемаксимальногозначения прибылипри перевозкедвух различныхгрузов.

Исходныеданные.

x 0 400 800 1200 1600 2000 2400 2800 3200

f1(x)

 0 80 100 110 120 180 210 230 260

f2(x)

 0 60 90 110 130 150 190 230 250

f1(x)доход от перевозкигруза первогорода;

f2(x)доход от перевозкигруза второгорода;

xколичествогруза.

Программа.

%Исходныеданные

x=[0400 800 1200 1600 2000 2400 2800 3200];

f1=[080 100 110 120 180 210 230 260];

f2=[060 90 110 130 150 190 230 250];

plot(x,f1,x,f2),grid

%Решение

F12=[];

forxR=1:9;

I=1:xR;

L12=f1(I)+f2(xR-I+1);

[Lopt,I]=max(L12);

x1=I*400-400;

x2=(xR-I)*400;

Pacn=[Lopt;x1;x2;x1+x2];

F12=[F12Pacn];

end

F12

pause

plot(x,F12(1,:)),grid

Результат.

F12=


Columns1 through 6


0 80 140 170 190 210

0 400 400 400 400 400

0 0 400 800 1200 1600

0 400 800 1200 1600 2000


Columns7 through 9


240 270 310

2000 400 400

400 2400 2800

2400 2800 3200


В

результатеполучаем матрицу,в которой:

  • 1 строка суммарныйдоход от перевозки;

  • 2 строка количествопервого груза;

  • 3 строка количествовторого груза;

  • 4 строка суммарноеколичествогрузов.


Вывод.

Таким образомполучена оптимальнаязависимостьраспределениягруза с наибольшимдоходом отперевозки. Длянаглядностипо полученнымзначениямпостроен график.


Оптимальноераспределениешести ресурсов

Цельработы.

Получениемаксимальногозначения прибылипри перевозкешести различныхгрузов.

Исходныеданные.

x 0 400 800 1200 1600 2000 2400 2800 3200

f1(x)

 0 80 100 110 120 180 210 230 260

f2(x)

 0 60 90 110 130 150 190 230 250

f3(x)

 0 30 40 70 110 180 200 240 250

f4(x)

 0 40 60 80 130 160 180 210 240

f5(x)

 0 50 70 90 110 150 170 200 220

f6(x)

 0 70 80 110 140 160 200 250 270

f1(x)доход от перевозкигруза первогорода;

f2(x)доход от перевозкигруза второгорода;

f3(x)доход от перевозкигруза третьегорода;

f4(x)доход от перевозкигруза четвёртогорода;

f5(x)доход от перевозкигруза пятогорода;

f6(x)доход от перевозкигруза шестогорода;

xколичествогруза.

Программа.

%Исходныеданные

x=[0400 800 1200 1600 2000 2400 2800 3200];

f1=[080 100 110 120 180 210 230 260];

f2=[060 90 110 130 150 190 230 250];

f3=[030 40 70 110 180 200 240 250];

f4=[040 60 80 130 160 180 210 240];

f5=[050 70 90 110 150 170 200 220];

f6=[070 80 110 140 160 200 250 270];

F=[f1;f2;f3;f4;f5;f6];

plot(x,F),grid

%Решение

FF=[];

J=1;

forXR=1:9;

I=1:XR;

L=F(J,I)+F(J+1,XR-I+1);

[Lopt,I]=max(L);

x1=I*400-400;

x2=(XR-I)*400;

Pacn=[Lopt;x1;x2;x1+x2];

FF=[FFPacn];

end

D=FF(1,:);

PP=[];

RRR=[];

forJ=2:5;

DD=[];

RR=[];

forXR=1:9;

I=1:XR;

L=D(I)+F(J+1,XR-I+1);

[Lopt,I]=max(L);

x1=I*400-400;

x2=(XR-I)*400;

Pacn=[Lopt;x1;x2;x1+x2];

DD=[DDPacn(1,:)];

RR=[RR Pacn];

end

PP=[PP;DD(1,:)];

RRR=[RRRRR];

D=DD;

end

RRR=[FFRRR]

pause

plot(x,RRR(1,37:45)),grid

Результат.

