首页 > 其他分享 >matlab双y轴

matlab双y轴

时间:2023-04-29 10:22:22浏览次数:49  
标签:fontname Sita Times Roman matlab CS New

clc
clear
close all


Sita = 0:0.25:5;
y1 = -20000./(1.6.*Sita.^2-288.00);
y2 = -20000./(1.2.*Sita.^2-208.00);
y3 = -56000./(1.92.*Sita.^2-294.400);
y4 = -80000./(0.92.*Sita.^2-64.00);

figure;
hold on
set(gcf, 'Position', [176,193,621,526]); 
%左轴
yyaxis left;
h1 = plot(Sita,y1,'-s','color',[0,44,83]/255,'linewidth',1.5);
plot(Sita,y2,'-s','color',[255,165,16]/255,'linewidth',1.5);
plot(Sita,y3,'-s','color',[12,132,198]/255,'linewidth',1.5);
%显示范围
% xlim([0,5]);
ylim([45,300]);
%坐标轴刻度
% yticks([0.6e6 0.8e6 1.0e6 1.2e6 ])
set(gca,'ycolor',[0 0 0]);

yl = ylabel({'\it\fontname{Times New Roman}y_{CS}^{M1}\rm\fontname{Times New Roman}\cdot{10}','\it\fontname{Times New Roman}y_{CS}^{M2}\rm\fontname{Times New Roman}\cdot{10}','\it\fontname{Times New Roman}y_{CS}^{M3}\rm\fontname{Times New Roman}\cdot{10}'});

set(yl,'Rotation',0,'position',[-0.6 150]);
%右轴
yyaxis right;
%显示范围
% xlim([0,5]);
ylim([-200,2000]);
h2 = plot(Sita,y4,'-d','color',[247,77,77]/255,'linewidth',1.5);
set(gca,'ycolor',[0 0 0]);
%坐标轴刻度
% yticks([1e5 2e5 3e5 4e5])
%坐标轴标签
yr = ylabel('\it\fontname{Times New Roman}y_{CS}^{M4}\rm\fontname{Times New Roman}\cdot{10}');
set(yr,'Rotation',0,'position',[5.7 1100]);
xlabel('\theta ');
box on
grid on
legend({'\it\fontname{Times New Roman}y_{CS}^{M1}','\it\fontname{Times New Roman}y_{CS}^{M2}','\it\fontname{Times New Roman}y_{CS}^{M3}','\it\fontname{Times New Roman}y_{CS}^{M4}'});

标签:fontname,Sita,Times,Roman,matlab,CS,New
From: https://www.cnblogs.com/Ada-CN/p/17363658.html

相关文章

  • matlab读取文件中时间格式变量并将x轴以时间格式显示
    clcclearcloseall%读取数据文件[num,txt,raw]=xlsread('data.xlsx');%将第一列读进来作为时间dateStrings=raw(2:end,1);%将第一列设置为时间数字格式x_raw=datenum(dateStrings);x=x_raw(:,:);%绘制图像figureholdon%设置图片位置大小set(gcf,'Posit......
  • 示波器数据导入MATLAB进行FFT分析的方法
      http://blog.sina.com.cn/s/blog_710421fa0101crm1.htmlpower_fftscope;示波器保存为.csv格式文件,然后用matlab导入新建.mdl模型文件,示波器里面变量保存为uuuu.time=seconduu.signals.values=Volt在工作台运行上面两条指令,直到FFT分析几面里面出现波形,就可以分析了!1......
  • matlab生成点云
    clc;clearall;closeall;N=1000;%#NumberofpointsV=[-10,0;0,10;10,0];%#Trianglevertices,pairsof(x,y)t=sqrt(rand(N,1));s=rand(N,1);P=(1-t)*V(1,:)+bsxfun(@times,((1-s)*V(2,:)+s*V(3,:)),t);u......
  • 基于肤色空间建模+连通域处理的人脸检测算法的MATLAB仿真
    1.算法仿真效果matlab2022a仿真结果如下:   2.算法涉及理论知识概要        在过去的几年里,人脸识别受到了广泛的关注,被认为是图像分析领域最有前途的应用之一。人脸检测可以考虑人脸识别操作的很大一部分。根据其强度将计算资源集中在持有人脸的图像部分。图片......
  • m基于模糊控制的网络时延预测和丢包率matlab仿真
    1.算法仿真效果matlab2022a仿真结果如下:2.算法涉及理论知识概要涉及到具体的数据包大小以及时间延迟,我们通过构建一个FIFO,来虚拟网络的实际工作情况,当空闲情况下,网络流量非常小,我们的数据通过FIFO,会在FIFO内排队,等候前面的数据传输出去后,再发送出去,在FIFO中等候时间为30~60ms,小......
  • 基于肤色空间建模+连通域处理的人脸检测算法的MATLAB仿真
    1.算法仿真效果matlab2022a仿真结果如下:2.算法涉及理论知识概要在过去的几年里,人脸识别受到了广泛的关注,被认为是图像分析领域最有前途的应用之一。人脸检测可以考虑人脸识别操作的很大一部分。根据其强度将计算资源集中在持有人脸的图像部分。图片中的人脸检测方法很复杂,因为......
  • m基于背景差法与GMM混合高斯模型结合的红外目标检测与跟踪算法matlab仿真
    1.算法仿真效果matlab2013b仿真结果如下: 普通视频:  红外视频:   2.算法涉及理论知识概要       在Stauffer等人提出的自适应混合高斯背景模型基础上,为每个像素构建混合高斯背景模型,通过融入帧间差分把每帧中的图像区分为背景区域、背景显露区域和运动物......
  • m基于模糊控制的网络时延预测和丢包率matlab仿真
    1.算法仿真效果matlab2022a仿真结果如下:    2.算法涉及理论知识概要        涉及到具体的数据包大小以及时间延迟,我们通过构建一个FIFO,来虚拟网络的实际工作情况,当空闲情况下,网络流量非常小,我们的数据通过FIFO,会在FIFO内排队,等候前面的数据传输出去后,再发......
  • m基于背景差法与GMM混合高斯模型结合的红外目标检测与跟踪算法matlab仿真
    1.算法仿真效果matlab2013b仿真结果如下:普通视频:红外视频:2.算法涉及理论知识概要在Stauffer等人提出的自适应混合高斯背景模型基础上,为每个像素构建混合高斯背景模型,通过融入帧间差分把每帧中的图像区分为背景区域、背景显露区域和运动物体区域。相对于背景区域,背景显露......
  • m基于LOC-PCA算法的人脸重建算法matlab仿真,给定人物侧脸实现正脸重建
    1.算法仿真效果matlab2022a仿真结果如下:       2.算法涉及理论知识概要      提出了一种有效的图像姿态合成方法。姿势合成用于预测在给定姿势的期望姿势处具有最小误差的面部图像。在许多情况下,这是经常需要的例如动画电影的制作、法医学和3D人脸几......