北京 摘要

主题演讲:登月计划:工程师和科学家们如何征服不可能

9:20–9:50

“登月计划”-- 一个有着崇高目标而看似不可能实现的项目。它是推动创新、增加人类知识和提高我们生活水平的引擎。50多年前,美国宇航局的阿波罗计划让人类第一次登上了月球,实现了真正意义上的登月,并孕育了一批如今无处不在的新兴技术,如集成电路、光伏电池和数字图像处理等等。今天,工程师和科学家的目标是产生无限的清洁能源,创造先进的医疗设备来拯救和改善生命,前往广袤的火星,探索浩瀚的宇宙。在本次演讲中,您将了解这些富有远见的项目,MATLAB®和Simulink®在帮助工程师和科学家实现目标方面所扮演的角色,以及如何将这些相同的工具和技术应用于您自己的“登月计划”。

Sameer Prabhu

Sameer Prabhu, MathWorks


着眼 5G 基础算法 -赋能网络数字经济

9:50–10:15

数字经济是决定未来全球经济格局主战场,随着全球经济博弈层级的不断演进和升级,各国均将数字经济作为国家战略发展的顶层设计之一。自2017年习近平总书记在政府工作报告中提出要促进数字经济快速发展以来,中国数字经济呈指数增长趋势,已成为推进中国现代化的重要驱动力量。

数字经济的基础是5G网络,5G网络如何能更科学、更高效的服务数字经济,目前尚在探索中。但有一点至关重要,基础研究与工程数学是整个5G ToB网络规划与设计的基础。本课题面向网络数字经济,基于5G及未来通信网络的核心,立足老部院“守正创新”的技术之本,确立基础算法与工程数学作为5G网络方案的核心与创新点,解决5G工程规划与研究中的基础算法仿真与模型构建的问题,并致力于解决5G及未来网络建设中的核心问题,从根本上提升5G技术方案的价值与性价比。

Zhong Zhigang

钟志刚, 中讯邮电咨询设计院有限公司


脑机接口:解码思维的力量

10:15–10:40

解码脑神经活动、实现脑机信息直接交流的脑机接口技术正在走近现实。脑机接口研究涉及脑神经数据机器学习算法、交互界面设计、实时数据处理等多方面的技术方法。本演讲将以视觉脑机接口、情感脑机接口为例,介绍MATLAB®如何支持相关的研究工作及应用,如何支持高校脑机接口课程的教学与学生竞赛的工作。

 Zhou Jiemin

张丹, 清华大学


MATLAB助力发动机自主电控平台研发

11:10–11:35

为满足日益严格排放和油耗法规,发动机控制软件规模爆炸式增长。利用MATLAB®/Simulink®和Polyspace®等工具,东风商用车建立了基于模型的发动机电控软件开发流程和工具链,实现了控制算法的开发、自动代码生成和软件的持续集成、验证,保证了开发质量并提升了开发效率。

Jiemin Zhou

周杰敏,东风商用车有限公司


MATLAB 和 Simulink R2023a 版本新功能

11:35–12:00

学习 MATLAB® 和 Simulink® 中的新功能。本演讲将重点介绍新工具,如交互式apps,实时编辑器tasks和在MATLAB中几乎不需要编码就能完成任务的高级功能,以及Simulink中用于定义输入信号、管理设计变体和调试仿真的新功能。考察构建与测试代码和模型的新功能,在MATLAB和Simulink中使用Python®,并与其他工具和环境集成,包括Jupyter®、VS code和Unreal®

Yuan Hang

袁航, MathWorks中国

Jingyuan Li

李靖远, MathWorks中国

基于数字孪生技术的虚拟试验场

13:15–13:45

在智能制造与工业4.0背景下,工程机械正迎来数字化、智能化的历史窗口,大数据技术、智能算法技术与工程机械逐步融合,产生越来越多的落地应用,数字孪生技术是支撑智能化体系实现网络化与数字化的关键基础。试验场的主要任务是新产品的试验和检测,利用数字孪生技术,建设数字孪生平台,以数采设备为媒介实现信号数据从用户端到数字孪生模型的双向实时传输,提升试验效率,本次分享内容以挖机试验场为案例,通过数字孪生平台,实现工况与油耗数据向Simulink®模型的实时采集传输,进行工况识别与油耗分析,辅助制定能耗优化策略及维修保养计划,提升产品性能,缩短研发周期。