RRR=


Columns1 through 6


0 80 140 170 190 210

0 400 400 400 400 400

0 0 400 800 1200 1600

0 400 800 1200 1600 2000


Columns7 through 12


240 270 310 0 80 140

2000 400 400 0 400 800

400 2400 2800 0 0 0

2400 2800 3200 0 400 800


Columns13 through 18


170 200 220 260 320 350

800 1200 1600 400 800 1200

400 400 400 2000 2000 2000

1200 1600 2000 2400 2800 3200


Columns19 through 24


0 80 140 180 210 240

0 400 800 800 1200 1600

0 0 0 400 400 400

0 400 800 1200 1600 2000


Columns25 through 30


270 320 360 0 80 140

800 2800 2800 0 400 800

1600 0 400 0 0 0

2400 2800 3200 0 400 800


Columns31 through 36


190 230 260 290 320 370

800 1200 1600 2000 2400 2800

400 400 400 400 400 400

1200 1600 2000 2400 2800 3200


Columns37 through 42


0 80 150 210 260 300

0 400 400 800 1200 1600

0 0 400 400 400 400

0 400 800 1200 1600 2000


Columns43 through 45


330 360 390

2000 2400 2800

400 400 400

2400 2800 3200

В

результатеполучаем матрицу,в которой:

  • 1 строка доход от перевозкиi грузов;

  • 2 строка

    количествагрузов;

  • 3 строка количествоi-ого груза;

  • 4 строка суммарноеколичествогрузов.


Вывод.

Таким образомполучена оптимальнаязависимостьраспределениягруза с наибольшимдоходом отперевозки. Длянаглядностипо полученнымзначениямпостроен график.


Оптимизациярежима движениясудна

Цель работы.

Распределитьскорость движениясудна по четырёмучасткам трассытак, чтобы суммарныйрасход топливабыл минимальным.

Программа.

%Подготовкаисходных данных

delt=0.07;

tmin=[5.862.73 1.6 3.3967]; tmax=[7.47 3.71 2.37 4.5167];

t=[tmin;tmax]; tb=[tmax-tmin];

G1=[967.42941.39 912 892.29 878.02 846.11 823.73 798.51 775.22 ...

764.2741.28 719.36 706.85 678.15 673.74 659.91 645.65 ...

630.98623 610.9 598.95 590.07 577.2 571.46];

G2=[521.73491.12 463.51 437.33 415.2 392.7 377.45 358.23 346.86 ...

328.98316.25 305.38 295.48 285.86 277.11];

G3=[281.47255.5 231.07 210.41 192.31 177.55 166.97 157.77 ...

149.86144.48 140.91 139.23];

G4=[590.60561.90 535.10 510.20 487.06 465.67 445.94 427.82 ...

411.23396.12 382.42 370.06 358.99 349.13 340.42 332.80 325.41];

%Формированиевекторов t1, t2, t3,t4

t1=t(1,1):delt:t(2,1);

t2=t(1,2):delt:t(2,2);

t3=t(1,3):delt:t(2,3);

t4=t(1,4):delt:t(2,4);

%Пригонкаданных

[a1,H1]=polyfit(t1,G1,3);

[a2,H2]=polyfit(t2,G2,3);

[a3,H3]=polyfit(t3,G3,3);

[a4,H4]=polyfit(t4,G4,3);

a=[a1;a2;a3;a4];

%Апроксимацияисходных зависимостей

N=25;

deltM=tb./(N-1);

%Моделирование

TM=[];Gm=[];

fori=1:4;

tm=t(1,i):deltM(i):t(2,i);

TM=[TM;tm];

gm=polyval(a(i,:),tm);

Gm=[Gm;gm];

end

deltt=deltM;

%Оптимизацияраспределениявремени движения

GG=[];

F=Gm;

forxr=1:N;

I=1:xr;

L=Gm(1,I)+Gm(2,xr-I+1);

[Lopt,I]=min(L);

X1=5.86+I*deltt(1)-deltt(1);

X2=2.73+(xr-I)*deltt(2);

Pacn=[Lopt.*0.001;X1;X2;X1+X2];

GG=[GGPacn];

end

D=GG(1,:);

C=GG(4,:);

PP=[];RRR=[];

forJ=2:3;

DD=[];RR=[];CC=[];

forxr=1:N;

I=1:xr;

L=D(I)+0.001.*F(J+1,xr-I+1);

[Lopt,I]=min(L);

X1=C(I);

X2=TM(J+1,1)+(xr-I)*deltt(J+1);

Pacn=[Lopt;X1;X2;X1+X2];

DD=[DDPacn(1,:)];

RR=[RRPacn];

CC=[CCPacn(4,:)];

end

PP=[PP;DD(1,:)];

RRR=[RRRRR];

D=DD;

C=CC;

end

RRR=[GGRRR];

R12=RRR(:,1:N)

R23=RRR(:,N+1:2*N)

R34=RRR(:,2*N+1:3*N)

plot(R34(1,:),R34(4,:)),grid

Результат.

