摘要

一切转型始于数据和模型

13:30-14:00

很多企业已经将数字化转型从想法过渡到执行实际转型项目。它们已经有了明确的数字化转型目标,所需做的就是让工程团队和科学团队成员学习的新的技术,与其他团队进行合作,进而提出新的产品或服务来实现这个目标。

而为了应对数字化转型过程中面对的挑战,组织必须掌握如何系统地使用数据和模型,不仅在研发阶段,而是在整个产品生命周期内跨团队使用。 一个有效的数字化转型计划需要考虑人员的技能,流程和技术的变化。

请加入我们,描述您的组织采用的数字化转型方法,演示您的工程和科学团队如何利用数据和模型来实现数字化转型目标。

Jim Tung, MathWorks


国六车辆系统预测性健康检查 - 数字孪生落地实施

14:00-14:30

针对国六数据较少的问题,以Simulink 为平台建立多重机理模型耦合,包括基于AVLBOOST的化学模型,基于Fluent流体模型,基于Simulink控制模型。结合已有国五车联网数据,有限国六失效数据和全球团队的经验,利用Statistics and Machine Learning Toolbox,建立训练数据库,进行特征选择和数学模型训练。并将数学模型部署到云端,对百万级车辆的特征化模型回滚,实现国六系统健康状态预测。

孙帅, 康明斯中国投资有限公司


基于模型的设计在风电场无功优化控制中的实践

14:30-15:05

随着我国新能源的快速发展,其对电网安全稳定的影响日益突出,风火同价新形势下,效率至关重要。在风电场中,风电场无功控制关系电网电压稳定性和运行经济性,MathWorks基于模型的设计平台为风电场级控制提供算法实现、系统级仿真验证和软件实现等多方位的支持。本讲从以下几方面为您讲解基于模型的设计方法在金风产品中的应用:

  1. 风电场无功控制开发面临的挑战;
  2. 整场无功和系统电压优化算法;
  3. 风电场系统仿真和算法验证;
  4. 从算法到软件的实现。

乔元, 金风科技有限公司

远不及此:AI识别语音关键词

15:15-15:45

数据是AI模型成功与否的基础。重用已有的数据集往往成为模型训练人员的首选。但是,为了贴近应用,进而提高模型的准确定,构建与实际应用相关的、有代表性的数据集,成为AI应用开发的重要环节,而这往往需要专业的知识和工具。

在本节中,我们通过探索一个语音触发应用示例(如“hey Siri”或“OK Google”)的实现过程,进而介绍数据预处理过程的最佳实践,包括:数据标记和注释,数据转换,数据合成和扩充,特征提取以及域转换的内容。并且该示例提供的方法可以广泛应用于相关应用的开发。

马文辉博士, MathWorks


借助MATLAB 产品开发智能工业机器人

15:45-16:15

自主机器人技术需要许多工程领域的知识和经验,包括机械设计、感知、决策、控制设计和嵌入式系统。本演讲介绍了一个完整的自主机器人工作流程,使工程师可以轻松地学习和应用机器人领域的许多功能。我们将介绍一个机器人手臂拾取和放置的应用程序开发过程。

将涉及的一些主题包括:

  • 开发机器人的运动学和动力学模型
  • 使用深度学习的感知算法设计
  • 多传感器融合,精确定位
  • 用于传感器模型和Gazebo环境的协同仿真
  • 带有避障功能的路径规划
  • 使用Stateflow进行监控逻辑和控制

周玲, MathWorks


Simulink仿真部署及企业集成

16:15-16:45

仿真作为系统设计阶段的关键部分,如何将其的价值最大化?您可能考虑在实际使用中重用模型仿真。您想要将仿真模型作为一个数字孪生体应用在预测维护系统中。所有的这些想法都离不开仿真模型的部署。

MATLAB® 2020a带来了一个全新的工具箱 – Simulink Compiler™ Toolbox。Simulink Compiler将你的仿真模型从设计阶段扩展到部署阶段,最大化的获取仿真模型的价值。通过Simulink Compiler

  1. 可以将仿真模型部署为黑盒应用,进而保护你的知识产权;
  2. 可以将仿真模型用于桌面应用程序,或者服务器应用程序;
  3. 可以将仿真模型与企业系统相集成,提供于非Simulink®用户使用;
  4. 本次演讲,将向您介绍如果通过Simulink Compiler™,轻松地为各种场景部署Simulink仿真模型。

马文辉博士, MathWorks

使用MATLAB和Simulink构建无缝协同软件开发流程

13:30-14:00

如何管理日渐复杂以至于需要多人协同工作的代码和模型?