 Liu Feilong

刘飞龙, 三一重工股份有限公司


数据驱动的深度学习商用车控制策略开发

13:45–14:15

车联网技术的普及产生了海量的车辆运行数据,如何发挥这些数据的价值成为了工程师需要思考的新命题。一汽解放将向您展示如何通过数据驱动的方法,构建基于深度学习的控制策略模型;针对嵌入式控制器的特点,利用 MATLAB® 提供的工具,对模型进行剪枝和量化;最后在 Simulink® 平台中实现嵌入式代码生成,并在嵌入式开发环境中实现 hardware-in-the-loop 的全方位验证。您将学到如何通过数据驱动的方法,快速实现并验证控制策略的有效性,提升商用车的控制品质。

Xiangkai Meng

孟祥开,一汽解放汽车有限公司


解释和验证AI模型

14:15–14:45

神经网络在各种各样的任务中,包括图像分类、目标检测、语音识别和机器翻译,证明了它智能推理能力。基于这种能力,人们一直希望将神经网络应用于具有安全关键部件的行业,如航空航天、汽车和医疗。虽然这些行业已经建立了验证传统软件的流程,但通常不清楚可以应用什么方法来验证神经网络的可靠性。在本次演讲中,将探索用于解释和验证AI模型的全面工作流程。通过一个例子讨论帮助我们理解神经网络内部工作原理的可解释性方法。此外,还将介绍如何利用深度学习工具箱形式化验证神经网络的鲁棒性,并确定在推理期间看到的数据是否在原有数据分布之外。通过彻底测试AI组件的需求,可以确保AI模型可以用于一些对可靠性至关重要的行业。

Darren Ma

马文辉, MathWorks 中国


面向时间序列的异常检测

15:15–15:45

复杂系统中的异常状态,可能难以通过机理建模、统计过程控制或频域分析等方法直接识别。从多通道传感器采集的海量时间序列数据中挖掘关键特征信息,识别潜在异常模式,首选的方案一般是有监督的机器学习算法,根据含标签的数据集,构建分类学习模型区分系统中的正常和异常行为。但是,如果异常数据和正常数据的样本量不均衡,甚至没有先验的标签时,则需要考虑使用无监督或半监督的异常检测方法。

本演讲将结合具体示例,介绍在MATLAB中如何实现面向时间序列的异常检测方法。

Yuan Hang

袁航, MathWorks中国


基于云的MATLAB视觉检查系统

15:45–16:15

本次演讲将从一个使用案例开始,该案例描述了一个可重新调整用途的基于云的视觉检查系统,该系统由运行在MATLAB Production Server™上的图像处理和计算机视觉算法提供支持。您可以从本次演讲中了解如何使用基于移动设备的工作流,通过流式视频和图像捕获直观地登记和检查感兴趣的对象,并实施DevOps工作流。

Yixin Chen

陈宜欣, MathWorks 中国


使用MATLAB进行DevOps: 流数据的预测性维护系统

16:15–16:45

许多公司使用MATLAB®和Simulink®来开发算法——但这些算法在整个生命周期中的部署、监控和管理他们是如何实现的?DevOps指的是运维这些软件应用所需的一系列功能、工具和最佳实践,通常是针对IT场景提出的。Gartner报告称,由于来自运维方面的挑战,超过50%的数据科学项目没有产生商业价值。

在本次会议中,将演示一个完整的预测性维护场景的DevOps系统,用于监控电池群的健康状态(SOH)。同时学习如何在MATLAB中开发SOH预测模型和漂移检测模型。然后,了解如何使用CI/CD pipeline、Microsoft Azure上的MATLAB Production Server™以及用于性能监视的仪表板来对这些算法进行自动测试和部署。

