北京 摘要

超越智“我” 对AI的洞见、实现和交互

9:30–10:00

人工智能正在改变我们的产品和生产方式。这给需要把人工智能融入到系统的团队带来了挑战。创建一个人工智能驱动的系统,可不仅仅是开发智能算法,它还要求:

  • 洞见: 需要多领域专家的见解,以生成所需的测试、模型和场景, 从而全面建立整个系统的信心
  • 实现:具体细节包括数据准备、计算平台选择、建模与仿真以及自动代码生成
  • 交互:与所有其他系统,包括人力工作流

Jim Tung将带领您开启一段AI探索之路,了解当今的工程师和科学家如何使用MATLAB®和Simulink®成功设计并将AI集成到下一代智能互联系统中。

Jim Tung,MathWorks


基于模型的开发在地面无人系统应用

10:00–10:20 a.m.

地面无人系统在军用、民用领域具有广泛的应用价值。在地面无人系统关键技术研究和产品研发过程中,面临高效、快速迭代等需求,需要高效的研发模式和开发手段。兵器地面无人平台研发中心正在积极探索基于模型的开发模式,以应对无人平台开发所面临的诸多挑战:

  • 地面无人系统概况
  • 研发手段上的新挑战
  • 基于模型的系统工程开发的应用与思考

苏波博士,中国兵器工业集团地面无人系统领域首席专家


基于模型设计在电力电子行业中的大规模应用

10:20–10:40 a.m.

电力系统的电力电子化为这个传统的行业注入了新的活力,发电和送电的方式被重新定义,使其更为绿色高效和安全。但随之也带来了诸多挑战,其中一个关键点就是越来越复杂的控制和保护系统。传统的软件设计、编码、测试手段已经无法应对质量和效率的双重挑战,同时越来越多的客户也在要求软件逻辑的可视化。基于模型的软件设计、验证、代码自动生成等先进技术的应用极大提高了电力电子控保软件研发的效率与质量,大幅缩短研发测试周期。

本演讲针以特变电工在柔性直流输电中的阀基系统和模块逻辑开发为例,针对基于模型设计在电力电子行业领域的应用,同时从开发技术、测试验证技术和项目管理等维度,结合柔性直流输电工程应用的典型场景,通过精彩的案例介绍,详细阐述了MATLAB®/Simulink®开发平台在柔性直流输电软件设计开发中的重要作用, 并对其在电力电子行业未来更广泛的应用进行展望。

白鹏,特变电工新能源柔输公司


现代企业计算

10:40–11:00 a.m.

这是后摩尔定律时代,也是计算结构的黄金时代。革命性的新硬件和软件架构专为处理各类特定计算难题而设计,包括解决快速增长的计算能力需求。过去几年中, GPU计算推动了人工智能的发展。随着越来越多的软件堆栈在GPU平台上运行,数据科学家可以使用MATLAB®从GPU平台创新中获益更多,不仅加速数据处理,也促进了现代企业的快速业务增长。

赵立威,NVIDIA

工业物联网与数字孪生

11:30–12:15

工业物联网带来了连接设备的兴起,这些设备可以在设备的生命周期内传输信息并优化操作行为。 本主题介绍了如何利用MATLAB®算法和Simulink®模型作为数字孪生和物联网组件,将它们在资产,边缘设备或云上开发和部署,用于异常检测,控制优化和其他应用。 它介绍了资产,边缘和OT / IT组件的连接方式。 该演讲以客户案例出发,介绍了从设计到最终操作,以及相关基础技术和结果。

Jim Tung, MathWorks


驾驭数据洪流,建设以数据为中心的工程团队

13:30–14:00

如今,工程团队比以前拥有更多的可用数据。来自测试、操作、生产和其他来源的数据,为基于数据的设计决策和基于数据的新产品和服务提供了机会。但是,许多团队都很难用一致的工具和流程来从这些数据中提取价值。