R12=


Columns1 through 7


1.4899 1.4647 1.4402 1.4164 1.3934 1.3710 1.3494

5.8600 5.9271 5.9942 6.0613 6.1283 6.1954 6.2625

2.7300 2.7300 2.7300 2.7300 2.7300 2.7300 2.7300

8.5900 8.6571 8.7242 8.7912 8.8583 8.9254 8.9925


Columns8 through 14


1.3285 1.3083 1.2889 1.2703 1.2522 1.2343 1.2172

6.3296 6.3967 6.4638 6.5308 6.5308 6.5979 6.5979

2.7300 2.7300 2.7300 2.7300 2.7708 2.7708 2.8117

9.0596 9.1267 9.1937 9.2608 9.3017 9.3688 9.4096


Columns15 through 21


1.2001 1.1838 1.1675 1.1521 1.1367 1.1220 1.1075

6.6650 6.7321 6.7321 6.7992 6.7992 6.8663 6.8663

2.8117 2.8117 2.8525 2.8525 2.8933 2.8933 2.9342

9.4767 9.5437 9.5846 9.6517 9.6925 9.7596 9.8004


Columns22 through 25


1.0936 1.0799 1.0668 1.0538

6.9333 6.9333 7.0004 7.0004

2.9342 2.9750 2.9750 3.0158

9.8675 9.9083 9.9754 10.0162


R23=


Columns1 through 7


1.7720 1.7468 1.7223 1.6985 1.6754 1.6530 1.6314

8.5900 8.6571 8.7242 8.7912 8.8583 8.9254 8.9925

1.6000 1.6000 1.6000 1.6000 1.6000 1.6000 1.6000

10.1900 10.2571 10.3242 10.3912 10.4583 10.5254 10.5925


Columns8 through 14


1.6105 1.5904 1.5710 1.5523 1.5342 1.5164 1.4992

9.0596 9.1267 9.1937 9.2608 9.3017 9.3688 9.4096

1.6000 1.6000 1.6000 1.6000 1.6000 1.6000 1.6000

10.6596 10.7267 10.7937 10.8608 10.9017 10.9688 11.0096


Columns15 through 21


1.4821 1.4658 1.4496 1.4341 1.4187 1.4040 1.3895

9.4767 9.5437 9.5846 9.6517 9.6925 9.7596 9.8004

1.6000 1.6000 1.6000 1.6000 1.6000 1.6000 1.6000

11.0767 11.1437 11.1846 11.2517 11.2925 11.3596 11.4004


Columns22 through 25


1.3756 1.3619 1.3488 1.3358

9.8675 9.9083 9.9754 9.9754

1.6000 1.6000 1.6000 1.6321

11.4675 11.5083 11.5754 11.6075


R34=


Columns1 through 7


2.3626 2.3374 2.3129 2.2892 2.2661 2.2437 2.2221

10.1900 10.2571 10.3242 10.3912 10.4583 10.5254 10.5925

3.3967 3.3967 3.3967 3.3967 3.3967 3.3967 3.3967

13.5867 13.6538 13.7209 13.7879 13.8550 13.9221 13.9892


Columns8 through 14


2.2012 2.1810 2.1616 2.1422 2.1236 2.1051 2.0870

10.6596 10.7267 10.7267 10.7937 10.8608 10.8608 10.9017

3.3967 3.3967 3.4434 3.4434 3.4434 3.4900 3.4900

14.0563 14.1234 14.1700 14.2371 14.3042 14.3509 14.3917


Columns15 through 21


2.0691 2.0514 2.0343 2.0172 2.0004 1.9841 1.9678

10.9688 10.9688 11.0096 11.0767 11.0767 11.1437 11.1846

3.4900 3.5367 3.5367 3.5367 3.5834 3.5834 3.5834

14.4588 14.5055 14.5463 14.6134 14.6600 14.7271 14.7679


Columns22 through 25


1.9518 1.9363 1.9209 1.9057

11.1846 11.2517 11.2925 11.2925

3.6300 3.6300 3.6300 3.6767

14.8146 14.8817 14.9225 14.9692

В результатеполучаем матрицы,в которых:

  • 1 строка расход топливана участках;

  • 2 строка время движенияпо предыдущимучасткам;

  • 3 строка время движенияпо i-томуучастку;

  • 4 строка суммарноевремя движенияпо участкам.