了解工程团队如何使用MATLAB来运维他们的算法,以及如何更容易与IT/OT团队对接。

Haiwei Liu

刘海伟, MathWorks 中国

金风基于模型设计之路

13:15–13:45

风电行业整体已经进入了竞争的白热化阶段。各个公司在所有层次上都在做差异化竞争。而在所有领域中,由于和客户关系最为紧密,控制软件的差异性优势显得更为重要。这就意味着为了保持在机组安全、运行可靠性、综合收益、用户友好性的领先地位,控制软件需要更高频率的迭代,以满足各方面的需求。如何同时满足迭代的快速性和软件的高质量是所有风机整机厂商都要面临的重要问题。而金风选择基于模型设计的开发模式来解决这个问题。

在基于模型的设计领域,MATLAB®以及Simulink®是所有平台类软件的翘楚,因此金风选择和MathWorks合作,来完成快速和高质量的背景需求。金风重新对需求、设计、测试编制了基于模型设计的规范要求,并充分利用MATLAB以及Simulink的功能将整个过程规范化、自动化。

例如,采用Simulink Requirements对需求进行管理,可以对需求覆盖度在设计阶段进行审核,并保证开发不会偏离需求;同时,在开发过程中就可以基于unit test,对需求进行边开发边测试,压缩开发、测试和需求迭代的周期。

采用图形化的开发模式,降低了团队的工具门槛,将团队共同维护功能项目成为可能。可以用最小的项目成员,处理相对复杂的需求,同时将审查压力降至最低。

基于Simulink可以完成多学课联合仿真,如Simulink和SIMPACK、Simulink和RTDS、Simulink和整机气弹仿真软件等。基于仿真可以加快开发进程;同时,通过联合仿真,可以使得仿真环境更加贴近现场,减少现场测试的负担,缩短验证周期。

基于Simulink可以完成跨平台代码生成。开发人员无需人工对代码进行各平台的移植,从而杜绝了开发过程中最大的不可控因素,同时简化了程序版本管理的难度,降低了开发流程可能引入的干扰项。

基于MATLAB以及Simulink可以完成文档自动化,轻松应对文档归档,压缩文档工时,并保证质量。

结合Simulink与CI,可以轻松完成生产模式和开发模式的版本管理,开发模式可以不用担心中间版本对主线造成影响;而开发模式经过测试审核后,便可集成在生产模式,完成程序更新。基于该模式,可以轻松管理版本发布,保证开发和现场程序的可靠性。

未来希望可以让更多业务能够使用MATLAB以及Simulink,从而加深业务的自动化以及数字化转型。

Zhongpeng Liu

刘忠朋,金风科技


基于模型的工程车电池管理系统快速开发

13:45–14:15

工程车例如搅拌车、渣土车的电池管理系统与乘用车有所不同,在这个主题,我们将讨论如何利用MATLAB®与Simulink®快速开发出工程车的电池管理系统,以应对其设计过程的诸多挑战,主要包括:

  • 多支路、大电量的电池系统如何准确计算出SOC的值
  • 多支路、大电量的电池系统如何做到满充讨论
  • 多支路、大电量的电池系统如何做到放电与充电的支路一致性讨论
Xie Musheng

谢木生, 三一集团


利用仿真优化动力电池性能

14:15–14:45

在汽车设计的早期阶段,工程师需要决定电池组的大小,工作内容通常涉及续航里程和成本等相互冲突的目标之间的权衡,要想达到最优设计的目标不是一件容易的事。需要大量的时间和建模专业知识来构建闭环系统模型,用以分析和评估设计方案。

本次演讲,我们将介绍一个可行的工作流来解决这些问题。首先,将演示如何使用Powertrain Blockset™的Virtual Vehicle Composer来创建系统级电动汽车模型。借助优化技术,使用已搭建的系统级模型迭代评估整车性能。然后,基于上述系统模型分析的结果,在Simscape Battery™中,生成相应的电池包设计模型,并更加详细地评估电池包的行为。最后,将电池模型集成回系统级模型中,以验证需求是否得到满足。

