通过运行命令，自动导出PFC颗粒流当前模型的所有球颗粒的编号、坐标、分组、半径信息到csv文件，可用于分析颗粒的级配曲线，定向删除、替换特定的球等建模相关工作。适用版本：PFC 5.0。

基于MATLAB编程，用霍夫变换进行圆检测，然后识别半径，代码完整，包含数据，有注释，方便扩展应用 1，如有疑问，不会运行，可以私信, 2，需要创新，或者修改可以扫描二维码联系博主, 3，本科及本科以上可以下载应用或者扩展， 4，内容不完全匹配要求或需求，可以联系博主扩展。

23/6/27: 参考笔记：https://blog.csdn.net/qq_43572058/article/details/131617080，了解如何处理磁化文件并获取磁斯格明子的位置和半径的粗略方法。 使用方式： 1.只需在main_skyTool.py中输入磁化文件所在的目录，和自己微磁模型的相关参数，和其它选项，，， 2.在此文件所在的目录下打开命令行并运行主文件main_skyTool.py即可，即输入python main_skyTool.py 3.会把从所有磁化文件中获取的所有斯格明子的信息按照文件读取顺序保存在一个文本文件“sky的位置和半径.txt”，该文件的第一列是文件顺序索引1,2,3，，，从第二列开始，每四列就是一个斯格明子的位置坐标(x,y,z)和半径，默认值-1表示无斯格明子信息。

简单介绍了G10指令实现刀具半径补偿的设置格式,详细阐述了在数控铣削编程时应用G10指令中R常量功能和变量功能进行刀具半径补偿的方法,并结合实际加工经验给出了编程模板,希望为应用G10指令进行数控铣削编程的深入研究提供一定的实践基础。

我们研究了量子点-脂质体复合物（QLC），它是巨大的单层囊泡，其脂质双层中掺入了量子点（QD）。 旋涂方法与电铸技术相结合产生具有高度均一的单层结构的囊泡。 我们观察到QLC形成过程的QD尺寸依赖性：QLC形成蓝色，绿色和黄色发射的QD（中心半径〜1.05 nm，1.25 nm和1.65 nm），而没有发射红色的QD（中心半径〜2.5 nm）。 为了解释这种大小依赖性，我们建立了一个简单的模型，该模型根据分子堆积参数和脂质构象变化来解释QD大小对QLC形成的影响。 该模型预测，对于Egg-PC脂质，低于某个临界尺寸（半径≈1.8 nm）的QD可以稳定地存在于厚度为4-5 nm的脂质双层中。 这与我们之前的实验结果一致。 对于红色发射的QD，仅在荧光显微镜上观察到QD聚集，而不是QLC。 我们预期填充参数（P）的减小将导致特定QD半径的变化。 我们通过混合DOPG对特定QD尺寸的变化进行的实验观察可以证实这一预测。

为了在无线传感器网络中找到一条距离短，节点能量消耗少的最优路径.通过采用“三步递进式”的寻点方法，提出了一种优化的蚁群算法DDEARA.首先，利用动态半径搜索因子寻找下一跳候选节点，能够保证蚁群算法收敛且节点位置分布均匀.其次，引入节点能量预测因子，避免节点能量不足时仍被超负荷使用的不合理现象，即当消耗完某个节点的所有能量，却未能成功传完所有数据.最后，在寻找下一跳候选节点过程中引入方向因子，带有方向性的寻点，避免了反方向的无关节点被选中为下一跳候选节点，减小最优路径距离，节约节点能耗，提高算法寻优效能.仿真结果表明DDEARA算法能够实现蚁群算法动态收敛，相邻节点之间间距适中，节点能耗均匀，过滤反向无关节点，减小最优路径距离，全面提高算法寻优能力，延长无线传感器网络的使用性能和寿命.

matlab计算曲率的代码曲线我的gcode 用于围绕具有给定半径的轴弯曲平面 G 代码的 Matlab 脚本。 作者：让-弗朗索瓦·肖维特 灵感和改编自： G. Zhao、G. Ma、J. Feng 和 W. Xiao，“机器人增材制造的非平面切片和路径生成方法”，《国际先进制造技术杂志》，卷。 96，没有。 9–12，第 3149–3159 页，2018 年 6 月，doi：10.1007/s00170-018-1772-9。 基本用法 有两种方法可以使用此代码： 案例#1：您在CAD软件中建模了一个弯曲的零件，您想根据它的底半径打印它（底半径是零件的最大半径，通常位于零件的底部，它会放在上面印刷床的半径，即第一层半径）。 你刚刚关闭了你最喜欢的 CAD 软件，基本上还没有切片任何 G 代码。 对于这种情况，请转到步骤 1 关于源 3D 模型的说明： STL 原点必须在零件下方。 零件的曲率必须围绕 X 和/或 Y 轴。 案例#2：您想要弯曲一个已经平坦的 G 代码，这可能来自对平坦部分的切片。 对于这种情况，请转到步骤 2 第 1 步：获取平面 G 代码 在运行 Matlab 代

MATLAB拟合求解圆心和半径 源程序代码.zip

在已知的多输入多输出(MIMO)及正交频分复用(OFDM)系统的信号检测算法中，球型译码检测算法的译码性能十分接近于性能最优的最大似然检测算法，并且其译码复杂度有很大的降低，但其会受到译码半径的影响。普通的球型译码检测算法，信道噪声对算法的译码半径影响较大，为了降低信道噪声对译码半径的影响度，提出了一种新型的球型译码检测算法，该算法在译码初始半径分别根据两种不同的情况作出选择。仿真结果显示，其选择的译码半径受噪声的影响极小，达到了降低译码复杂度的目的。总体而言，新型的球型译码检测算法极大地降低了译码复杂度

R = CRR(S) 以 95% 的概率计算以平均为中心的区间、圆或球体的半径，S 是标准偏差向量或多元正态分布的协方差矩阵。 如果 S 是实数、对称、半正定矩阵，则 CRR(S) 等价于 CRR(SQRT(EIG(S)))。 标量 S 被视为标准偏差。 R = CRR(S,P) 以概率 P 而不是默认值 0.95 计算置信区域半径。 R = CRR(S,P,TOL) 使用 TOL 的正交容差而不是默认值 1e-15。 较大的 TOL 值可能会导致更少的函数评估和更快的计算，但结果不太准确。 使用[]作为占位符，获取P的默认值。 R = CRR(S,P,TOL,M) 使用大小为 1e6 的 M 个正态分布随机样本执行引导验证。 使用[]作为占位符获取TOL的默认值。 R = CRR(S,P,TOL,[MN]) 使用大小为 N 的 M 个正态分布随机样本执行引导验证。