R12результатыдля двух участков;

R23результатыдля трёх участков;

R34результатыдля четырёхучастков;

Вывод.

Вкачестве выводаприведенаграфическаязависимостьрасхода топлива(ось абсцисс)от временипрохождениявсех участков(ось ординат).

Оптимальныережимы работысудовых генераторныхагрегатов

Цельработы.

Найтиоптимальноераспределениемощности междудизель-генераторами.

Программа.

%Исходныеданные

delt=10;

P1=0:delt:50;

P2=0:delt:70;

P3=0:delt:80;

F1=(0.03*(P1.^2)+2*P1+80);

F2=(0.015*(P2.^2)+1.45*P2+100);

F3=(0.01*(P3.^2)+0.95*P3+120);

%Решение

forT=1:2;

r1=size(F1);

r2=size(F2);

ifr1(2)

N=r1(2);M=r2(2);

else

N=r2(2);M=r1(2);

end

[x,y]=meshgrid(F1,F2);

z=x+y;

M

N

X=rot90(z,3);

XX=[];IM=[];IM3=[];

forcc=-(N-1):(M-1);

[v,I]=min(diag(X,cc));

XX=[XX v];

ifcc

IM3=[IM3 abs(cc-I)];

else

IM=[IM I];

end

IMM=[IM3 IM];

end

X1=rot90(XX,2);

IM1=rot90(IMM,2);

Opt1=[X1;IM1.*delt-delt];

r=size(X1);

v1=1:r(2);

P=v1.*delt;

Opt2=[Opt1;P-delt];

Opt=[Opt2(1,:);Opt2(2,:);Opt2(3,:)-Opt2(2,:);Opt2(3,:)]

F2=Opt(1,:);

F1=F3;

end


Результат.

M=


8


N=


6


Opt=


180 196 215 237 260 285 313 342 373 407 442 483 530

0 0 0 0 10 10 10 20 20 20 30 40 50

0 10 20 30 30 40 50 50 60 70 70 70 70

0 10 20 30 40 50 60 70 80 90 100 110 120


M =


13


N =


9


Opt=


Columns1 through 7


300.0000 310.5000 323.0000 337.5000 353.5000 370.0000 388.5000

0 10.0000 20.0000 30.0000 30.0000 40.0000 50.0000

0 0 0 0 10.0000 10.0000 10.0000

0 10.0000 20.0000 30.0000 40.0000 50.0000 60.0000


Columns8 through 14


407.5000 428.0000 450.0000 472.5000 495.5000 520.0000 545.0000

50.0000 60.0000 60.0000 70.0000 70.0000 80.0000 80.0000

20.0000 20.0000 30.0000 30.0000 40.0000 40.0000 50.0000

70.0000 80.0000 90.0000 100.0000 110.0000 120.0000 130.0000


Columns15 through 21


573.0000 602.0000 633.0000 667.0000 702.0000 743.0000 790.0000

80.0000 80.0000 80.0000 80.0000 80.0000 80.0000 80.0000

60.0000 70.0000 80.0000 90.0000 100.0000 110.0000 120.0000

140.0000 150.0000 160.0000 170.0000 180.0000 190.0000 200.0000

Также существуетвторой методрешения этойзадачи, которыйпредставленв программениже.


Программа.

%Исходныеданные

delt=10;

P1=0:delt:50;

P2=0:delt:70;

P3=0:delt:80;

F1=(0.03*(P1.^2)+2*P1+80);

F2=(0.015*(P2.^2)+1.45*P2+100);

F3=(0.01*(P3.^2)+0.95*P3+120);

%Решение

FA=F1; FB=F2;

forj=1:2;

e1=size(FA); N=e1(2);

e2=size(FB); M=e2(2);

[x,y]=meshgrid(FA,FB);

z=x+y

Dmin=[]; D1min=[]; D2min=[];

Im=[];I1m=[]; I2m=[];

fork=1:M+N-1;

ifk

DD=[];

for i=k:-1:1;

g=z(i,k-i+1);

