標籤:

APPs(002)測量個「皮鞭」(a)

一大早,還沒睡醒的我剛打開電腦,老大就把一個不明物體扔在桌子上,「你校正下」。

「老大,這個皮鞭您讓我抽誰?」,我揚起手裡的鞭子。

「這個皮鞭,啊,不,這個感測器參數表丟了,你去測一下」,老闆一臉無奈。

「奧」,我低頭看看手裡的東西,「是時候展現真正的技術了!」。

  • 位移感測器可用範圍為其線性部分,數學描述為:

E_u = A*x_{probe} +B

  • 小弟兢兢業業做實驗,拿到的數據是:

format shortntestDatan

testData =nn 16×3 tablenn No Eu Xproben __ ______ ______nn 1 2.0815 13.591n 2 4.0906 14.818n 3 6.0127 15.736n 4 8.0913 16.8n 5 10.063 17.628n 6 12.01 18.298n 7 14.028 19.685n 8 16.055 20.707n 9 18.096 21.559n 10 20.096 22.579n 11 22.016 23.552n 12 24.097 24.356n 13 26.096 25.468n 14 28.049 26.206n 15 30.08 27.453n 16 32.014 28.096n

  • 擬合

fType = fittype(poly1)n[fitOut,fitGof] = fit(testData.Xprobe,testData.Eu,fType)nplot(fitOut,predobs)nhold onnplot(testData.Xprobe,testData.Eu,bo)n

fType = nn Linear model Poly1:n fType(p1,p2,x) = p1*x + p2nnfitOut = nn Linear model Poly1:n fitOut(x) = p1*x + p2n Coefficients (with 95% confidence bounds):n p1 = 2.065 (2.03, 2.1)n p2 = -26.37 (-27.12, -25.62)nnfitGof = nn struct with fields:nn sse: 1.1830n rsquare: 0.9991n dfe: 14n adjrsquare: 0.9991n rmse: 0.2907n

「老大,皮鞭,啊,不感測器參數,敬上!」:

E_u = 2.065*x_{probe} - 26.370

苦逼的工程師工作結束了!唉,又要喝一上午咖啡了。

一定有碼農說,LowB,巨丑,我不在意,我幹完活了。

每天工資一定的情況下,每行代碼更值錢了,哈哈哈。

(接下來幾期會圍繞fit,plot做深入分析。為了寫個有趣的背景,還真是難啊!)

推薦閱讀:

Matlab如何對二維數據分類
matlab遺傳演算法解決多約束的mtsp問題?
為什麼 MATLAB 矩陣為縱向存儲,有什麼好處?
matlab 函數返回值列表太長,覺得醜陋,怎麼辦?
Matlab求解方程組?

TAG:MATLAB |