本演讲提出了一些MATLAB®用于访问、组织、和分析数据的新特性,特别注重于MATLAB数据存储处理大型文件集的框架和MATLAB数据类型来组织和预处理传感器数据。你将了解到MATLAB是如何使工程团队从零散数据分析发展到构建集中式工具在组织内使用,为生产应用和分析奠定基础的 。

赵晨星,MathWorks


人工智能中的深度学习与强化学习

14:00–14:30

人工智能使得计算机在我们个人和职业生活中扮演的角色发生巨大的转变。 其对应的两个新的工作流程,即深度学习和强化学习,正在改变行业并改进应用,例如诊断医疗状况,自动驾驶和机器人控制。

本演讲深入探讨了MATLAB®如何支持深度学习和强化学习的全工作流程,包括:

  • 自动准备和标记训练数据
  • 与开源深度学习框架的互操作
  • 在图像、信号和文本数据上训练深度神经网络
  • 调整超参数以加快训练时间并提高网络准确性
  • 为NVIDIA®,Intel®和ARM®生成多目标代码

马文辉, MathWorks


在嵌入式 GPU和CPU上部署深度神经网络

14:30–15:00

由于嵌入式设备固有的资源限制,为嵌入式GPU和CPU平台(如NVIDIA® Jetson AGX Xavier™和DRIVE AGX)设计和部署深度学习和计算机视觉应用程序极具挑战。基于MATLAB®的工作流程有助于这些应用程序的设计,并且可以自动生成C/C ++或CUDA®代码,以实现比其他深度学习框架快2倍的推断速度。

本演讲将带您了解完整的工作流程。从算法设计开始,该算法采用扩展了传统计算机视觉技术的深度学习网络,并且可在MATLAB中进行测试和验证。将Jetson / DRIVE平台外设设备的实时传感器数据传送到主机的MATLAB,以进行可视化和分析。深度学习网络使用桌面、集群或云端的GPU和CPU进行训练。最后,GPU Coder™和MATLAB Coder™把MATLAB算法生成可移植和优化的CUDA或C/C ++代码,交叉编译后部署到基于Jetson或DRIVE、ARM®和Intel®的平台。

阮卡佳, MathWorks


为近实时制造决策过程部署AI系统

15:30–16:00

随着人工智能的日益普及,新的前沿技术正出现在预测性维护和制造决策科学中。但是,工业生产设备建模、训练预测模型以及大规模部署这些模型存在许多复杂性,包括:

  • 故障数据难以获取,但物理模拟可用于生成具有各种故障的合成数据。
  • 来自许多传感器的高频数据,其中时间对齐使得难以设计流式架构。

本演讲将重点介绍如何使用MATLAB®,Simulink®,Apache™ Kafka®和云计算来构建一个完整系统应对这些挑战。您将看到生产设备的物理模型,并了解如何为该设备开发机器学习模型。为了将模型部署为可扩展且可靠的云服务,我们将时间窗口和管理无序数据与Apache Kafka结合在一起。该系统可以在短时间内构建完成,突出体现了快速原型设计的价值,并使跨域专家合作成为可能。

马文辉, MathWorks


智能运维:预测性维护系统的研发

16:00–16:30

预测性维护通过预测传感器数据的故障,降低了制造和运营昂贵设备成本。然而,从传感器数据中识别和提取有用信息是一个跨领域的复杂过程,通常需要多次迭代以及对机器及其操作条件的深入理解。

在本次讲座中,您将学习MATLAB®和Predictive Maintenance Toolbox™如何将机器学习与传统的基于模型及信号处理技术相结合,创建用于预测和隔离故障的混合方法。您还将看到内置应用程序,用于从传感器数据中提取,可视化和筛选功能,而无需编写任何代码。然后,这些特征可用作故障分类和剩余使用寿命(RUL)算法的条件指标。

为大量机器开发的预测性维护算法部署在生产系统中时,将给企业带来巨大的正面影响。本演讲将向您展示如何验证算法,并将它们与您的嵌入式设备和企业IT / OT平台集成。