本主题介绍MATLAB® 和 Simulink®中的软件开发工具,更好地管理文件,跟踪变更,协同工作。还将讨论如何自动测试及如何将测试发布到持续集成系统中

亮点:

  • 使用Simulink Projects管理代码和模型的依赖关系
  • 使用版本控制跟踪变更并协同工作
  • 编写更好更强壮的可移植代码和模型
  • 创建测试,以证明应用程序正常工作
  • 利用CI 系统进行自动化测试及报告生成

吴菁, MathWorks


基于Simulink环境的永磁同步电机控制仿真系统的介绍

14:00-14:35

在汽车软件研发早期进行系统仿真, 有助于在研发初期就可以对软件功能进行系统性评估与验证, 降低开发成本,本讲结合实例介绍基于simulink 环境的电机系统建模,主要内容如下:

  1. PMSM-Inveter 闭环控制系统介绍
  2. 结合实验数据的永磁同步电机模型建立
  3. 采用数学模型对Inverter进行精准建模
  4. 控制器算法建模与基于仿真的早期验证
  5. 利用matlab 简化处理实验与仿真数据

孙翔, 西门子电动汽车有限公司


并网逆变器设计与实时测试

14:45-15:15

并网逆变器将可再生能源连接到公用电网。本讲将向您展示如何使用Simulink®和Simscape Electrical™进行并网型光伏逆变器建模、仿真和控制器实现。本讲以光伏逆变器为例为您介绍以下内容:

  • 建立模型以仿真光伏面板、电网、负载和并网逆变器
  • 调节逆变器控制器实现直流母线电压控制以应对变化的负载
  • 开发最大功率点跟踪(MPPT)算法,以实现太阳辐照度、温度和负载不断变化时光伏系统始终运行在峰值功率点下
  • 实现产品级控制,例如故障穿越,限制输出和功率因数校正
  • 从控制器模型生成C代码,并部署到Texas Instruments C2000微控制器上
  • 使用Speedgoat实时系统,针对光伏系统和逆变器进行实时硬件在环(HIL)仿真,测试微控制器代码

周前程, MathWorks


在基于模型的敏捷设计中引入测试驱动开发

15:15-15:45

客户快速变化的需求给复杂系统的开发、验证以及安全标准的符合性保证等研发工作带来了挑战。基于模型的设计方法允许通过仿真、自动代码生成和持续测试,更早地洞悉系统可行性,加速开发过程,从而提升系统设计工作的敏捷性。在测试驱动的开发方式中,需求首先被捕获为测试用例以驱动系统的实现。而基于模型的设计方法提供了一个支持测试驱动开发的框架。故上述两者的有机整合可使得系统的开发过程变得敏捷。这样整合的结果让开发团队可以更准确地理解客户需求,快速响应变更,及早发现错误,调整设计并更快地交付可用系统。在本话题中,我们将在基于模型的设计框架下,讨论如何通过建立测试用例,将测试驱动的开发方式应用于系统的开发和实现。

杨超, MathWorks


动态测试和静态分析的自动化加速行业标准认证

15:45-16:15

基于模型设计的仿真是帮助理解系统复杂设计之行为的一项关键能力。

本次演讲讨论了参考工作流程的验证功能,该工作流程采用基于模型的设计来自动化满足认证标准的手动步骤。涵盖了新的验证功能,以支持需求建模、标准检查自动化、测试和代码的形式化验证。本次演讲同时将向您展示如何在整个设计产品开发过程中系统地应用上述功能,以提高质量和生产率。