DD=[DD g];

end

[L,I]=min(DD);

Dmin=[Dmin L];

Im=[Im I];

elseif (N

DD1=[];

for i1=k:-1:k-N+1;

g1=z(i1,k-i1+1);

DD1=[DD1 g1];

end

[L1,I1]=min(DD1);

D1min=[D1min L1];

I1m=[I1m I1];

elseif (M

DD2=[];

for i2=M:-1:k-N+1;

g2=z(i2,k-i2+1);

DD2=[DD2 g2];

end

[L2,I2]=min(DD2);

D2min=[D2min L2];

I2m=[I2m k-M+I2];

end

end

F12=[Dmin D1min D2min]

I11=[Im I1m I2m];

r=size(F12);

v=1:r(2);

P=v.*delt;

Opt=[F12;I11.*delt-delt;P-delt];

Optim12=[Opt(1,:);Opt(2,:);Opt(3,:)-Opt(2,:);Opt(3,:)]

FB=Optim12(1,:);

FA=F3;

end

Результат.

z=


180 203 232 267 308 355

196 219 248 283 324 371

215 238 267 302 343 390

237 260 289 324 365 412

262 285 314 349 390 437

290 313 342 377 418 465

321 344 373 408 449 496

355 378 407 442 483 530


F12=


180 196 215 237 260 285 313 342 373 407 442 483 530


Optim12=


180 196 215 237 260 285 313 342 373 407 442 483 530

0 0 0 0 10 10 10 20 20 20 30 40 50

0 10 20 30 30 40 50 50 60 70 70 70 70

0 10 20 30 40 50 60 70 80 90 100 110 120


z=


Columns1 through 7


300.0000 310.5000 323.0000 337.5000 354.0000 372.5000 393.0000

316.0000 326.5000 339.0000 353.5000 370.0000 388.5000 409.0000

335.0000 345.5000 358.0000 372.5000 389.0000 407.5000 428.0000

357.0000 367.5000 380.0000 394.5000 411.0000 429.5000 450.0000

380.0000 390.5000 403.0000 417.5000 434.0000 452.5000 473.0000

405.0000 415.5000 428.0000 442.5000 459.0000 477.5000 498.0000

433.0000 443.5000 456.0000 470.5000 487.0000 505.5000 526.0000

462.0000 472.5000 485.0000 499.5000 516.0000 534.5000 555.0000

493.0000 503.5000 516.0000 530.5000 547.0000 565.5000 586.0000

527.0000 537.5000 550.0000 564.5000 581.0000 599.5000 620.0000

562.0000 572.5000 585.0000 599.5000 616.0000 634.5000 655.0000

603.0000 613.5000 626.0000 640.5000 657.0000 675.5000 696.0000

650.0000 660.5000 673.0000 687.5000 704.0000 722.5000 743.0000


Columns8 through 9


415.5000 440.0000

431.5000 456.0000

450.5000 475.0000

472.5000 497.0000

495.5000 520.0000

520.5000 545.0000

548.5000 573.0000

577.5000 602.0000

608.5000 633.0000

642.5000 667.0000

677.5000 702.0000

718.5000 743.0000

765.5000 790.0000


F12=


Columns1 through 7


300.0000 310.5000 323.0000 337.5000 353.5000 370.0000 388.5000


Columns8 through 14


407.5000 428.0000 450.0000 472.5000 495.5000 520.0000 545.0000


Columns 15 through 21


573.0000 602.0000 633.0000 667.0000 702.0000 743.0000 790.0000


Optim12=


Columns1 through 7


300.0000 310.5000 323.0000 337.5000 353.5000 370.0000 388.5000

0 10.0000 20.0000 30.0000 30.0000 40.0000 50.0000

0 0 0 0 10.0000 10.0000 10.0000

0 10.0000 20.0000 30.0000 40.0000 50.0000 60.0000


Columns8 through 14


407.5000 428.0000 450.0000 472.5000 495.5000 520.0000 545.0000

50.0000 60.0000 60.0000 70.0000 70.0000 80.0000 80.0000

20.0000 20.0000 30.0000 30.0000 40.0000 40.0000 50.0000

70.0000 80.0000 90.0000 100.0000 110.0000 120.0000 130.0000


Columns15 through 21


573.0000 602.0000 633.0000 667.0000 702.0000 743.0000 790.0000

80.0000 80.0000 80.0000 80.0000 80.0000 80.0000 80.0000

60.0000 70.0000 80.0000 90.0000 100.0000 110.0000 120.0000

140.0000 150.0000 160.0000 170.0000 180.0000 190.0000 200.0000

Вывод.