该方法提供了一种严格的数值方法来量化设计中的权衡问题,并简化了系统级和电池子系统级的模型构建流程,使得可能不是工具专家的领域专家也可以利用这些强大的设计工作流开展相关的工作。

Xiuhua Li

栗秀花, MathWorks 中国


电机控制:使用NXP MBDT实现快速设计、开发和部署

15:15–15:45

在全行业的电气化大趋势下,电机控制系统具有显著的重要地位。快速设计、开发和部署电机控制系统是工程师们一直所追求的。

在本次演讲中,我们将介绍恩智浦的Model-Based Design Toolbox (MBDT),该工具与 MATLAB® 和 Simulink® 无缝集成,为恩智浦 S32 微控制器上的应用程序开发提供了自动化途径。

凭借广泛的汽车数学和电机控制功能库、外设驱动程序块,MBDT为恩智浦处理器提供多种仿真模式和代码生成功能。通过内置的底层配置工具,结合基于MBDT的框架模型,MBDT提供“真”MBD开发流程和体验。

Liao Qiankun

廖乾坤,恩智浦半导体有限公司


电动汽车充电对电网影响的技术经济性分析

15:45–16:15

随着每天有越来越多的电动汽车接入电网,人们担心现有的电网基础设施将超出可接受的运行极限。 我们可以通过将运营、定价和预测纳入电力系统的技术经济模型来解决这些问题。 利用这些模型,我们可以评估充电基础设施的可行性、风险、最佳操作和盈利能力。 这些模型提供了关键的见解,如随着时间的推移,预期的系统性能,识别导致不良结果的因素,以及通过优化研究使组件的规模合理化。

在本演讲中,我们将考虑一个场景,即系统运营商可以命令单个电动汽车电池单元在连接到电网的同时储存和供应电力。 运营商对充电曲线进行技术经济优化,以使电力成本最小化,同时考虑到系统要求和约束条件,如对充电SOC状态、电网供应和充放电率的限制。 这种优化提供了一种快速和自动化的方法,以利用所有连接到电网的设备来获得整体系统的利益。 然后,使用电网级模拟,评估充电曲线对电压和功率流水平的影响。

Hao Xu

徐浩, MathWorks 中国


MATLAB AI应用赋能机器人自主化

16:15–16:45

近年来,人工智能在机器人领域的应用大幅扩展,包括语音命令、物体识别、姿态估计和运动规划等。人工智能机器人在制造设施、发电站、仓库和其他工业场所继续发展。仓库垃圾箱分拣就是一个很好的例子。深度学习和强化学习使机器人能够在人类的最小帮助下处理各种物体,减少因重复运动而造成的工作场所伤害。

了解如何在自主机器人应用中使用人工智能实现感知和运动控制。MATLAB®和Simulink®为人工智能在机器人和自主系统中的成功应用提供了一个强大的平台。您可以使用相同的开发平台来设计、测试和部署智能箱中取物协作机器人(cobot)、自主移动机器人(AMR)、无人机和其他机器人系统中的人工智能应用程序。这减少了开发时间和上市时间。

深入了解:

  • 通过自动数据标记减少手动工作量
  • 使用深度学习对机器人应用中的目标进行检测和分类
  • 使用深度学习的运动规划
  • 利用强化学习控制机器人运动
  • 部署深度学习算法作为CUDA优化的ROS节点
Simbawan

王希博,MathWorks中国

将基于仿真的数字工程技术应用于智能制造

13:15–13:45

我们知道,软件对智能制造来说至关重要,是“智能”的核心载体。在智能制造场景下,软件不仅要负责执行数据采集和信息处理,还要执行非常复杂的决策任务。这让无论是负责设备智能的嵌入式软件,还是负责工厂智能的应用软件,都变的越来越复杂,这种复杂性给我们的软件开发团队带来很大的挑战。

