BP神经网络时间序列预测MATLAB源代码（BP时序预测MATLAB） 1、直接替换数据即可使用，不需要理解代码 2、代码注释详细，可供学习 3、可设置延时步长 4、自动计算最佳隐含层神经元节点数量 5、作图精细，图像结果齐全 6、各误差结果指标齐全，自动计算误差平方和SSE、平均绝对误差MAE、均方误差MSE、均方根误差RMSE、平均绝对百分比误差MAPE、预测准确率、相关系数R等指标，结果种类丰富齐全 7、Excel数据集导入，直接把数据替换到Excel即可 8、可自动随意设置测试集数量 9、注释了结果在工作区

用MATLAB实现路径规划，采用A*算法，三维路径规划也可以。

通过matlab来获取6轴机械臂的逆解，里面包含了matlab的机器人库。

尝试在simulink中运行文件时，它显示- 在 flag=1 调用期间由 S-function 返回的状态导数必须是长度为 4 的实向量。 而我在 flag=1 中保持长度为 4，并且我使用了实代数方程。 不，复杂向量的问题来了。 为什么会出现这个错误？？ 请帮忙。

tensor_toolbox：MATLAB Tensor Toolbox（作者Tamara Kolda）

matlab艾里光代码艾里光束断层显微术 (ATM) 的重建演示 本软件是作为文章的随附软件分发的，Jian Wang、Xuanwen Hua、Changliang Guo、Wenhao Liu 和 Shu Jia，“Airy-beam tomographyoscopy，”Optica 7，790-793（2020）， 怎么跑 演示包由用 MATLAB（MathWorks, Natick, MA）编写的函数和脚本组成。 代码已在MATLAB R2018b版本中测试。 为了简化编码，我们使用 DIPimage 工具箱 ()。 运行用于重建 3D 结构的演示代码： 将MATLAB中的当前文件夹设置为ATMdemo code\ 打开脚本ATMdemo.m，并使用实验数据Proj_data.mat。 设置以下参数的值：r1_max、r2_max、r3_max（重建矩阵的边长）、u_max（投影边长）、vpRatio（体素与像素比）、num_proj（投影数）、rnl（相对噪声水平） )、thetaZ（与 z 投影的角度）和投影数据文件。 运行代码。 输出是重建 3D 结构的 z 层。 计算时间

故障诊断，时域特征提取，包含有量纲参数和无量纲参数，一共17个特征参数值；频域特征提取，一共3个特征参数值；时频域特征提取，一共18个特征参数值；所有matlab程序代码均有详细注解说明，直接代入原始数据运行即可得到结果。

滑动离散傅立叶变换（SDFT）在计算上非常有效，并且在其标称频率下工作时能够提供出色的谐波抑制性能。 但是，在标称频率之外，幅度和相位角都包含由于频谱泄漏引起的误差。 而且，在这种情况下，它的谐波抑制能力大大削弱。 该算法提出了一种在非标称频率下以固定采样率应用滑动傅里叶变换的方法，同时保持其优越的性能。 该方法涉及使用两级滑动傅里叶变换 (SFT)。 第一阶段具有固定窗口宽度的 SFT 用于驱动第二阶段的可变窗口宽度 SFT。 所提出的技术 (SFT-SFT) 已在 dSPACE MicrolabBox 上使用预生成的电压矢量进行实时测试，以模拟最不方便的电网条件。 与去耦静止参考框架 PLL 方法相比，测试场景证明了其优越的性能。 此处提供的 Simulink 文件包含算法的实现和解耦固定参考系 PLL 的实现，以便将它们的性能与相同的不便输入进行比较

该资源是基于MATLAB软件环境开发的锂电池Battery Management System (BMS)仿真模型。该模型的目的是对锂电池的管理系统进行详尽和深入的研究和模拟，这对于理解其工作原理和提升它的性能是至关重要的。 该模型可用于模拟和预测锂电池在各种工况下的性能和状态。通过使用此模型，你可以模拟电池的充电和放电过程，我并分析这些过程中电池的电压、电流、状态量等参数的变化。 此外，也可以利用MATLAB的强大的数据分析和处理功能，通过模型实现对BMS控制策略的优化设计，为BMS的研究、设计和改进提供有力的工具。 该模型可以直接生成C代码，可以直接把.c、.h文件放到工程中即可使用。 需要注意的是，使用此资源需要具备基础的MATLAB软件操作知识，同时对电池技术、电池管理系统以及相关仿真技术有一定的了解。只有这样，才能充分的利用此资源进行产品研发和技术创新。

ist的matlab代码B蛇道检测的C ++实现 这是基于Wang等人的bsnake论文进行车道检测的代码。 什么是基于B蛇的车道模型 它描述了平行线的透视效果是通过双重外力构造的，用于通用车道边界或标记 与其他车道模型（例如直线和抛物线模型）相比，它能够描述更广泛的车道结构。 由于在地面上使用了平行的道路知识，因此它对阴影，噪声和其他方面具有鲁棒性。 通过确定车道模型控制点的集合来制定车道检测问题。 消失点的Canny / Hough估计（CHEVP）算法 它是一种健壮的算法，可为B蛇道模型提供良好的初始位置，该模型对于捕获的道路图像中的噪声，阴影和照明变化具有鲁棒性。 它也适用于标记和未标记的划线油漆线和实心油漆线道路。 CHEVP算法如何工作 假定该道路在地面上具有两个平行边界，并且在短的图像水平带中，该道路近似是笔直的。 作为透视投影的结果，图像平面中的道路边界应在地平线上的共享消失点处相交。 CHEVP算法有五个处理阶段： 通过Canny边缘检测提取边缘像素。 Canny边缘检测用于获得边缘图。 通过霍夫变换进行直线检测。 地平线和消失检测。 通过检测到的道路线估计道路的中线