陈建平,MathWorks中国

使用MATLAB 和Simulink开发自主机器人

11:30–12:15

从工业仓库到消费品,许多行业都在开发自动机器人。 本演讲演示了MATLAB®和Simulink®中针对机器人技术的不同功能领域的新功能,包括感知,规划和决策以及控制设计。将会涉及的一些主题包括:

  • 开发机器人的运动学和动力学模型
  • 使用深度学习进行感知算法设计
  • 带有避障功能的路径规划
  • 使用Stateflow®进行监控逻辑控制
  • 通过基于模型的设计开发和测试机器人系统

吴菁, MathWorks


功率变换器数字控制系统开发

13:30–14:00

随着电力电子技术的成熟,功率变换器在各行各业中得到广泛应用。大规模新能源、新技术的应用,给产品开发带来更高的要求。从产品开发周期角度,要求更高的开发效率。从产品稳定性角度,要求软硬件系统高可靠性;从产品性能角度,要求更好的优化设计。

MathWorks为电力电子产品设计提供了强有力工具链,覆盖需求、设计、部署和测试整个开发流程,本讲向大家介绍如何使用MATLAB®/Simulink®进行电力电子建模、仿真、优化与代码生成,实现高性能、高可靠性和高效的产品设计。

周前程,MathWorks


使用Simscape优化机器人系统

14:00–14:30

机器人系统无处不在,从生产线到娱乐公园甚至在您的家里。当自主系统在人们身边作业时,工程师们专注于减少周期时间、降低能耗以及调试控制逻辑,以便我们可以在它们之间安全地走动。

借助MATLAB®,Simulink®和Simscape™,机械设计人员可以与电气工程师和算法工程师一起尽早发现设计错误。 我们将展示仿真如何帮助您选择与精确扭矩要求相匹配的电机和传感器、与应用相匹配的贷款,以及虚拟调试如何帮助系统操作人员减少整个系统的停机时间。 即使某些组件发生故障,基于模型的设计也能使工程师能够创建容错的机器人系统,确保操作人员的安全。

胡乐华, MathWorks


MBD中简化基于需求的测试

14:30–15:00

采用基于模型的设计使得非标准化的文字形式的需求就能用模型表达并进行早期的仿真验证,然而基于时序的信号逻辑的需求往往会表述的不完整或者不一致。这会导致产生各类设计错误和交流困难。

本演讲展示了对需求建模并使用Simulink Test™中Logical and Temporal Assessments编辑器将非标准化的文字需求用清晰的预先定义的语义进行无二义性的评价,以发现需求中的不一致,并进行可视化及调试设计中的错误。

刘洪斐, MathWorks


使用HIL加速电力电子控制系统测试

15:30–16:00

电力电子器件具有易损坏的特性,软件开发过程中为了减小硬件损失,采用HIL测试验证软件系统是已被证明的行之有效的方法。开发过程中软硬件总是同时进行,HIL测试可以避免软件测试对硬件原型的要求,加速开发进程。

但电力电子实现仿真对实时平台计算性能有非常高的要求,为达到电力电子模型MHz级仿真步长,使用FPGA进行加速成为必要条件。

并将结合Speedgoat讲解如何进行HIL测试,使用HDL Coder™将Simscape™模型部署到FPGA,完成MHz级实时仿真。

周前程, MathWorks


企业规模软件的C / C ++代码验证

16:00–16:30

MathWorks Polyspace®产品用于您的C/C ++编写的嵌入式软件静态验证。 它可以找到错误并证明没有溢出、零除、越界、数组访问和其他运行时错误。

本次演讲聚焦在新的产品功能,其通过以下方式提高开发组织的软件质量和安全性

  • 使用诸如Jenkins之类的持续集成系统工具执行自动化分析
  • 发布基于Web浏览器的代码审查的结果,以便对自动识别的编码错误进行分类和解决
  • 与JIRA等缺陷跟踪工具集成,可帮助管理已发现的缺陷
  • 提供展板显示信息,为开发经理监控软件质量、项目状态、缺陷数量和代码度量的信息。