采用基于仿真的数字化工程开发方式,是我们应对这种挑战的有效解决方案。

在这个演讲中,您首先会看到在Simulink仿真环境中通过建模和仿真开展工程设计,再通过自动代码生成技术完成软件实现的整个过程,同时,您也会看到采用这种方式进行智能应用开发的几个实例,您可以借鉴其中的“最佳实践”开发您的应用。之后,您将了解到基于仿真可以开展的更丰富的设计活动,如方案权衡、指标验证,以及我们为您开展各种智能应用仿真提供的工具和特性。

Song Shengkai

宋胜凯, MathWorks 中国


自动代码生成技术助力国产工业控制系统智能化发展

13:45–14:15

介绍工业控制发展趋势和代码开发发展趋势。基于MATLAB®/Simulink®可实现工业控制软件的图形化、模块化开发,通过闭环仿真对控制算法进行快速验证和设计迭代;通过Simulink代码生成技术,一键自动生成与所选硬件平台兼容代码,并可引入Simulink先进控制算法模块库,实现软件智能化。最后,以该控制系统在新能源发电项目中的应用为例,讲述从手写代码到模型化的实现过程。

Zhenli Sui

隋振利,道莅智远科技(青岛)有限公司


基于STM32的MATLAB电机控制方案

14:15–14:45

MathWorks 将展示使用基于模型的设计开发方法为 STM32 芯片开发电机控制系统,并介绍 Simulink® 环境中的 STM32 硬件支持包所支持的功能。与会者将了解如何使用 Simulink 模型对 FOC PMSM 电机控制算法进行仿真和调谐,并将其转换为在 STM32 上运行和控制电机的C代码。意法半导体将讨论新型STM32G4在电机控制和功率转换方面的优势。

Xiaohui Li

李晓慧,意法半导体

Jing Wu

吴菁, MathWorks 中国


基于AI的降阶模型加速Simulink中的系统分析和设计

15:15–15:45

通过基于模型的设计,你可使用虚拟模型来设计、实现和交付复杂的系统。创建高保真的虚拟模型,准确地捕捉硬件行为是很困难的,而且可能很耗时。然而,这些高保真模型并不适合于开发过程的所有阶段。例如,对详细部件设计有用的计算流体力学模型,如果包含在系统级模拟中以验证你的控制系统或进行需要多次模拟运行的系统分析,就会太慢。一个用于分析氮氧化物排放的高保真模型,在你的嵌入式系统中实时运行也会很慢。这是否意味着你必须从头开始创建更快的高保真模型?此时需要减序建模(ROM)来帮助你。ROM是一套自动化的计算技术,可以帮助你重新使用你的高保真模型来创建运行更快的低保真近似值。

在本次演讲中,我们将了解不同的ROM技术和基于人工智能的方法、线性参数变化(LPV)建模,以及将大规模稀疏状态空间矩阵从有限元分析工具引入MATLAB® 和Simulink® 的策略,用于柔性体建模和控制等应用。本次演讲的重点将是基于人工智能的ROM。看看你如何进行彻底的实验设计,并使用所得到的数据来训练使用LSTM、神经ODE和非线性ARX算法的AI模型。了解如何将这些人工智能模型集成到你的Simulink仿真中,无论是硬件在环测试还是部署到嵌入式系统的虚拟传感器应用。了解不同ROM方法的优点和缺点,便于你为下一个项目选择最适合的工具。

Darren Ma

马文辉, MathWorks 中国


大规模物理系统模型并行仿真加速

15:45–16:15

物理系统的研究中,仿真起到了很大的作用,但随着系统的规模扩大和细节的增加,仿真面临很大的速度瓶颈。虽然多核CPU在计算机已经广泛存在,传统仿真软件无法有效利用多核来进行物理模型加速。

Simscape™ 可以让您在Simulink®环境中快速创建多物理域系统模型,并提供物理模型解耦模块,让您将复杂系统模型分割成若干子模型,进而可以利用Parallel Computing Toolbox™进行并行仿真加速。

