MATLAB EXPO 2017 FRANCE

Résumés

How to Build an Autonomous Anything

9:45–10:15

Autonomous technology will touch nearly every part of our lives, changing the products we build and the way we do business. It’s not just in self-driving cars, robots, and drones; it’s in applications like predictive engine maintenance, automated trading, and medical image interpretation. Autonomy—the ability of a system to learn to operate independently—requires three elements:

  • Massive amounts of data and computing power
  • A diverse set of algorithms, from communications and controls to vision and deep learning
  • The flexibility to leverage both cloud and embedded devices to deploy the autonomous technology

In this talk, Loren shows you how engineers and scientists are combining these elements, using MATLAB® and Simulink®, to build autonomous technology into their products and services today—to build their autonomous anything.

This presentation will be given in English.

Loren Dean Loren Dean, MathWorks

Trouvez 1 millions d’objets pour l’usine 4.0

10:45–11:15

L’avènement de l’usine 4.0 et de l’internet des objets génèrent de nouveaux besoins pour les industriels, dont celui de pouvoir positionner avec précision d’énormes quantités d’objets. UWINLOC répond à ce besoin à l’aide d’une technologie de positionnement innovante, à bas coût et associée à un système de traitement massif des informations de positions collectées. Notre équipe intègre depuis 1 an des technologies de pointe telles que les signaux ultra large bande, l’électronique ultra basse consommation, et les algorithmes de localisation dans une solution qui révolutionne la traçabilité indoor !

Elie Bondu Élie Bondu, UWINLOC

Développement de logiciels embarqués en Model-Based Design

11:45–12:15

Depuis plus de 5 ans, SCALIAN ALYOTECH développe, pour le compte de Nexter Systems, des logiciels de contrôle-commande, dans le domaine de l’embarqué, pouvant être soumis à certification (norme IEC 61508). Ce développement s’appuie sur la méthodologie Model-Based Design pour la partie « code applicatif » et en code C pour la partie « noyau et protocoles » qui intègre les codes générés par la suite MathWorks.

L’ensemble du cycle en V est pris en compte. A partir des contraintes système déclinées en contraintes logicielles, nous rédigeons nos spécifications (besoins logiciels, architecture, conception détaillée) que nous implémentons sous MATLAB® / Simulink® / Stateflow® pour la partie applicative. Puis, par l’intermédiaire des outils développés en langage MATLAB, nous réalisons les tests en regard (TU, TI, TV) dans l’environnement MATLAB. Une fois ces tests réalisés sans erreur, les différents logiciels sont générés via la suite Embedded-Coder® pour être intégrés par notre code « noyau ».

Arnaud Leruste, Nexter Systems
Véronique Lortal Véronique Lortal, SCALIAN ALYOTECH

Les nouveautés MATLAB et Simulink

12:15–12:45

Découvrez les nouvelles fonctionnalités de la version 2017a des familles de produits MATLAB® et Simulink®. Vous en saurez plus sur les récentes fonctionnalités pour le big data, le machine learning et l’accélération des simulations de code MATLAB ou de modèles Simulink.

Cynthia Cudicini Cynthia Cudicini, MathWorks
Daniel Martins Daniel Martins, MathWorks

Donner de l’intelligence aux objets connectés du « quantified self »

14:15–14:50

Billatraining concept réalise des algorithmes pour améliorer la santé et la performance sportive des hommes et animaux. Ces algorithmes pilotent des objets connectés pour :

  • Réaliser des tests de marche et de course sur le terrain (audit énergétique, diagnostique de forme)
  • Etablir des programmes d’exercice et d’entraînement véritablement personnalisé et enfin le jour J :
  • Définir un plan de course pour battre des records à partir d’une variation de vitesse optimale (le défi des moins de 2h au Marathon est possible ou encore le record de l’heure cycliste de Robert Marchand 22,5 km/h à vélo à plus de 105 ans).

Les principaux enjeux rencontrés sont :

  • Le choix des variables physiologiques d’intérêt pour élaborer la variation de vitesse optimale et son suivi en temps réel en cours de performance
  • L’établissement de la sensibilité de ces variables à l’entraînement pour mettre en évidence des correctifs d’entraînement d’une séance à l’autre
  • L’automatisation de la procédure de correction par de l’intelligence artificielle

C’est dans ce cadre que les solutions de Machine Learning MathWorks ont été utilisées.

Véronique Billat Véronique Billat, Billatraining

Intégrez vos analytiques MATLAB dans des applications d’entreprise

14:50–15:25

Découvrez comment déployer facilement vos analytiques MATLAB® et applications pour l’Internet des objets (IoT) au sein de vos systèmes d'entreprise.

Vous en apprendrez plus sur les principales fonctionnalités et avantages qui vous permettront de réduire vos temps de développement et la mise en production de ces applications.

