技术展示
观看来自MathWorks专家及合作伙伴的产品演示。
低成本平衡双旋翼机的建模与控制
案例展示基于 Arduino® 的航空机电一体化系统的系统辨识和控制设计。它包括一个旋转臂上的两个螺旋桨、一个 Arduino控制器和一个电池组，可以使用 Simulink进行控制。大部分使用市售低成本硬件，容易复制。基于Simscape Multibody 的模型也可用于桌面仿真。案例演示了教育工作者如何通过项目系统性讲授动态系统建模、系统识别、控制设计以及硬件接口和部署。
基于 LLM 的智能助手
在本示例中，观众可以交互式地与 MATLAB 基于大语言模型的智能助手进行对话，并用语音控制电机。 体验 MATLAB 和 Simulink在智能应用设计与开发，包括：用户界面设计、Python 模型集成、大语言模型支持、硬件控制及部署等全方位的支持！
新产品和本地化
本示例将展示MATLAB，Simulink以及Polyspace在最近的几个版本中的新功能与新特性。
在MATLAB中应用大语言模型
本示例将展示如何在MATLAB中使用DeepSeek、Qwen等大于语言的API，以及如何调用本地DeepSeek模型。同时演示MATLAB如何将本地知识库和大语言模型结合使用，完成一个个性化的问答和MATLAB编程agent。
Tiny Machine Learning在电机FOC控制中的应用
传统的PID控制难以快速适应参考速度的快速变化，显著偏差和较长的稳定时间影响了电机控制的精度和稳定性。通过引入Tiny Neural Network（微型神经网络），补偿PID控制器的偏差，使得PID控制表现出更少的超调和偏差。本示例永磁同步电机（PMSMs）的磁场定向控制（FOC）为例，展示了将训练神经网络模型与Simulink进行联合仿真以及部署。
利用AI与Simscape优化车辆悬架设计
本案例展示通过车辆多体模型生成训练数据，构建AI代理模型的完整流程。所得AI模型可用于设计空间探索及最优设计参数寻优。
核心功能亮点:
- 通过构建降阶模型，快速评估底盘硬点位置，支持物理原型设计前期的可行性分析
- 支持并行化批量仿真，量化分析设计参数对性能指标（如操纵稳定性、NVH等）的影响权重
- 采用实验设计法（DoE）生成AI训练数据，确保全面覆盖多维设计空间
- 融合机器学习与深度学习技术，自动构建高精度替代模型，并通过数据交叉验证确保可靠性
- 应用优化算法求解Pareto前沿，智能平衡动力性、经济性、舒适性等指标的冲突关系
在 TI C2000 上使用自回归神经网络实现无感电机控制位置估计
本示例将展示如何在 MATLAB 中通过 Deep Learning Toolbox 训练自回归神经网络（ARNN）来估计的电机转子位置，从而实现永磁同步电机（PMSM）的磁场定向控制（FOC）。经训练输出的神经网络会同 FOC 算法的其它部分共同组成 Simulink 模型，并通过 C2000™ Microcontroller Blockset 自动无缝部署到硬件上。
支持快充的电池建模和参数化
相对于等效电路模型，更高精度的单粒子电池模型辅助电池快充性能仿真分析。
参数估计目标：通过优化模型参数，使仿真电压输出与实验测量的电压曲线（如充放电测试数据）吻合。该工作流的亮点在于可一次性估计所有参数。
毫米波雷达手势识别
本示例包括：1. 如何通过 MATLAB 快速连接到毫米波雷达硬件开发板获取原始 IQ 信号；2. 利用信号处理工具链方便地进行信号处理；3. 在 MATLAB 中训练、调试和部署神经网络，完成手势识别。希望能给需要将经典信号处理与人工智能相结合的开发者们带来帮助。
电动汽车热管理系统优化
本示例将展示一个中型BEV的Simscape模型，该模型可以对整个车辆进行虚拟测试。模型包括车辆的动力系统、传动系统和热管理。首先，使用该模型模拟车辆在驾驶循环中的性能，以分析能耗。然后进行敏感性分析，评估不同参数如何影响车辆在续航里程和能耗方面的整体性能。最后，利用数值优化来识别在不同气候条件下最小化能耗的设计参数。
预测能量管理系统算法设计与仿真平台
本示例将展示如何基于智能网联的地图和交通信息，实现预测能量管理系统的智能算法设计。针对实车测试效率低、调试复杂等痛点，本示例将基于RoadRunner、Automated Driving Toolbox、Vehicle Dynamics Blockset等工具箱，实现交通流与地图引擎的快速闭环，缩短系统定义、算法优化的周期。