本讲为您介绍并行仿真中的要点,物理模型解耦、模型间通讯和并行仿真启动,并以实例为您展示并行仿真起到的加速效果。

Luke Zhou

周前程, MathWorks 中国


形式化需求和基于需求的测试用例生成

16:15–16:45

系统工程师通常使用文本的方式来捕捉需求,但是文本需求可能是不完整或者不一致的,从而导致错误在需求阶段被引入,随着项目的推进,修复错误的成本成倍增加。通过使用Requirements Table 模块形式化需求,可以在开始设计之前定义预期行为并分析需求的完整性和一致性。此外,由于该需求模型独立于设计模型,您可以从需求模型生成基于需求的测试,并验证你的设计是否满足这些需求,而无需手动编写数千个测试用例。

Jay Su

苏哲, MathWorks 中国

使用MATLAB加速信号处理和图像处理算法开发

13:15–13:45

电子系统中的信号和图像数据无处不在,各类传感器采集的信号、摄像头采集的图像和视频被广泛地应用在故障检测、健康监测、视觉检查、目标识别等各种场景。看看MATLAB®和Simulink®如何支持信号和图像处理和分析算法开发,从而使您能够轻松开发适用于各类应用的高精度算法。

Yixin Chen

陈宜欣, MathWorks 中国


MATLAB 和 Simulink在电路仿真中的应用

13:45–14:15

通过本主题,您讲了解到如何使用MathWorks系列产品进行电路的建模和仿真。Simscape™ 及Simscape Electrical™提供了大量电路建模的基本元件和模块,可帮助电路设计者快速建立电路模型并且仿真器电压/电流的特性。对于高频及射频电路,RF Toolbox™和RF Blockset™提供了射频电路的基本模块以及S参数导入,结合RF Budget Analyzer一键生成功能,可快速建立射频系统链路并导出给Simulink®,在Simulink中可进行精细化设计。在数模混合电路中常用的ADC和PLL模块,Mixed-Signal Blockset™提供了丰富的参考电路和测试模版。对于高速电路的设计,Signal Integrity Toolbox™则允许信号完整性工程师对高速串行/并行链路进行前仿真阶段的设计以及布版后仿真的验证。

Luke Zhou

周前程, MathWorks 中国

Chenxing Zhao

赵晨星, MathWorks 中国


将算法模型快速部署到DSP和FPGA

14:15–14:45

日益复杂的算法实现和产品快速迭代要求,给传统手写代码开发调试以及在DSP和FPGA上部署带来更大的挑战。随着智能算法的成熟和嵌入式设备的性能提升,越来越多的场景需要将AI算法部署到嵌入式设备上。为了应对这些新的挑战,MATLAB® 和 Simulink®提供了从算法和模型自动生成C代码和HDL代码,并将其部署到DSP和FPGA上的完整流程。

本演讲将介绍如何用Simulink建模多核处理器任务,并通过仿真进行分析和早期算法验证,展示从模型生成多核DSP代码的过程,演示从训练好的深度网络生成HDL代码并部署到FPGA开发板上的完整流程。

 

Heng Zhao

赵恒, MathWorks 中国

使用MATLAB与Python

9:30–12:30

在本次上机实践中,通过实际示例,例如预测天气数据,来学习如何使用MATLAB®和Python™。具体包括:

  • 从MATLAB调用Python库
  • 调用用户自定义的Python命令、脚本和模块
  • 实现MATLAB和Python之间的数据管理和转换
  • 部署MATLAB算法并从Python中调用
Delin Chang

常德林, MathWorks 中国

Darren Ma

马文辉, MathWorks 中国


火星探测器的自主导航建模仿真

9:30–12:30

你对火星探测器是如何在数百万英里外自主规划和导航感到好奇吗?在这个上手实操研讨会上,我们会对一个六轮自主探测车进行建模,并帮助它在未知的地形上导航。使用传感器数据估计探测车的位置,通过深度学习检测障碍物,利用路径规划算法为探测车设计最优路径,并使用6自由度机械臂拾取土壤样本来完成任务。通过这个研讨会所展示的内容,你可以在自己的工作中迎接自主导航和机器人相关应用带来的挑战,并学习深度学习和计算机视觉工具是如何改进传统的路径规划算法的.