胡乐华, MathWorks

超越芯片-MATLAB辅助加速原型系统面市

13:30-14:00

传感器模拟前端芯片的设计和投产需要进行多个技术方面的分析评估和校验,在新型和快速技术演进的领域尤甚。如何将项目前期基于物理原理的可能性验证、结合现有数模电路的可行性验证,中期的设计指标甄定、功能和性能验证,后期的产品测试,原型机系统联调, 实地性能分析和深入的数据算法优化等等关键任务有机结合,提高模型、数据格式、处理例程可重用性的同时使不同领域的专家方便归一化讨论研判问题,是系统设计少走弯路、快速面市、获得认可的关键。

在ADI集成LIDAR AFE项目中,基于LIDAR系统的创新性和数据处理多样性需求,我们尝试了利用MATLAB丰富的科学计算能力,辅助多样的编程和硬件接口,打造了一套围绕LIDAR信号链,包括图形界面、 上/下位机链接控制、实时数据处理、多传感器信号融合、芯片bench测试等核心功能,同时基于核心代码库衍生出系统性能统计分析、算法评估和优化、RTL设计辅助等多方面应用。

实践证明,这样的组合大大提高了算法可重用性,降低了不同设计阶段不同技术领域的阻隔,加速了各个场景的开发时间,为内外部客户同时带来便利, 提供了多方位和多角度的系统数据和细节为下一代产品优化和需求定义带来跟多确定性和便捷性。

孟黎波, ADI


从架构到实现:数学物理建模在Intel Xeon 平台时钟设计的应用

14:00-14:35

由于大数据中心对多通道低延迟的高速信号的需求,相应的时钟设计和抖动分析也面临愈来愈多的挑战。在传统的信号仿真预估已经不满足芯片和平台实际设计精度和跨领域复杂度需求的情况下,Intel时钟团队开发了基于数学物理方法论的工具CJAT(Clock Jitter Analysis Tool)并解决了困扰工业界多年的瓶颈问题、成为业内相应领域的标杆。

而本次将用CJAT作为一个实例来说明当常见商业仿真软件遇到“仿真和测试结果拟合度下降、甚至影响设计风险预判”这个问题的时候,Intel是怎样应用Mathworks一系列工具(Matlab/ Simulink/ App Designer)将最先进的数学物理建模开发成可执行的工具用以改善客户设计和促进业内协作。

赵立葳, Intel


深度学习在雷达、无线通信领域应用

14:45-15:15

无线调制模式识别和雷达目标分类是智能RF接收机的重要功能。这些功能在智能认知雷达、软件无线电和高效频谱管理中具有众多应用。为此需要自己选择和提取有意义的信号特征,并以此供进行分类器训练。此过程可能需要相当的精力和专业知识才能产生准确的识别率。

本讲将展示雷达和无线通信系统的深度学习和机器学习技术,包括:

  • 机器学习和深度学习在数据集方面的差异和权衡
  • 处理一/二维信号的时频分析方法,及可用于改善分类结果的特征提取技术
  • 雷达RCS识别,雷达/通讯调制模式和微多普勒目标识别的应用示例
  • 使用来自SDR的真实无线信号进行验证。

单博, MathWorks


FPGA开发流程中的HDL代码生成和验证

15:15-15:45

日益复杂的设计需求和产品快速迭代要求对传统FPGA开发流程提出了挑战。使用MathWorks HDL代码生成和验证工具,从硬件可实现的M语言或Simulink模型自动生成可读、可追溯、可综合的VHDL或Verilog代码,并将生成的代码或原有手写代码与模型进行联合仿真、FPGA在环仿真,同时还可将模型和测试导出为适用于UVM环境的SystemVerilog DPI-C组件。本次演讲为您介绍以下内容:

  • HDL代码生成流程
  • 自动定点化流程
  • HDL代码生成中的优化
  • 联合仿真和FPGA在环仿真流程
  • UVM验证支持

赵恒, MathWorks


自动光学检验和缺陷检测在工业领域的应用

15:45-16:15

在工业应用中识别产品缺陷,提高良品率,以帮助减少人工和制造成本。 尽管用于自动光学图像检查的传统技术往往鲁棒性欠佳,但基于深度学习的识别技术却更加健壮和准确。

无论您是初次接触深度学习还是专家,MATLAB®都能帮助您检测和定位不同类型的异常,从而可以用准确,可重复且可靠的视觉检测代替传统的检测过程。

单博, MathWorks

源头活水——教育创新始于数据与模型的应用

13:30-13:50

当前工业界各行业对人才需求的共同特征是懂数据、善模型。教育创新如何既为工业界提供人才活水,又让高校的教学有料、有趣、有用, 成为学生快乐学习的源地? 本讲将解析教育趋势,探寻创新教育前沿的教学理念、模式,并着重解析如何借助MATLAB/Simulink平台实现基于数据、模型能力培养的创新教育实现方式。