Aurélie Urbain Aurélie Urbain, MathWorks

Développement d’une application MATLAB pour tester une liaison de données drone

15:25–15:55

Dans le cadre des activités « Liaisons de données drone », DGA-MI a l’intention d’acquérir un banc de tests pour vérifier que les équipements de liaisons de données drone développés par différents industriels sont conforme au standard OTAN STANAG 7085 (similaire à la norme DVB-S de l’ETSI).

Nous avons développé une application MATLAB® qui simule le STANAG 7085 (Tx+Rx). Nous avons utilisé la partie Tx pour générer des échantillons complexes (I,Q) dans un fichier qui est lu ensuite par un VST (Vector Signal Transceiver) couplé à LabVIEW (de National Instruments) ; ce VST est alors capable de générer en temps réel un signal RF pour tester un récepteur DVB-S, en particulier la synchronisation.


Géolocalisation dans l'Internet des Objets

16:25–17:00

La localisation dans l’IoT (Internet des Objets) est un véritable enjeux business à très forte valeur ajoutée. Dans le cadre de son déploiement du réseau LPWAN LoRa, Objenious (filiale de Bouygues Telecom dédiée à l’IoT) en partenariat avec CentraleSupélec, utilise MATLAB® pour concevoir une solution de géolocalisation des objets connectés. L’objectif est d’avoir la solution qui répond le mieux aux exigences clients.

Le défi : Trouver le meilleur algorithme mathématique s’appuyant sur la méthode de trilatération pour localiser des objets communiquant fixes, semi-fixes et mobiles.

Après plusieurs mois d’études et de simulations avec MATLAB, nous avons confronté nos études avec des mesures terrain pour valider le modèle mathématique.

Objenious by Bouygues Telecom est le 1er opérateur LoRa à proposer une solution de géolocalisation à ses clients.

Philippe Cola Philippe Cola, Bouygues Telecom
Jocelyn Fiorina Jocelyn Fiorina, CentraleSupélec

Automated Driving System Design and Testing with MATLAB and Simulink

17:00–17:30

ADAS and autonomous driving technologies are redefining the automotive industry and is changing all aspects of transportation, from daily commutes to long-haul trucking. Engineers across the industry use Model-Based Design with MATLAB® and Simulink® to develop their automated driving systems. This session also demonstrates how MATLAB and Simulink serve as an integrated development environment for the different domains required for automated driving, including perception, sensor fusion, and control design.

This presentation will be given in English.

Thorsten Gerke Thorsten Gerke, MathWorks

Modeling and Model-Based Control Design and Simulation of Flexible Space Robots Using MATLAB and Simulink

14:15–14:50

The design of high-performance control systems for flexible space structures, such as robotic manipulators with long slender arms and satellites with large lightweight appendages, has brought to light several difficult challenges spanning the fields of automatic control, aerospace structural engineering, and robotics. These, often seen from the viewpoint of the controls-structure interaction, can be best tackled by having a solid agreement between the model-based control development process and the quality and understanding of the physical models involved in this design. For superior control performance, apart from traditional modeling using physical laws, system identification has played a role of ever-increasing importance. Within this entire engineering process, the availability and versatility of numerical computing tools greatly helps in the development. This presentation is focused on formulating the control design problem for a flexible space robot arm prototype and showcasing how the modeling, system identification, and control design tasks can be carried using MATLAB® and Simulink®.

This presentation will be given in English.


Le Model-Based Design pour la conception de lois de commande moteur sur processeurs, FPGAs et SoCs

14:50–15:25

Les boucles de contrôle à haute fréquence apparaissent aujourd’hui comme un nouveau standard dans de nombreuses industries comme l’automobile, la robotique et l’aéronautique. La complexité ainsi que les contraintes sévères de temps réel de ces applications nécessitent l’utilisation de cartes électroniques spécifiques pour les embarquer. Cette session présente l’intérêt du Model-Based Design et de la génération de code pour implémenter ces algorithmes de contrôle sur des cibles micro-processeurs, FPGAs ou une combinaison des deux sur un System-on-Chip (SoC). Il sera pris comme exemple le design d’une commande vectorielle et son déploiement sur le kit Xilinx® Zynq® Intelligent Drives.


Systèmes cryogéniques : quand la simulation devient incontournable

15:25–15:55

Les grands réfrigérateurs cryogéniques sont des systèmes complexes dont la modélisation dynamique est particulièrement utile. Elle permet les études paramétriques pour la conception, la synthèse de lois de commande, la vérification de code automate et la formation des opérateurs. Autant d’applications qui nécessitent usuellement que le système soit disponible ! Sachant qu’un réfrigérateur peut coûter plusieurs dizaines de millions d’euros à fabriquer et autant pour être exploité, on mesure rapidement les avantages à simuler ces machines. La bibliothèque Simcryogenics pour MATLAB®/Simulink®/Simscape™ permet de modéliser les réfrigérateurs cryogéniques les plus complexes, depuis la station de compression chaude (300 Kelvin) jusqu’à la cryodistribution (4.4 voire 1.8 Kelvin). Cette présentation résumera le fonctionnement de la bibliothèque et quelques réalisations concrètes seront présentées.