胡乐华, MathWorks

MATLAB是如何助力军工行业的

11:30–11:45

军工行业系统开发的高复杂性和高安全及高精度要求,使得采用先进可靠高效的开发平台和工具尤为重要。MATLAB® 和Simulink®就是一个适用于多领域的通用化先进数字化开发平台。在这个平台上可以实现针对军工复杂的先进高安全系统的系统设计,仿真,测试和验证,以及针对多种目标的实现。

张灵惠,MathWorks


基于MathWorks工具链的系统工程:从需求到软件实现

11:45–12:15

系统工程师和算法开发工程师通常处在系统开发的不同环节,基于模型的开发可以使两者实现工作的无缝衔接:从涉众需求驱动系统的设计和系统需求的构建,并进行权衡分析、总体性能分析及需求的验证。本演讲将介绍如何建立系统虚拟样机并进行系统分析直至产品级代码的实现,包括:

  • 复杂系统虚拟样机的构建
  • 基于事件的动态场景和性能分析
  • 面向产品级软件的架构设计和需求管理
  • 面向产品级软件的测试验证框架

李晨光, MathWorks


中国航空航天国防行业基于模型设计的变革之路

13:30–13:40 p.m.

基于模型的设计广泛应用于国内外航空航天国防行业的产品研发中,中国航空航天国防行业在过去的近十年间,对基于模型设计的认识在不断加强,越来越多的科研单位正在从传统设计模式向基于模型的设计模式转变,也逐渐有型号研发取得了基于模型设计应用的成功。此次演讲重点关注过去十年间航空航天国防科研单位在基于模型的设计模式升级中所采取的具体方法,客服的具体困难,以及对未来研发模式转变所提出的项目实施建议。

于化龙, MathWorks


拥抱变革:基于模型的通信系统设计实践

13:40–14:00 p.m.

基于模型的设计方法,是从算法到FPGA硬件实现的高效路径。而所生成HDL代码的效率,是决定这套方法能否用于实际工程的关键。

本讲分享中国空间技术研究院西安分院,在先进大容量扩频通信系统中,完整采用基于模型的设计方法。应对算法复杂、时序性能要求高、资源占用高的挑战,获得优异性能,而且做到:

  • 设计抽象级提升,提高效率;
  • 及早发现和解决问题,降低纠错成本;
  • 迭代调试周期从几天降到几小时;

许鹏飞, 中国空间技术研究院西安分院


构建基于模型的机载软件研发平台

14:00–14:30 p.m.

近年来,越来越多的军工用户通过使用基于模型设计的方法进行产品研制并获得了成功,他们在使用基于模型设计的同时构建了适用于自己项目研发的平台环境。

本演讲主要介绍国防领域构建基于模型的研发平台的方法和关键技术,包括:模型库构建、建模规范构建、规范的设计流程构建、以及如何针对规范标准(DO-178C等)构建平台等内容。

苏哲, MathWorks


Simulink作为企业仿真平台的应用

14:30-15:00

随着企业项目和业务规模的扩大,多领域系统协同设计和仿真变得愈发重要,本演讲演示了MATLAB®和Simulink®中针对企业级仿真平台应用中的新功能和重要特性,包括多域建模,软件间的仿真集成,以及协同设计。将会涉及的一些主题包括:

  • Simulink的多领域建模能力
  • 多种方式重用已有代码
  • 基于FMI的仿真集成
  • 基于团队的工作流程

吴菁, MathWorks


智能无人系统的传感器融合与跟踪

15:30–16:00

自主系统是学界、政府机构和众多行业关注的焦点。这些系统包括满足各种NHTSA自主水平的道路车辆;能够自主飞行和远程驾驶的消费级四轴飞行器,用于包裹运送、飞行出租车;以及用于救灾和太空探索的机器人。

