MATLAB EXPO 2026 中国

技术展示

观看来自MathWorks专家及合作伙伴的产品演示。

教育专区

应用Simscape HDL工作流加速电力电子的FPGA在环测试

基于MathWorks支持的教育部产学合作协同育人项目开发的《电力电子技术》课程案例，围绕 Buck 变换器，系统展示 Simscape HDL Workflow 在实验教学与工程实践中的完整应用。通过贯穿电路建模、系统仿真、控制设计、HDL 代码生成及硬件在环（HIL）测试的基于模型设计流程， 直观呈现从算法到硬件落地的工业级开发路径。

该方案不仅为高校教育提供可复用、可扩展的电力电子教学范例，也为企业展示了如何高效培养具备工程思维与实战能力的人才。通过统一仿真与硬件验证流程，帮助教育用户提升教学深度，帮助产业用户加速产品开发与验证，广泛适用于电力电子、电动汽车及新能源等应用场景。

低成本平衡双旋翼建模与控制: 模型预测控制与强化学习

本案例展示了一个基于 Arduino® 的低成本平衡双旋翼系统，用于演示从物理建模、系统辨识到 AI 智能控制设计与硬件部署的完整工程流程。

系统由双螺旋桨、旋转臂、Arduino 控制器及电池组构成，主要采用市售低成本硬件，可通过 Simulink 进行控制与验证。基于 Simscape Multibody 构建的动力学模型支持桌面仿真与虚拟实验，为控制算法设计提供统一的物理基础。

在同一系统模型下，案例对比PID、MPC（模型预测控制）、MPC在平衡控制中的应用效果，并支持将算法部署到实际硬件进行验证。

该案例面向工程教育与项目式学习场景，展示了如何通过一个可复制的低成本系统，融合建模、先进控制与 AI 控制方法，实现从仿真到实物的闭环教学实践。

新产品和本地化

新产品特性展示

在最新的MATLAB和Simulink版本中，围绕高效开发与场景适配进行了全面升级：桌面端和编辑器功能增强，大幅简化代码编写与模型创建流程；新增代码质量测试、硬件在环测试功能，强化开发质量管控；深度支持无线通信等重点应用场景，并升级与 Python®、VS Code、GitHub® 及 AI 代理的集成能力，全方位提升开发效率与跨平台协作能力。本演示将帮助你了解这些新功能和新特性，以便您在科研和开发中更快地提升效率。

本地化内容

Globalization 团队的展台旨在展示本地化业务的技术进展与未来演进方向。现场将通过实际案例，演示团队近期的核心工作成果。随着大语言模型的普及，本地化业务正越来越多地借助机器翻译与生成式人工智能的辅助，以便更及时、准确地向用户交付内容。此外，展台现场还设有一项关于本地化内容质量的用户体验调查。收集到的客观反馈数据将直接用于后续优化本地化流程，以确保在提升规模化交付效率的同时，维持高质量的内容产出。

工程系统与人工智能

物理信息神经网络状态空间模型用于电机热建模及其在模型预测控制中的应用

此演示主要由两部分组成。其中一部分是基于第一性原理构建电机热模型。通过整合热传递方程和神经网络，工程师们在模型的可解释性和准确性之间实现了平衡。另一部分是利用自动微分技术将此 PINN 模型应用于模型预测控制（MPC）。自动微分技术能够提供连续线性化的结果，可作为自适应 MPC 的输入。所采用的主要技术包括：

  • 利用自定义 dlnetwork 的层和自定义 FunctionLayer 来实现第一性原理
  • 使用神经网络状态空间模型估计 nlssest 函数进行训练
  • 通过 exportNetworkToSimulink 将 dlnetwork 导出到 Simulink 模型
  • 利用连续线性化进行自适应模型预测控制

LLM 驱动的需求形式化与自动单元测试生成

在传统流程中，逻辑类功能需求往往需要工程师手工设计大量测试用例，成本高且一致性难保证。该示例介绍一种将 LLM 引入需求分析与测试生成链路的方法：我们通过两次 LLM 调用将自然语言需求先转换为符合一定标准的结构化需求文本，再进一步转换为可执行的数学逻辑表达式，并基于接口文件识别 I/O。该输出可直接映射到 Requirements Table，随后利用 Simulink Design Verifier 自动生成一致、可追溯的测试用例。该方案尤其适用于逻辑导向需求，既提升测试生成效率，也帮助客户在 Model-Based Design V&V 工具链中完成需求验证与测试生成闭环。

