集成的数字数据

速度数据视图

考虑下面的速度数据和相应的时间数据。

韦尔=[0点1.79 4.02 7.15 11.18 16.09 21.90 29.05 29.05…29.05 29.05 29.05 22.42 17.9 17.9 17.9 17.9 14.34 11.01…8.9 6.54 2.03 0.55 0];时间= 0:24;

这些数据代表了汽车的速度(米/秒)在1 s间隔24岁以上。

情节速度数据点和连接每一个点和一条直线。

图绘制(时间,或者,“- *”网格)在标题(“汽车速度”)包含(“时间(s)”)ylabel (“速度(米/秒)”)

斜率是正加速时期,零期间恒定速度,和消极的减速时期。在时间t = 0,车辆是静止的韦尔(1)= 0m / s。汽车加速,直到达到最大速度t = 8年代的韦尔(9)= 29.05米/秒和4 s保持这个速度。然后减慢韦尔(14)= 17.9米/秒3,最终回到休息。因为这个速度曲线有多个不连续,一个连续函数不能描述它。

计算的总距离

trapz执行离散集成通过使用创建梯形的数据点,所以它非常适合处理与不连续的数据集。这种方法假定数据点之间的线性行为,和准确性可能会减少,当数据点之间的非线性行为。为了说明这一点,您可以绘制梯形图使用数据点作为顶点。

xverts = [(1: end-1);时间(1:end-1);时间(2:结束);时间(2:结束)];yverts = [0 (24);韦尔(1:end-1);韦尔(2:结束);0 (24)];p =补丁(xverts yverts,“b”,“线宽”,1.5);

trapz计算面积的一组离散数据打破该地区成梯形。然后函数添加每一个梯形的面积计算面积。

计算汽车的总距离(对应于阴影区域)通过整合速度数据数值使用trapz。默认情况下,点被认为是之间的间距1如果你使用语法trapz (Y)。不过,您可以指定一个不同的均匀或非均匀间隔X与语法trapz (X, Y)。在这种情况下,数据之间的间距时间向量是1,所以它是可以接受使用默认间距。

距离= trapz(或者)

距离= 345.2200

汽车的距离t = 24年代约为345.22 m。

情节累积距离

的cumtrapz函数是密切相关的trapz。而trapz只返回最后一个集成的价值,cumtrapz在一个向量也返回中间值。

计算累积距离和策划的结果。

cdistance = cumtrapz(或者);T =表(时间”,cdistance”,“VariableNames”,{“时间”,“CumulativeDistance”})

T =25×2表CumulativeDistance __ _____________ 9.835 4.25 1.345 0.225 0 0 1 2 3 4 5 6 19 135.2 106.15 77.105 32.635 51.63 7 8 9 10 11 239.2 219.04 164.25 193.31 12 13 14 15 257.1⋮

情节(cdistance)标题(“累积距离每秒”)包含(“时间(s)”)ylabel (“距离(m)”)