上海摘要

查看会议资料

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

测试的智能化时代

10:00–10:30

质量是上海汽车变速器有限公司的立业之本，发展之基。测试是产品质量的重要保证。随着时代的发展，汽车行业的产品更新换代越来越快，对产品质量要求越来越高，这对汽车控制器的开发提出巨大挑战。公司为了缩短产品开发周期的同时提高产品质量，提出了智能化的测试方案。测试全过程满足ASPICE Level 2的要求和ISO 26262对测试的要求。将测试和开发有机结合。实现测试的自动化是提高开发和开发质量的重要保证。自动化测试的同时，利用MATLAB的API接口实现每个阶段的有效连接，在MATLAB、Jenkins、IBM流程管理的综合应用下持续集成测试。

李育，上海汽车变速器有限公司

现代企业计算

10:30-11:00

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。

周拥华, 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。

刘海伟, 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。

刘海伟, MathWorks

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

周末, MathWorks

基于模型设计在电力电子行业中的大规模应用

13:30–14:00 p.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

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。

周玲, 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。

龚小平, MathWorks

基于模型标定的工程实践——东风国六汽油机台架标定项目

11:30–11:50

随着发动机技术的日益复杂，传统的全维试验无法满足多变量同时优化的要求，同时随着试验的复杂性试验周期大幅增加，本文介绍在实际GDI发动机开发项目中应用MathWorks的MBC工具箱有效地处理多变量优化问题，提高发动机标定质量，以及合理的试验设计大幅降低试验周期的实践案例。

陈龙, 东风汽车公司技术中心

规划符合ISO 26262的模型架构和建模模式

11:50–12:15

功能安全标准ISO 26262为汽车电子电气系统，包括嵌入式软件开发提供了指导。如何在项目中预先确定策略、架构和设计模式以符合标准要求，以避免项目中间在这些基础领域做更改，正在成为行业内很多公司共同的挑战。在本演示中，MathWorks工程师将根据已有的符合ISO 26262产品开发方面的经验，讨论如何将Simulink应用于符合ISO 26262要求的产品开发。

符合ISO 26262标准的模型架构的关键考虑因素
避免软件干涉的模型构建
将上述最佳实践应用于同时有AUTOSAR要求的软件

李智慧, MathWorks

Simulink支持Adaptive AUTOSAR开发

13:30–14:00

Adaptive AUTOSAR 是用于高性能在线计算的现代软件框架，常应用于自动驾驶系统。基于POSIX和C++语言，Adaptive AUTOSAR支持软件动态更新、面向服务的通讯、安全性和保密性的扩展等。本演讲将介绍Adaptive AUTOSAR的概念及演示基于Simulink^®平台开发Adaptive AUTOSAR软件，包括：

导入和导出Adaptive ARXML
使用面向服务的通讯机制建模和仿真Adaptive算法
生成C++代码并与Adaptive中间件集成

龚小平, MathWorks

虚拟车辆模型搭建及在新能源汽车开发中的应用

14:00–14:30

新能源汽车开发过程中，动力总成系统结构选型匹配，控制算法的虚拟测试验证和标定，都需要虚拟整车模型，不仅包括具有足够精度的零部件总成模型，能够运行MIL/SIL的控制器，而且需要可以支持多种格式和详细水平模型的集成平台。虚拟车辆闭环仿真已经成为优化和平衡车辆性能必不可少的手段。本次演讲中，MathWorks工程师将为您展示如何使用MathWorks工具进行虚拟车辆模型的搭建，并应用于新能源汽车的动力总成系统结构设计开发和优化。

胡洪祥, MathWorks中国

驾驶员行为模型共享对交通安全的提升

14:30-15:00

随着互联网基础建设以及车联网技术的发展，车辆产生的海量实时信息都可以通过车联网与不同参与者进行共享。数字孪生基于历史数据从不同角度为车辆建立模型，并根据新数据更新模型的参数，对车辆的状态做出更加实时直观的表示。在本研究中，我们为车辆建立驾驶员行为数字孪生。利用历史驾驶数据使用Machine Learning Toolbox建立驾驶员行为模型，对不同路况下的行为进行预测；同时通过将行为模型与其他车辆进行共享，可以更加准确的预测可能出现的危险状况，对驾驶员进行提醒，提高驾驶的安全性。本研究首先利用MATLAB^®及Unity3D在仿真环境下进行可行性验证，逐渐增加交通环境的复杂度以及观测的不确定性，最终实现在真实交通状况下的应用。