线上演示站
8月 2/4/9/11日
功能安全与持续集成演示 —— 高速公路车道跟随示例
本示例展示由 IEC Certification Kit 工具箱提供的demo 工程ISO 26262CaseStudyStart 为用户带来的2项重大更新:
- 符合ISO 26262 功能安全要求的Model-Based Design 示例
- 基于Jenkins 平台的Model-Based Design持续集成示例
电机参数快速识别与控制部署
本示例展示通过Motor Control Blockset快速实现永磁同步电机控制算法的开发和部署,包括:
- 对永磁同步电机参数进行快速识别
- 电机矢量控制算法开发
- 部署控制代码到硬件
多种精度电机建模及其在电动汽车中的应用
本示例展示多种精度电机模型的搭建,包括
- 用Powertrain Blockset搭建电机长期行为
- 用Simscape Electrical搭建电机暂态行为
- 考虑齿槽和饱和的高精度电机模型
- 电机故障的建模
使用 MATLAB 进行虚拟实验室教学
本示例将展示如何借助虚拟实验室,通过对电机、倒立摆和振动模型等硬件或系统进行仿真,提升教学交互性,主要包括:
- 使用 MATLAB和Simulink 在可视化环境中创建实验设备或实验过程的表示模型
- 使用图形输出和三维动画等形式向学生演示实验行为
- 导出仿真结果,在课堂讲解、家庭作业和实验中做进一步分析
深度学习和Model-Based Design集成:数据驱动的发动机建模以及代码生成
深度学习是推动当前人工智能(AI)大趋势的关键技术。你可能听说过深度学习的一些主流应用,但其中在工程科学中应用的相对少一些。开发深度学习应用不仅仅是开发一个深度学习模型,最终,模型需要整合到整个系统设计工作流中,以便向市场交付产品或服务。MathWorks开发工程师已经将MATLAB的深度学习功能集成到Simulink和基于模型的设计工作流中,用于工程和科学工作流程。我们将通过示例详细探讨使用基于人工智能的代理模型以及结合基于模型的设计(Model-Based Design)为车辆引擎开发、测试和部署所涉及的工作流程。
- 通过DoE从Simulink仿真生成数据
- 使用深度学习工具箱设计和训练深度学习模型
- 将深度学习模型集成到Simulink中进行系统级仿真
- 生成优化的C代码并执行HIL测试
Model-Based Design Platform —— 一个高度可定制和可扩展的解决方案
本示例将演示一种基于ISO 26262 的Model-Based Design Platform方案,您可以利用该平台在整个研发组织中部署通用 Model-Based Design 环境。
为什么通用的Model-Based Design 环境对于实现 ISO 26262至关重要?
随着当今汽车系统复杂性的增长,保持软件质量所需的严格性变得越来越苛刻。为了保持竞争力,组织现在正在大力投资以最大限度地重复利用输出和跨项 目复制可靠的工作流程。这样的努力需要以规范的方式一致地应用流程、工具和方法。在本示例中展示解决方案有助于分阶段将 Model-Based Design 用于功能安全项目,它最终会帮助您在组织范围内推广适当的 Model-Based Design 工作流程,以实现所需的 ISO 26262 目标。
我们将演示如何执行 ISO 26262 规定的相关 Model-Based Design 活动。这些活动包括:
- 建立对需求的双向可追溯性
- 根据需求验证模型
- 识别模型中的建模标准违规项
- 检测设计缺陷(例如除零)
- 验证代码与模型的等效性
- 收集测试覆盖率以保障测试质量
- 在生成的代码中识别 MISRA 违规项
- 利用Polyspace识别代码中的缺陷
Virtual Vehicle Composer —— 整车模型构建程序
Virtual Vehicle Composer 可以通过界面操作的方式来快速配置和自动生成您所期望的系统级虚拟整车模型,包含整车零部件及其控制器。车辆模型包含横向动力学车辆模型以及纵向动力学车辆模型,可用于零部件选型、燃油经济性、驾驶分析、软件集成测试和硬件在环(HIL) 测试等。
- 用户可通过界面选择整车构型,包括但不限于传统燃油车、纯电车以及各种混动架构。
- 使用该应用程序您可以快速输入您的车辆参数数据、配置测试场景(包括3D场景)、记录信号并分析结果。
- 自动生成的模型为白盒,用户可以此为起点,修改和替换任意部分,最终得到任意构型的整车模型。
数据驱动的电池SOC估计算法开发和云端部署
电池管理系统 (BMS) 使用 SOC 估算值来提示用户再次充电前的预期可用电量,保证电池处于安全工作范围内,实施控制策略。相比于开路电压 (OCV) 测量和电流积分,利用数据驱动的方法(卡尔曼滤波或AI模型)能够更准确地估计电池SOC。本示例将演示电池 SOC估计算法开发和云端部署流程:
- 训练 AI 模型用于电池 SOC 估计
- 将 AI 模型部署到云端,并通过 MATLAB Production Server 托管
- 通过 Simulink 仿真合成数据以测试算法
- 创建 web app 进行数据可视化
集成Polyspace到CI系统加速软件质量提升
集成Polyspace到CI系统,将代码的静态分析添加到pipeline中,实现提交代码后触发自动静态代码分析,尽早发现代码中的问题。
本示例通过将Polyspace的使用集成到pipeline的各个阶段中,实现从拉取代码、编译配置、静态分析、报告生成、结果上传等自动化。从Polyspace Access上对上传的结果进行查看、分析和任务分配。
MATLAB R2021b/R2022a新功能介绍
本演示着重介绍MATLAB在最近几个版本中和汽车行业应用相关的一些新功能。其中包括:
- Simulink对AUTOSAR AP代码生成的支持
- System Composer支持系统/软件架构设计
- Requirements Toolbox的新功能等。
使用RoadRunner Scenario创建和仿真自动驾驶测试场景
RoadRunner R2022a中新增了一个用于创建和仿真自动驾驶测试场景的工具RoadRunner Scenario,该工具支持交互式设计交通场景,兼容OpenSCENARIO并可通过API自动化操作。
我们将就使用RoadRunner Scenario创建和仿真自动驾驶测试场景的工作流程进行简要的说明和演示,包括:
- 使用RoadRunner Scenario设计场景
- 与MATLAB和Simulink进行联合仿真
- 与CARLA进行联合仿真
您也可以从以下列表中选择网站:
如何获得最佳网站性能
选择中国网站(中文或英文)以获得最佳网站性能。其他 MathWorks 国家/地区网站并未针对您所在位置的访问进行优化。
美洲
- América Latina (Español)
- Canada (English)
- United States (English)
欧洲
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
亚太
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)