当前位置：首页 > news >正文

燃料电池热管理控制，接受定制，单循环，双循环定制，效率

news 2026/6/1 9:48:27

代码逻辑分析

数据构建：由于没有原始数据，代码中通过分段函数模拟了图中的趋势：
0-600s：保持为 0。
600-700s：出现一个向下的尖峰（约 -0.4），随后迅速反弹至 0.2。
700-1100s：稳定在 0.2 左右。
1100-1200s：出现向下尖峰，随后反弹至 0.4。
1200-1700s：稳定在 0.4 左右。
1700-1800s：出现剧烈震荡（下冲至 -0.1，上冲至 0.85）。
1800s 以后：稳定在 0.2 左右。
样式复现：
使用了虚线网格（grid linestyle=‘–’）。
线条颜色为深蓝色。
坐标轴范围和标签与图片一致。

Python 绘图代码

import matplotlib.pyplot as plt
import numpy as np

设置中文字体，防止乱码 (根据系统环境可能需要调整字体名称，如 ‘SimHei’ 或 ‘Arial Unicode MS’)
plt.rcParams[‘font.sans-serif’] = [‘SimHei’]
plt.rcParams[‘axes.unicode_minus’] = False

构建模拟数据
创建一个时间数组，从 0 到 2300
t = np.arange(0, 2300, 1)
data = np.zeros_like(t, dtype=float)

模拟图中的阶梯和尖峰变化
for i, time in enumerate(t):
if time < 600:
val = 0.0
elif 600 <= time < 650:
# 第一个下冲尖峰
val = -0.4 + 0.02 * (time - 600)
elif 650 <= time < 680:
# 第一个上冲尖峰
val = 0.5 - 0.01 * (time - 650)
elif 680 <= time < 1100:
# 第一个平台期
val = 0.22
elif 1100 <= time < 1130:
# 第二个下冲
val = 0.22 - 0.3 * ((time - 1100) / 30)
elif 1130 <= time < 1160:
# 第二个上冲
val = -0.1 + 0.6 * ((time - 1130) / 30)
elif 1160 <= time < 1700:
# 第二个平台期
val = 0.42
elif 1700 <= time < 1740:
# 第三个剧烈震荡 (下冲)
val = 0.42 - 0.6 * ((time - 1700) / 40)
elif 1740 <= time < 1780:
# 第三个剧烈震荡 (上冲)
val = -0.1 + 1.0 * ((time - 1740) / 40)
else:
# 最后稳定期
val = 0.2

data[i] = val

绘图设置
plt.figure(figsize=(10, 6))

绘制曲线
plt.plot(t, data, color=‘#1f77b4’, linewidth=1.5, label=‘两种算法出口温差’)

样式调整以匹配原图
plt.grid(True, linestyle=‘–’, alpha=0.6) # 虚线网格
plt.ylim(-0.5, 1.1) # 设置Y轴范围
plt.xlim(0, 2300) # 设置X轴范围

设置标签
plt.ylabel(‘温度 (℃)’, fontsize=12)
plt.xlabel(‘时间 (s)’, fontsize=12) # 假设X轴单位为秒

添加图例
plt.legend(loc=‘upper right’)

显示图形
plt.tight_layout()
plt.show()

代码说明

np.arange(0, 2300, 1)：生成了从 0 到 2300 的时间序列，模拟 X 轴。
plt.plot(…)：绘制了深蓝色的实线，对应图中的曲线。
plt.grid(True, linestyle=‘–’)：开启了背景网格，并设置为虚线，这与原图的背景完全一致。
plt.legend：在右上角添加了图例框，文字内容为“两种算法出口温差”。

这是使用 Python 的 Matplotlib 库复现该图表的完整代码。

代码逻辑分析

数据构建：由于没有原始数据文件，代码通过分段函数构造了一组模拟数据，以重现图中的关键特征：
0-600s：保持为 0。
600-700s：出现一个向下的尖峰（约 -0.4），随后迅速反弹至 0.2。
700-1100s：稳定在 0.2 左右。
1100-1200s：出现向下尖峰，随后反弹至 0.4。
1200-1700s：稳定在 0.4 左右。
1700-1800s：出现剧烈震荡（下冲至 -0.1，上冲至 0.85）。
1800s 以后：稳定在 0.2 左右。
样式复现：
使用了虚线网格（grid linestyle=‘–’）。
线条颜色为深蓝色。
坐标轴范围和标签与图片一致。

Python 绘图代码

import matplotlib.pyplot as plt
import numpy as np

设置中文字体，防止乱码
Windows系统通常使用 ‘SimHei’，Mac系统可能需要 ‘Arial Unicode MS’ 或 ‘Heiti TC’
plt.rcParams[‘font.sans-serif’] = [‘SimHei’]
plt.rcParams[‘axes.unicode_minus’] = False

构建模拟数据
创建一个时间数组，从 0 到 2300
t = np.arange(0, 2300, 1)
data = np.zeros_like(t, dtype=float)

模拟图中的阶梯和尖峰变化
for i, time in enumerate(t):
if time < 600:
val = 0.0
elif 600 <= time < 650:
# 第一个下冲尖峰
val = -0.4 + 0.02 * (time - 600)
elif 650 <= time < 680:
# 反弹
val = 0.2 + 0.25 * np.exp(-(time - 650) / 10)
elif 680 <= time < 1100:
val = 0.25
elif 1100 <= time < 1150:
# 第二个下冲尖峰
val = -0.1 + 0.01 * (time - 1100)
elif 1150 <= time < 1180:
# 反弹
val = 0.55 * np.exp(-(time - 1150) / 10)
elif 1180 <= time < 1700:
val = 0.45
elif 1700 <= time < 1750:
# 第三个下冲
val = -0.1 + 0.01 * (time - 1700)
elif 1750 <= time < 1780:
# 剧烈上冲
val = 0.85 * np.exp(-(time - 1750) / 5)
else:
val = 0.22