自带频率matlab代码模拟器-海上-风力涡轮机 这是我在硕士论文期间开发的用于模拟海上风力涡轮机的 MATLAB 代码。 它由以下2个文件夹组成 线性文件夹：所有载荷、土壤弹簧和空气动力都已线性化。 使用 Main_Script_lin.m 运行。 Non_Linear 文件夹：所有的载荷、土弹簧和空气动力都具有非线性特性。 土壤弹簧已使用 PY 曲线建模，空气/水动力在其中具有非线性项。 使用 Main_Script_lin.m 运行。 可以更改许多参数，并且可以模拟海上风力涡轮机。 也可以获得固有频率。

从官网上下载的，亲测可以使用

光学模拟器 该程序根据Helmholtz方程模拟波在各向同性和均匀介质中的衍射传播。 角谱法被用作传播计算方法。通过使用此方法以及设置光圈的功能/生成镜头相位的功能，可以执行各种模拟。这也支持非平行平面之间的衍射传播。此外，采用带限角谱法和4倍扩展谱法作为在普通角谱法中出现的混叠缓解措施和消光措施。 根据上述基本光学模拟，可以使用多边形方法生成光波，以创建计算机合成的全息图。它还支持对象光波的成像重现模拟。 *使用仅外部标头库加载和输出图像。有关详细信息，请参见参考。 样本代码samplecode migration.cpp是用于模拟平行平面之间的传播计算的代码，而样本代码传播是用于非平行平面之间的传播计算的代码。cpp是用于模拟非平行平面之间的传播计算的代码。另外，samplecode模型calculation.cpp用于加载mqo（水杉）模型并计算目标光波。 它支持24位BMP纹理。

ic design 学习的必备说明，VCS-verilog compiled simulator是synopsys公司的产品.其仿真速度相当快,而且支持多种调用方式;使用的步骤和modelsim类似,都要先做编译,在调用仿真. Vcs包括两种调试界面:Text-based:Command Line Interface(CLI) 和 GUI-based(VirSim);仿真主要的两个步骤是编译,运行: >vcs design.v

MATLAB数据字典生成代码人体步行雷达模拟器 以下代码基于V. Chen针对步行者的MATLAB脚本。 该软件包提供了多种模拟雷达回波的方法。 直拨电话 下面的调用将产生一个模型移动行走动作的位置轨迹forward以一个相对速度1.8 ，的采样率100sps和4秒。 雷达(x, y, z)位置将是(0, 10, 0) seg , segl = generate_segments ( forward_motion = True , height = 1.8 , rv = 2.5 , fs = 100 , duration = 4 , radarloc = ( 0 , 10 , 0 ) ) seg词典包含所有必要的运动学数据。 这样，我们就可以模拟相应的雷达回波了。 下面的函数可以被用于模拟在载波波长的雷达返回lambda_的0.001米，rangeresolution 0.01米，雷达位置(0, 10, 0)和一个configuration basic_conf ： mat = simulate_radar ( seg , segl , lambda_ = 0.001 , ranger

gSim51是用于8051代码的强大，高效且酷炫的模拟器。 它具有基于文本的界面和非常高效的命令，与短而简洁的命令的UNIX传统保持一致，可以很好地完成一件事。 gSim51没有代码或数据空间限制

说明:我们都知道苹果个人开发者的p12证书只能在苹果电脑上申请,该工具可以直接在windows上申请p12证书, 只需要在苹果开发者官网申请一下app store connect的秘钥即可,申请后会自动下载p12证书

Product Version 15.1 October 2015

一个使用pygame在Python中实现的交通模拟器。 先决条件 这个项目需要numpy、pygame和scipy，并且使用Python 3。 还有trafficSimulator 只需将trafficSimulator文件夹放在与文件相同的路径，然后使用from trafficSimulator import *。 虽然我们可以修改Simulation类以存储我们以后可以使用的模拟数据，但如果数据收集过程更加简化会更好。 这个模拟还是有很多不足的。曲线的实施是糟糕且低效的，并且会导致车辆和交通信号之间的相互作用出现问题。 虽然有些人可能认为智能驾驶员模型有点矫枉过正，但重要的是要有一个模型可以复制真实世界的现象，如交通波（又名幽灵交通蛇）和驾驶员反应时间的影响。出于这个原因，我选择使用智能驱动模型。但是对于准确性和极端真实性并不重要的模拟，例如在视频游戏中，IDM 可以被更简单的基于逻辑的模型所取代。 完全依赖基于模拟的数据会增加过度拟合的风险。您的 ML 模型可以针对仅存在于模拟中而在现实世界中不存在的零食进行优化。 模拟是数据科学和机器学习的重要组成部分。

CX-Simulatorrar,CX-Simulator