Modélisation et simulation d’une chaine de traction électrique ferroviaire autonome

16:25–17:00

Les technologies des éléments de stockage d’énergie comme les batteries ont été améliorées ces dernières années, si bien que les véhicules entièrement électriques deviennent une solution intéressante pour respecter les engagements à la fois économiques et environnementaux. Ces technologies sont connues pour les véhicules légers, mais moins diffusées pour les véhicules lourds comme les bus, les tramways, et les métros. Il est évident que pour ces types d’applications, il est nécessaire d’embarquer plusieurs Sources de Stockage d’Energie (SSE). Pour éviter l’immobilisation du matériel roulant, chaque SSE doit être autonome. L’énergie cinétique récupérée, tout comme l’énergie de traction à fournir, doit être équilibrée entre chaque SSE et ce, en temps réel. L’exposé montre l’architecture utilisée ainsi que les moyens de simulations MATLAB® et Simulink® en temps réel pour assurer le bon fonctionnement de l’ensemble du système.


Pratiquez le vérification et validation en toute sérénité

17:00–17:30

Afin de converger efficacement vers le niveau de qualité visé, les concepteurs de systèmes embarqués s’appuient aujourd’hui sur un panel de techniques de vérification et validation (V&V). Combinant test dynamique et analyse statique, les ingénieurs parviennent à anticiper sereinement les erreurs plutôt que de les découvrir dans l’urgence lors de dernières phases d’intégration. Cette présentation vous donnera un aperçu détaillé des techniques de vérification avancées qui s’offrent désormais à vous au travers de la plateforme Simulink®, depuis la formalisation des spécifications jusqu’à l’implémentation.

Mathieu Cuenant Mathieu Cuenant, MathWorks

Déploiement embarqué et connectivité hardware avec MATLAB et Simulink

14:15–15:25

Nous traversons un bouleversement lié aux possibilités offertes par le matériel ouvert ou à faible coût (Raspberry Pi™, Arduino®, Microsoft® Kinect®, STMicroelectronics® STM32, drone, etc.). De plus en plus de sociétés font désormais appel à ces plateformes ouvertes pour développer des prototypes. MathWorks partage cette vision du prototypage à base de hardware à bas cout, et fait évoluer MATLAB® et Simulink® pour répondre à ces besoins. Par ailleurs, dans le cadre d'un projet de recherche, que celui-ci nécessite une plateforme industrielle ou une preuve de concept abordable, nos solutions de connectivité et de génération automatique de code sont prêtes à l’emploi. Cette session détaillera les supports existants et futurs dans des domaines aussi variés tels que la robotique, le matériel à bas coût, et l’Internet de objets (IoT). A l’aide d’exemples MATLAB et Simulink détaillés, vous découvrirez comment embarquer aisément vos algorithmes sur des plateformes physiques.

Paul Cox Paul Cox, MathWorks

Problem-Based Learning: Data Analytics and Machine Learning Techniques for Solving Real-World Challenges

15:25–15:55

From medical diagnosis, speech, and object recognition to engine health monitoring and predictive maintenance, machine learning techniques are being used to make critical engineering and business decisions every moment of the day. As educators place a stronger emphasis on problem-based learning, there is an increasing need for problem sets in the classroom that reflect real-world challenges in math, science, and engineering. At the same time, students need access to the best tools for tackling those problems. In this session, learn about the different machine learning and deep learning techniques in MATLAB®, and in particular, how they can be used for problem-based learning.

This presentation will be given in English.

Jasmina Lazic Jasmina Lazic, MathWorks

Modélisation et simulation de systèmes de communications pour les véhicules connectés (V2X)

16:25–17:30

Les technologies de véhicules connectés, dont fait partie le V2X, sont attendues pour réduire ou prévenir les accidents de la circulation. Dans cette présentation, vous aurez un aperçu de la modélisation de systèmes de communications dédiées à courte portée (DSRC = Dedicated Short Range Communications) visant les applications de communications V2X (véhicule/véhicule, véhicule/infrastructure, véhicule/piéton, etc…). A l’aide d’exemples détaillés, vous découvrirez comment utiliser MATLAB® et Simulink® pour la simulation et le codesign multicouches MAC + PHY du standard DSRC V2X, intégrant les modèles d’émetteurs et récepteurs dans diverses conditions de canal et l’évaluation des performances de la chaine complète afin de vérifier le respect des exigences de sécurité des applications V2X.

Cynthia Cudicini Cynthia Cudicini, MathWorks