二维几何基础模板(三)

一、通过圆心角求坐标的函数

struct Circle{
    Point c;
    double r;
    Circle(Point c,double r):c(c),r(r) {}
    Point getPoint(double a){
        return Point(c.x+cos(a)*r,c.y+sin(s)*r);
    }
};


二、直线和圆的交点

int getLineCircleIntersection(Line L,Circle C,double& t1,double& t2,vector<Point>& sol){  
    double a = L.v.x,b = L.p.x-C.c.x,c = L.v.y,d = L.p.y-C.c.y;  
    double e = a*a+c*c,f = 2*(a*b+c*d),g = b*b+d*d-C.r*C.r;  
    double delta = f*f-4*e*g;    //判别式  
    if(dcmp(delta) < 0)           //相离  
        return 0;               //相切  
    if(dcmp(delta) == 0){  
        t1 = t2 = -f/(2*e);  
        sol.push_back(L.point(t1));  
        return 1;  
    }  
    //相交  
    t1 = (-f-sqrt(delta))/(2*e);  
    sol.push_back(L.point(t1));  
    t2 = (-f+sqrt(delta))/(2*e);  
    sol.push_back(L.point(t2));  
    return 2;  
}
//函数返回的是交点的个数,参数sol存放的是交点本身。   注意上述代码并没有清空sol


三、计算向量极角的方法

double angle(Vector v){
    return atan2(v.y,v.x);
}

四、两圆相交的代码

int getCircleCircleIntersection(Circle C1,Circle C2,vector<Point>& sol){
    double d = Length(C1.c-C2.c);
    if(dcmp(d) == 0){
        if(dcmp(C1.r-C2.r) == 0)      //两圆重合
            return -1;
        return 0;
    }
    if(dcmp(C1.r+C2.r-d) < 0)
        return 0;
    if(dcmp(fabs(C1.r-C2.r)-d) > 0)
        return 0;
    double a = angle(C2.c-C1.c);      //向量C1C2的极角
    double da = acos((C1.r*C1.r+d*d-C2.r*C2.r)/(2*C1.r*d));   //C1C2到C1P1的角
    Point p1 = C1.point(a-da),p2 = C1.point(a+da);


    sol.push_back(p1);
    if(p1 == p2)
        return 1;
    sol.push_back(p2);
    return 2;
}


、两圆相交的面积

double area(Point c1,double r1,Point c2,double r2){  
    double d = dis(c1,c2);  
    if (r1+r2 < d+exs)
        return 0;//相离  
    if (d < fabs(r1-r2)+exp){//内含 
        double r = min(r1,r2);  
        return PI*r*r;  
    }  
    double x = (d*d+r1*r1-r2*r2)/(2*d);  
    double t1 = acos(x/r1);  
    double t2 = acos((d-x)/r2);  
    return r1*r1*t1+r2*r2*t2-d*r1*sin(t1);//相交  
}  


六、过定点作圆的切线

//过点p到圆C的切线。v[i]是第i条切线的向量。返回切线条数
int getTangents(Point p,Circle C,Vector* v){
    Vector u=C.c-p;
    double dist=Length(u);
    if(dist<C.r)
        return 0;
    else if(dcmp(dist-C.r)==0){
        //p在圆上,只有一条切线
         v[0]=Rotate(u,PI/2);
         return 1;
    }
    else{
        double ang=asin(C.r/dist);
        v[0]=Rotate(u,-ang);
        v[1]=Rotate(u,+ang);
        trturn 2;
    }
}


七、外公切线(假定r1>=r2)

//返回切线的条数。-1表示无穷条切线
//a[i]和b[i]分别是第i条切线在圆A和圆B上的切点
int getTangents(Circle A,Circle B,Point* a,Point* b){
    int cnt = 0;
    if(A.r < B.r){
        swap(A,B);
        swap(a,b);
    }
    int d2 = (A.c.x-B.c.x)*(A.c.x-B.c.x)+(A.c.y-B.c.y)*(A.c.y-B.c.y);
    int rdiff = A.r-B.r;
    int rsum = A.r+B.r;
    if(d2 < rdiff*rdiff)
        return 0;       //内含
    double base = atan2(B.c.y-A.c.y,B.c.x-A.c.x);
    if(d2==0 && A.r==B.r)
        return -1;      //无限条切线
    if(d2 == rdiff*rdiff){
        //内切,1条切线
        a[cnt] = A.getPoint(base); b[cnt] = B.getPoint(base); ++cnt;
        return 1;
    }
    //有外公切线
    double ang = acos((A.r-B.r)/sqrt(d2));
    a[cnt] = A.getPoint(base+ang); b[cnt] = B.getPoint(base+ang); ++cnt;
    a[cnt] = A.getPoint(base-ang); b[cnt] = B.getPoint(base-ang); ++cnt;
    if(d2 == rsum*rsum){
        //一条公切线
        a[cnt] = A.getPoint(base); b[cnt] = B.getPoint(pi+base); ++cnt;
    }
    else if(d2 > rsum*rsum){
        //两条公切线
        double ang = acos((A.r+B.r)/sqrt(d2));
        a[cnt] = A.getPoint(base+ang); b[cnt] = B.getPoint(pi+base+ang); ++cnt;
        a[cnt] = A.getPoint(base-ang); b[cnt] = B.getPoint(pi+base-ang); ++cnt;
    }
    return cnt;
}


基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值