卓金武, MathWorks


产学相融,教学相长:在汽车本科教学中引入Simulink和基于模型的设计

13:50-14:20

基于模型的设计(MBD)已经成为汽车电控系统开发的标准。因此,紧跟汽车工程前沿的开发模式,将基于模型的设计理念、流程、方法作为高校汽车专业的必修内容,已经成为汽车工程人才培养的共识。演讲将介绍湖北汽车工业学院汽车专业在教学中引入基于模型设计的实践,包括在车辆动力学课程中讲授Simulink平台上的车辆动力学建模方法,在汽车电控课程中介绍MBD的流程和方法,在有关课程的上机实验和课程设计环节生成代码,在课外竞赛中实战演练,在毕业设计中系统总结。实践证明,经过这样的系统教学,毕业生能在工作后快速适应实际工作,也说明了整套教学流程行之有效。

黄兵锋, 湖北汽车工业学院


成果导向,学生中心:MATLAB教学平台活跃大学数学课堂

14:20-14:50

信息技术为大学数学这类基础课程带来了新的生机与活力:通过引入优质的 MATLAB 数学实验案例,学生可以快速理解并掌握高等数学、线性代数、概率论与数理统计等相关课程内容,同时课堂更具互动性、直观性。此外,北京石油化工学院大学数学课程教学组还借助 MATLAB Grader 搭建了数学实验平台,从而实现了数学实验作业自动发布、批改并给学生提供实时反馈。既提高了学生的学习体验,也大大减轻了教师的批改负担,把更多的精力留给与学生的互动交流中。

崔丽敏, 北京石油化工学院


从“为计算”到“用计算”:计算思维如何融入新时代各学科教学

15:00-15:30

随着计算机技术的发展,数字化进程正在各个学科中逐渐渗透。做为一门新世纪人才必备技能,计算思维不再专属于计算机专业学生,而正在得到更多学科的老师的重视和认可。我们将从教学和科研的双重角度,结合当今科技前沿趋势,来探讨在新工、农、医、文各个学科人才学习计算思维的必要性和可行性。我们还将探讨如何使用 MATLAB 更好地将计算思维融入到您的教学和科研活动中去,提高您的效率。

许悦伊, MathWorks


AI不同,择与为谋:MathWorks助你跨学科深度创新

15:30-16:00

我们生活在一个激动人心的时代,几乎每个行业都在经历技术变革。在高校,以基础学科为依托、以应用学科为先导,无论是传统专业亦或交叉专业,都可借助MATLAB在人工智能、智能自主系统、前沿通信等方向构筑新产品,培养人才、拥抱科技大趋势。本节演讲,将重点介绍为什么选择MathWorks人工智能技术来实现跨学科应用 - 多足机器人行走控制,以及MATLAB/Simulink计算和仿真创新平台对新技术快速迭代升级的支持。

袁航, MathWorks


理论+仿真+实验:控制工程基础课立体化教学探索

16:00-16:30

《控制工程基础》是机械学科的专业基础课,课程的挑战是如何在短短的32个学时内,指导学生学习经典控制理论,并探索运用到工程实践。课程中,利用Simulink作为运动系统的仿真平台,以QUBE 为物理对象,探讨机械和控制系统间交互作用的多域动力学行为。课程实验设计以实际工程问题为背景,老师带着实验进课堂,避免冗长理论讲解,提高教学效能,学生则可绕开复杂的编程语言的学习过程,快速完成对课程核心内容的理解。同时,鼓励学生在基础实验的基础上,带着兴趣展开在控制方法多样性、学科交叉上的探索。

王林涛, 大连理工大学

关注MATLAB官方微博、
微信公众平台