电气化

基于模型的储能PCS设计平台

本示例将为您展示如何利用仿真模型快速生成产品设计与认证过程中所需的代码，包括以下内容：

  • 如何生成高效、客户的代码；
  • 面向不同控制平台的代码优化；
  • 面向认证的sfunction和动态链接库生成。

模型线性化与扫频驱动的电力电子稳定性分析

电力电子系统中高频开关和强非线性特性使得传统线性化建模和稳定性分析面临挑战。本演示包含了稳定性分析的完整工作流，展示如何采用平均模型的线性化和频率响应估计两种方式，围绕指定工况获得小信号模型，并据此完成稳定性分析及控制设计。

基于模型的仿真

系统仿真与先进控制应用提升温控系统性能

在本示例中，我们面向热水器厚膜加热系统构建了一个相对高保真的仿真模型，使工程师能够在没有真实硬件的情况下完成温度控制算法的闭环调试。基于系统辨识与 Simscape 的物理建模能力，用户可以灵活选择模型精度，并将其用于经典的 PID 调参或先进控制算法（如 MPC）的设计与验证。随后，通过自动代码生成，控制算法可直接部署到嵌入式设备，形成从建模、仿真、控制设计到代码部署的一体化流程。该端到端解决方案充分展示了 MathWorks 工具链在提升控制算法开发速度、增强系统鲁棒性以及减少硬件依赖方面的显著价值。

自主移动机器人

本示例基于市售移动机器人，演示了在 MATLAB和Simulink 中便捷开发自主导航与控制的工作流。主要实现的功能包括：基于 ROS 的信息交互、lidarSLAM、自主路径规划与控制、摄像头障碍物检测与识别。

无线通信与信号处理

面向消费电子行业的便捷开发、验证与嵌入式部署方案

本示例以电子系统中的音频开发为例，完整向您展示了如何在 MATLAB和Simulink 中使用工具便捷地获取和处理数据、开发算法、在各类硬件平台上进行在环验证、生成嵌入式代码并部署实际系统的全过程。其中特点：

  • 外部 AI 模型的导入
  • 自动生成针对不同硬件平台优化的嵌入式代码
  • 利用仿真机进行处理器在环仿真
  • 对各类消费电子平台的硬件支持包

FPGA/ASIC/SoC 实现解决方案

通过模型化设计（Model-Based Design）加速 FPGA / ASIC / SoC 的开发！

实现 VHDL / Verilog / SystemVerilog / SystemC 的代码生成与验证自动化，大幅缩短开发周期。与 MATLAB和Simulink 深度集成，为从算法设计到硬件实现提供一致的工作流程。

在演示展台，您可以体验基于实际设备的运行验证以及最新的开发方法。欢迎亲自感受这些工具在提升 FPGA / ASIC / SoC 开发效率方面的魅力。

基于深度学习的毫米波匹配网络设计优化

本演示聚焦于毫米波匹配网络（Millimeter-Wave MatchNet）的设计优化工作流程，采用深度学习作为电磁（EM）仿真替代模型，用于快速预测平面电磁结构的散射参数（S 参数）。

相较于传统的高精度电磁仿真流程，该基于深度学习的方法具有以下优势：

  • 能够在更大规模的设计空间中高效探索，发现新颖、非直观且接近最优的设计方案，提升整体设计性能；
  • 通过以深度学习的前向预测过程替代耗时的迭代仿真，加速设计迭代并显著缩短设计周期；
  • 基于目标性能指标实现自动化综合设计，降低对专家经验的依赖，提高设计效率与一致性。
  • 该工作流程涵盖数据生成、AI 建模以及参数优化等关键环节，其中数据生成基于射频 PCB 设计与分析工具完成。

汽车

面向嵌入式系统的人工智能

了解 MathWorks 工具如何帮助用户将 AI 算法部署到主流嵌入式设备上，例如 Qualcomm® Snapdragon 微处理器 和 Infineon® 微控制器。

我们还将展示端到端的嵌入式AI工作流程 以及面向典型应用场景的新功能，包括 虚拟传感器、ROM 以及 预测性能源管理。

基于Simulink的虚拟化开发

将 Simulink 与第三方技术相结合，正在大幅缩短客户的软件验证与确认（V&V）周期。利用 Simulink 在闭环环境中对虚拟 ECU上的量产级 ECU 软件进行测试，可大幅减少对实体测试硬件的依赖。

面向SDV软件架构的基于模型设计

了解System Composer如何将基于模型设计的优势应用于软件架构层面，为您的软件定义汽车（SDV）打造面向未来的可靠架构。通过与 Vector/ETAS®/ReachAuto量产级中间件集成，实现 端到端的完整工作流程。