В итоге работыполучены одинаковыерезультатырешения даннойзадачи припомощи двухметодов еёрешения. Цельработы выполнена.


Разложениепериодическойфункции в рядФурье

Цельработы.

Разложитьимеющийсяпериодическийсигнал в рядФурье.

Исходныеданные.

Исходнымявляется сигналпредставленна рисунке.




Программа.

U1=[];U2=[];U3=[];

U4=[];U5=[];U6=[];

forWt=0:0.002*pi:2*pi;

Um=50;a=pi/2;

uu=Um+(4*Um/(a*pi))*(sin(a)*sin(Wt)+(1/9)*sin(3*a)*sin(3*Wt)+(1/25)*sin(5*a)*sin(5*Wt)+(1/49)*sin(7*a)*sin(7*Wt));

U6=[U6uu];

if0

u=50+(50/(pi/2))*Wt;

U1=[U1u];

elseif(pi/2)

u=50+50-(50/(pi/2))*(Wt-pi/2);

U2=[U2u];

else

u=50-50+(50/(pi/2))*(Wt-(3/2)*pi);

U3=[U3u];

end

U=[U1U2 U3];

U6;

end

Wt=0:0.002*pi:2*pi;

plot(Wt,U,Wt,U6),grid


Результат.



Вывод.

В работе выполненоразложениеисходногосигнала в суммугармоник, графиккоторой представленв результатах.


Разложениепериодическойфункции в рядФурье

Цельработы.

Разложитьимеющийсяпериодическийсигнал в рядФурье.

Исходныеданные.

Исходнымявляется сигналпредставленна рисунке.



Программа.

F=[];

fork=1:2:21;

Im=60;

wt=0:0.02:7;

i=(4*Im/pi)*((1/k)*sin(k*(wt-pi/4)));

F=[Fi'];

end

F1=F';

d=size(F1);

d(1);

F2=sum(F1);

plot(wt,F2,'b'),grid

Р

езультат.


Программа.

F=[];

fork=1:2:2001;

Im=60;

wt=0:0.02:7;

i=(4*Im/pi)*((1/k)*sin(k*(wt-pi/4)));

F=[Fi'];

end

F1=F';

d=size(F1);

d(1);

F2=sum(F1);

plot(wt,F2,'b'),grid

Р

езультат.


Вывод.

В данной работевыполненоразложениеисходногосигнала насумму гармоник.В работе показано,что при увеличениичисла гармониких сумма гармоникнаиболее приближенак исходномусигналу.


Введение

В последнеевремя на фонеразвитиягрузопассажирскогофлота и созданиивысокопроизводительныхсудов наблюдаетсянепрерывноестремлениепо направлениюповышенияэффективностиэнергетическойустановки сцелью увеличенияэкономичности,надёжностии безопасностиперевозок.

Судоваяэнергетическаяустановкаявляется сложнымкомплексомразличныхмеханизмов,устройств исистем, обеспечивающимдвижение судна,работу механизмовмашинногоотделения ипалубных механизмов,выработкуэлектроэнергиии т.д.

В связис развитиемэлектронно-вычислительнойтехники возможнорешение задачэкономии топливныхресурсов, оптимизацииуправлениярежимами движениясудов при различныхусловиях(ветро-волновоесопротивление,перепады глубини т.п.) не толькотехнологическимсовершенствованиемсудовой энергетическойустановки, нои при помощикомпьютерныхпрограмм.

В данномотчёте приведеныпримеры программ,составленныев оболочкеMATLAB, решающиенекоторыевышеуказанныепроблемы.


САНКТ-ПЕТЕРБУРГСКИЙГОСУДАРСТВЕННЫЙУНИВЕРСИТЕТ

ВОДНЫХ КОММУНИКАЦИЙ



Отчёто выполнениилабораторныхработ по дисциплине

“Оптимизациярежимов движениясудов”.


Группа: СЭ-51

Выполнил:ЖдановД. А.

Проверил:СахаровВ. В.


Санкт-Петербург

2001

 
НАПИШИТЕ НАМ
Copyright © Smekni.com. All rigths reserved.