Model-Based Design has been a reliable and powerful framework for designing complex systems for more than two decades. Today’s engineers are confronting new workflows influenced by trends in software development, the integration of AI, and cloud computing. Learn how MathWorks is investing in Model-Based Design to deliver critical capabilities to automate design tasks, prevent defects, and scale to increasingly complex digital systems.

Learn about some of the challenges faced by the rail industry and the benefits of reaching the vision of fully modeled trains.

Symbio, acteur majeur de la mobilité hydrogène, conçoit et développe des systèmes pile à combustible répondant aux besoins de puissance et durabilité pour la mobilité zéro-émission. Découvrez dans cette présentation, comment Symbio entend mettre à profit les avantages de l’approche Model-Based Design, depuis la simulation d'un système multi physique jusqu’à la génération et validation automatisée de code conforme aux normes de l’industrie automobile.

Un BMS (Battery Management System) est un élément essentiel des véhicules électriques. Il permet d'éviter les risques (par exemple, la surchauffe ou la surtension) et d'optimiser les phases de charge et de décharge dans un souci d'efficacité énergétique et de durabilité. La NXP GreenBox 3 est une plateforme de développement en temps réel polyvalente et très performante, qui intègre une grande capacité de traitement pour la mise en œuvre efficace d'algorithmes clés tels que l'état de charge ou l'état de santé, basés sur des techniques de traitement du signal ou d'IA/ML. Les outils basés sur MATLAB® et Simulink® permettent d'accélérer le développement et l’implémentation sur la NXP GreenBox 3.

Durant cette master class, nous explorons comment les techniques d'IA telles que le Machine Learning, et le Deep Learning peuvent être utilisées pour accélérer la simulation lorsque vous concevez des systèmes complexes. En utilisant l'IA pour développer des modèles d'ordre réduit et des capteurs virtuels, vous pouvez considérablement réduire les temps de simulation et optimiser la conception de votre système. A l’aide de MATLAB^®, Simulink^® et du Model-Based Design, nous examinons de manière approfondie le processus de conception et d'apprentissage des composants d'IA, l’intégration de ceux-ci dans des simulations à l’échelle du système, ainsi que la génération de code C/C++ optimisé pour une implémentation sur système embarqué. Apprenez à appliquer ces techniques à des exemples pratiques, tels que la création d'un modèle d'ordre réduit pour un moteur de véhicule ou le développement d'un capteur virtuel pour estimer l’état de charge dans un système de gestion de la batterie. Rejoignez-nous pour une session interactive qui vous dotera des outils et des connaissances nécessaires pour accélérer vos simulations systèmes grâce à l'IA.

Les commandes dites vectorielles ou à flux orienté (FOC) sont un moyen populaire de contrôler les moteurs synchrones utilisés dans les applications automobiles, industrielles, aérospatiales et grand public. Découvrez lors de cette session comment Motor Control Blockset™ for Simulink^® accélère le développement des commandes vectorielles en vous permettant de vérifier les algorithmes de contrôle à l'aide de la simulation et de générer un code compact et efficace pour un microcontrôleur.

Lors de cette présentation, nous vous présenterons un exemple de référence d’une commande à flux orienté. Cette commande est déployée grâce à la génération automatique de code sur un microcontrôleur TI C2000 utilisé pour piloter un moteur synchrone. Pendant la démonstration, apprenez à utiliser le Motor Control Blockset pour :

• Paramétrer un modèle PMSM en exécutant des tests sur un moteur réel instrumenté
• Modéliser la dynamique du moteur ainsi que celle de son variateur avec différents niveaux de fidélité
• Concevoir un algorithme de commande vectorielle incluant les boucles de courant et de couple / vitesse à l'aide d'un encodeur en quadrature ou d'un capteur à effet Hall
• Implémenter les transformées de Park et Clarke et la génération de PWM grâce à la méthode « Vecteur Spatial »
• Utilisez les outils de calibration automatique de PID pour définir les gains optimaux du contrôleur pour les boucles de régulation de courant et de vitesse
• Vérifier les performances du contrôleur grâce à de multiples simulations en boucle fermée
• Générer du code pour microcontrôleur et déployer la boucle de régulation en courant du PMSM cadencée à 20 kHz sur une cible Texas Instruments C2000

Avec la participation de :

• Jean Duprez, Airbus Commercial Aircraft
• Florent Feve, Valeo
• Mohamed Chaouki, Bosch
• Rémi Boutemy, Nexter Systems

"La moitié des modèles d'IA ne sont jamais mis en production" : c'est le résultat d'une étude Gartner, qui indique que la moitié des modèles ne sont jamais déployés.

Dans cette master class, nous explorerons comment réduire la complexité et les obstacles du déploiement de modèles, à travers un exemple concret de détection de dérive d'un modèle appliqué à un système de gestion de batterie. Cet exemple couvrira de nombreux défis différents dans un flux de travail Model DevOps, de la construction d'un modèle robuste et adaptatif à son déploiement dans le cloud pour l'analyse en temps réel. Nous montrerons comment vous pouvez utiliser MATLAB^® pour faciliter la collaboration avec les data scientists et l’écosystème IT, dans un processus d'intégration continue. 

Face aux enjeux liés à la croissance de la complexité des systèmes, l’amélioration des communications et l’optimisation des performances, les ingénieurs sont amenés à basculer en continu entre les exigences systèmes, les modèles d’architecture, les modèles d’implémentation et les activités de vérification et de validation.

Durant cette session, vous découvrirez comment MATLAB®, Simulink®, System Composer™ et Requirements Toolbox fournissent ensemble une plateforme complète pour l’ingénierie des systèmes basés sur des modèles (MBSE) afin d'assurer une traçabilité de bout en bout.

Points-clés :

• Capturer et gérer les besoins des parties prenantes et des systèmes.
• Lier les exigences, les architectures systèmes et les modèles d'implémentation.
• Réaliser des études comparatives sur les différents choix d’architecture.