查看速度数据

考虑以下速度数据和相应的时间数据。

vel = [0 .45 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;

该数据代表汽车（以M/s为单位）的速度，以24 s的间隔1 s。

绘制速度数据点，并用直线连接每个点。

图图（时间，vel，' - *'） 网格上标题（“汽车速度”）xlabel（“时间）”）ylabel（'速度（m/s）'）

斜率在加速期间为正，在恒定速度期间为零，在减速期间为负。时间t = 0，车辆与vel（1）= 0小姐。车辆加速直到达到最大速度t = 8Svel（9）= 29.05m/s并保持该速度为4 s。然后减速vel（14）= 17.9m/s持续3 s，最终恢复休息。由于此速度曲线具有多个不连续性，因此单个连续函数无法描述它。

计算总距离旅行

陷阱通过使用数据点创建梯形来执行离散集成，因此非常适合处理不连续性的数据集。该方法假设数据点之间的线性行为，当数据点之间的行为是非线性时，可以降低准确性。为了说明，您可以使用数据点作为顶点将梯形绘制到图上。

xverts = [time（1：end-1）;时间（1：End-1）;时间（2：end）;时间（2：end）];yverts = [zeros（1,24）;Vel（1：End-1）;vel（2：end）;零（1,24）];p = patch（xverts，yverts，'b'，，，，'行宽'，1.5）;

陷阱通过将区域分解为梯形，在一组离散数据下计算区域。然后，该功能添加每个梯形的面积以计算总面积。

通过使用数值集成速度数据来计算汽车（对应于阴影区域）的总距离陷阱。默认情况下，假定点之间的间距是1如果您使用语法陷阱（y）。但是，您可以指定不同的均匀或非均匀间距X使用语法陷阱（x，y）。在这种情况下，读数之间的间距时间向量是1，因此使用默认间距是可以接受的。

距离=陷阱（vel）

距离= 345.2200

汽车旅行的距离t = 24S约为345.22 m。

累积距离旅行

这暨特拉普兹功能与陷阱。尽管陷阱仅返回最终集成值，暨特拉普兹还返回向量中的中间值。

计算行进的累积距离并绘制结果。

cdistance = cumtrapz（vel）;t =表（时间'，cdistance'，'variablenames'，{'时间'，，，，“累积主义”}）

t =25×2桌时间累积主义____ ____ __________________ 0 0 1 0 1 0.225 2 1.345 3 4.25 4 9.835 5 19 6 32.635 7 51.63 8 77.105 9 106.15 10 135.2 11 135.2 11 164.25 12 193.31 133.31 13 3.31 13 219.04 13 219.04 14 14 239.2 157.2 157.1⋮

情节（cdistance）标题（“每秒行进的累积距离”）xlabel（“时间）”）ylabel（'距离（M）'）