在本次演讲中,将为您展示如何设计、仿真和分析能融合多传感器数据的系统,并以此保持位置、方向及进行态势感知。通过融合多传感器数据,您可以确保获得比依赖单个传感器获得更好的结果。

我们将探讨几个自主系统示例,向您展示如何:

  • 定义轨迹并创建多平台场景
  • 模拟惯性和GPS传感器的测量结果
  • 使用传感器模型生成目标检测清单
  • 设计多目标跟踪器以及融合与定位算法
  • 基于实际和合成数据,评估系统准确性和性能指标

单博,MathWorks


“软件定义一切”的机遇与挑战

16:00–16:30

在航空航天领域,随着传感技术、半导体技术以及电子信息技术的飞速发展,各类装备都在向电气化方向转型,数字化、信息化、智能化的程度越来越高,“软件定义一切”的时代正扑面而来。在这样的背景下,怎么开展系统设计及研发工作,是亟待探讨并解决的问题。

本演讲将介绍MathWorks®公司,在面对“软件定义一切”时代来临时,所进行的思考和准备。

内容包括:

  • “软件定义一切”所带来的算法/软件重要性
  • 为“软件”开发提供的解决方案
  • AI——“软件定义一切”的先行者

宋胜凯,MathWorks

5G 闭门会议:下一代无线通信的设计和实现

14:00–16:30

本次会议将介绍MATLAB®的5G解决方案,用于波形生成,链路级仿真,设计验证和测试。 它们使您能够探索 3GPP NR标准V15.0定义的5G无线接入技术的行为和性能。 5G NR涵盖全面的发射机,信道模型和接收机算法,MathWorks 提供了可定制化和可编辑的 MATLAB 函数库。

使用这些工具,您可以仿真5G的以下方面:

  • 产生指定参数的 5G 上行和下行波形
  • 端到端的链路级仿真,包括5G NR PDSCH和PUSCH BLER以及吞吐量仿真
  • 详细的5G NR上行和下行链路物理信道和信号
  • 小区搜索和同步过程,包括同步信号(SS)突发和MIB和SIB系统信息
  • 5G NR LDPC和极化码算法
  • TR 38.901 CDL和TDL传播信道

您可以将这些功能用于设计验证的黄金参考。 您还可以使用MATLAB Coder™从MATLAB函数生成C / C ++代码,以加速或构建独立应用程序或创建能够添加到现有5G测试工具的模块。

赵志宏,MathWorks总部

陈建平,MathWorks中国

科技女性沙龙#SheLovesMATLAB

15:00–16:30

Loren与灵惠将会与大家分享自己的职业发展之路,及其间所遇挑战、所作选择。对她们而言,对那些非传统行业机会保持开放态度给她们带来了颇多收获,这种态度也帮她们在非女性主导的科技领域里创造了独一无二的职业生涯。

Loren Shure,MathWorks 总部

张灵惠, MathWorks总部

产品代码生成上机实践 从Simulink模型到紧凑、可读和高效的嵌入式C代码

13:30–16:30

Embedded Coder®可以从Simulink® 模型、Stateflow®流程图和MATLAB®函数生成嵌入式C代码,其可用于桌面仿真,也可用在产品本身。

本次Workshop将通过上机方式,由MathWorks资深工程师带领您体验在航空航天、汽车、工业自动化等领域广为使用的自动代码生成技术,整个活动将包含嵌入式自动代码生成所涉及的各个环节,特别适合具备Simulink 基础,正在评估或准备使用Embedded Coder进行产品级代码生成的用户。通过实例讲解和动手操作让您切实体会如何实现控制算法的代码转换。内容亮点包括

  • 使用Embedded Coder从Simulink模型生成嵌入式C代码
  • 嵌入式C代码生成中的数据管理
  • 让生成的代码紧凑、易读和高效
  • 代码生成中的数据定制化
  • 生成代码的形式化验证

吴菁,MathWorks

周前程,MathWorks

胡乐华, MathWorks

关注MATLAB官方微博、
微信公众平台