本研讨会将演示如何使用多个MathWorks产品对具有挑战性的应用进行建模。通过统一的仿真平台,使用以下方法建模:

  • 将MATLAB App Designer用于本次上机实践中的非道路场景路径规划、摄像头传感器和前端算法开发
  • Deep Learning Toolbox™ 用于感知模块和岩石探测
  • Simscape Multibody™ 用于探测车对象的建模以及探测车与虚拟地形的接触建模
  • Computer Vision Toolbox™ 和 Image Processing Toolbox™ 用于探测到的岩石的深度估计
  • Robotics System Toolbox™ 和 Navigation Toolbox™ 用于路径规划和控制.
Yixin Chen

陈宜欣, MathWorks 中国

Jing Wu

吴菁, MathWorks 中国

Xiuhua Li

栗秀花, MathWorks 中国


将深度学习与强化学习带入教学与科研

9:30–12:30

随着AI的持续发展,深度学习、强化学习等技术越来越成为高校教师进行科研的有力工具,在控制、电子、电气、机械、数学等多个理工学科都取得广泛应用。与此同时,也对高校教师如何在课堂教学中讲授AI提出了新的挑战。

MATLAB®不仅提供了多种领域专用的工具箱和app来简化科研工作者使用AI的流程,更提供了诸多交互式课件、在线课程和代码示例来用于AI课堂教学,帮助学生快速学习和执行面向不同学科的深度学习项目。

在本次上机实践中,您将重点了解以下几方面内容:

  • MATLAB面向深度学习和强化学习的工具与工作流
  • 通过3个上机练习快速掌握使用MATLAB进行AI设计
  • 了解如何在不同领域的科研项目中应用AI技术
  • 分享倍受欢迎的最新AI教材与在线课程
Ruan Kajia

阮卡佳, MathWorks 中国

Jason Wang

王家琛, MathWorks 中国


利用无人机检测并跟踪山林野火

13:30–16:30

无人机可以帮助预防自然灾害吗?近年来,高发的山林野火威胁着人类的生命安全,并带来了灾难性的环境损失。在本次研讨会中,我们将构建基于无人机的野火检测系统,探索前沿技术如何用于检测火灾爆发事件,并分析野火扩散趋势。掌握在MATLAB Online™ 和Simulink Online™中开展AI建模和系统仿真的技巧,应用于救援任务。

Yuan Hang

袁航, MathWorks中国

Darren Ma

马文辉, MathWorks 中国


基于Simulink模型的验证和确认工作流

13:30–16:30

当工程团队使用基于模型的设计以及 MATLAB® 和 Simulink® 设计复杂的嵌入式系统,生成产品级 C、C++ 和 HDL 代码时,我们需要通过仿真测试,甚至基于形式化方法的静态分析,让基于模型的设计更为严谨也更趋自动化,从而可以尽早发现错误,提高软件的质量水平。

本上机实践将涵盖 Simulink 模型确认、验证和测试的多个阶段。我们将基于一个需要满足功能和安全性要求的自动巡航控制器案例,探讨如何利用 MathWorks 的测试验证工具链,促进更早期的测试并与代码生成一道提升软件产品的质量信心,主要内容包括:

  1. 需求管理与变更
  2. 模型标准与规范检查
  3. 测试用例构建与测试结果评估
  4. 自动化批量测试与覆盖度测量
  5. 自动化测试用例生成与设计错误检查
Michael Yang

杨超,MathWorks 中国

Yuexin Guo

郭咏新,MathWorks 中国

Xiuhua Li

栗秀花,MathWorks 中国

关注MATLAB官方微博、
微信公众平台