matlab 水电站过渡过程 有偿

一维特征线法求解过渡过程中水轮机水头,压力的变化,求指导,有偿

  • 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7611214
  • 我还给你找了一篇非常好的博客,你可以看看是否有帮助,链接:关于matlab 画水平线
  • 除此之外, 这篇博客: 基于MATLAB的数字水印系统中的 三、 水印攻击性实验 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  • 由于数字水印在实际应用中可能会遭到各种各样的攻击,因此对算法进行攻击测试是衡量一个水印算法优劣的重要手段。

    1、JPEG 压缩实验

    首先对嵌入水印后的图像进行 JPEG压缩(如图3.3),而后从压缩的图像中提取出水印(如图3.4),对融合图像进行不同JPEG压缩比压缩,得出数据如表3.1所示。程序代码如下:

    imwrite(Y,'watermarked1.jpg','jpeg','quality',45);

    Y=imread('watermarked1.jpg');

    b393f509b28a0c9ebfbdc8e2c176c54c.png
    图3.3 压缩后的融合图形

    0cf868d2ccbfee2b451c88bb0712bab2.png
    (a) 未经压缩的提取水印

    397966099115094849e49e53bbc1516f.png
    ( b) 压缩90%后的提取水印

    f0d493ad7f3f0fe2bfb459cbc105976f.png
    (c) 压缩80%后的提取水印

    efe8deb6af31f7e45133897f1245e678.png
    (d) 压缩70%后的提取水印

    4c6e67ea47028a8879797aed1cc20a65.png
    (e) 压缩60%后的提取水印

    d5a7473463b862e770a5d109cc3517d3.png
    (f) 压缩50%后的提取水印

    图3.4 压缩实验后的水印效果图

    表3.1 JPEG压缩实验提取与嵌入水印的峰值信噪比和相似度

    JPEG压缩比(quality)信噪比(PSNR)相似度(NC)
    509.4534 db0.9270
    6012.0882 db0.9350
    7014.4313 db0.9588
    8017.6216 db0.9887
    9021.1069 db0.9938

    由实验可知,小波域水印法对JEPG压缩实验有一定的抗性,压缩比直接影响PSNRNC的取值,当Quality取值越大时,压缩质量越好,提取出的水印效果也就越好。

    2、噪声实验

    加入噪声是对水印鲁棒性考验的一种常见的攻击 。本实验选取两种常用的噪声,高斯噪声和椒盐噪声作为攻击手段。先对融合图像加入高斯噪声(如图6.5),通过对高斯噪声的方差进行变化,得到不同效果图和数据,如下图6.6和表6.2所示。程序代码如下:

    sigma=1;

    Y=Y+sigma*randn(size(Y));

    409e3edfac4f3cb08ec06779adb8e15a.png
    图3.5 加入高斯噪声后的融合图像

    54711e6945b2f7619c05af8275326746.png
    (a) 未经处理的提取水印

    8aa8305eee9a61ca9ede707d99b65590.png
    (b) sigma=1时的提取水印

    b91b41629ac91ff03e270317df38dc9b.png
    (c) sigma= 2时的提取水印

    7beef3af244b394dc2c57f3f155ba8c7.png
    (d) sigma=3时的提取水印

    d5dfac7c19570fe28c0d8c1e77b88c8a.png
    (e) sigma= 4时的提取水印

    d01f70b5d9b67ade25f056b6ed7603a0.png
    (f) sigma= 5时的提取水印

    图3.6 高斯噪声实验后的水印效果图

    表3.2 高斯噪声实验提取与嵌入水印的峰值信噪比和相似度

    高斯噪声的方差(sigma)信噪比(PSNR)相似度(NC)
    122.030 db0.9963
    216.1241 db0.9859
    312.7570 db0.9706
    49.9961 db0.9453
    58.1260 db0.9203

    由上述实验可知,小波域水印法对高斯噪声攻击性实验具有一定的抗性,但效果不太好,高斯方差直接影响PSNRNC的取值。

    再对融合图像加入椒盐噪声(如图3.7),通过对椒盐噪声的密度取值进行变化,得到不同的图像和数据,如下图3.8和表3.3所示。程序代码如下:

    U=0.5*ones(size(Y));

    J=imnoise(U,'salt & pepper',0.0001);

    Y(J==0)=0;

    Y(J==1)=255;

    ccb7cfc23a280446d4a5c764118f69f5.png
    图3.7 加入椒盐噪声后的融合图像

    7a3938d6720723641d9bf90f1af016a8.png
    (a) 未经处理的提取水印

    cb3863385b63e4b5298c72f86912bc43.png
    (b)密度为0.0002时的提取水印

    5d1c90b1e8937f634bfcac814cdf7e83.png
    (c) 密度为0.0004时的提取水印

    2b4f48027910fd3440ec0257b850b201.png
    (d) 密度为0.006时的提取水印

    87d44f2722bfc3824a7d0a527b5cdd7f.png
    (e) 密度为0.0008时的提取水印

    cdfb4ad7268d6d08302ec4d3fbf3e082.png
    (f)密度为0.001时的提取水印

    图3.8 椒盐噪声实验后的水印效果图

    表3.3 椒盐噪声实验提取与嵌入水印的峰值信噪比和相似度

    椒盐噪声的密度信噪比(PSNR)相似度(NC)
    0.000216.3944 db0.9939
    0.000414.7578 db0.9807
    0.000612.8045 db0.9694
    0.000811.4493 db0.9588
    0.00110.4967 db0.9451

    由上述实验可知,小波域水印法对椒盐噪声攻击性实验也具有一定的抗性,但效果不是太好,改变椒盐噪声的密度可直接影响PSNRNC的取值。

    综上所述,小波域水印法在盲提取和检测中具有良好的鲁棒性和不可见性。在进行抗攻击性实验室,也表现出一定的抗性。但抗压缩性的能力明显优于抗噪声性的能力,以后的改进需向抗噪声干扰这方面进行。

可以呀,做仿真还是模型数据

关于一维特征线法求解水轮机水头和压力变化的过渡过程,我可以给你一些指导和基本的解释,以帮助你理解该方法的基本原理和应用。

一维特征线法(Characteristics Method)是一种常用于求解一维流动问题的数值方法,用于计算管道、通道、水轮机等流体系统中的压力、速度和流量等参数的变化。该方法基于一维欧拉方程和流速特征线的概念,通过沿着特征线进行离散化,将偏微分方程转化为常微分方程,从而进行数值求解。

在求解水轮机过渡过程中的水头和压力变化时,你需要考虑以下几个步骤:

  • 确定水轮机的几何形状和运行参数,例如进口流量、进口压力、出口压力等。
  • 建立水轮机系统的一维流动模型,包括水轮机的进口和出口段、转轮段以及导叶段等。
  • 根据一维欧拉方程和质量守恒方程,利用特征线法对水轮机系统进行离散化,将连续的流动区域划分为离散的控制体。
  • 根据离散化后的方程,进行时间步进求解,计算每个控制体的压力和速度等参数的变化。
  • 根据求解结果,分析水轮机过渡过程中的水头和压力变化情况,得到所需的数据和曲线。

请注意,一维特征线法是一个复杂的数值方法,需要一定的数学和物理基础,并且需要编程实现才能进行计算。如果你没有相关的背景知识和经验,可能需要借助专业的工程软件或寻求专业工程师的帮助。

希望以上的指导对你有所帮助,如果你有更具体的问题,我会尽力回答。