MATLAB EXPO 2022中国用户大会于2022年6月21日至24日在线上举行。该活动涵盖了30余场主题技术会议，案例分享以及基于MATLAB和Simulink开发流程的跨行业多应用的Demo演示，内容包括绿色能源、大数据与人工智能、电气化系统、智能车辆与无人系统、无线通信与芯片等多个领域。现在也可通过网站免费查看会议资料和视频内容：https://www.matlabexpo.com/cn/2022.html
按照惯例，MathWorks公司每年都会发布两版新的软件、推出新的工具箱、新的功能，以及对原有功能的升级和整合。今年的R2022a版本主要包含了5个新的工具箱，3个功能整合，以及11个主要的功能升级，新产品方面的亮点如下： ·Bluetooth工具箱：提供基于标准的工具来设计、仿真和验证蓝牙通信系统 ·DSP HDL 工具箱：为 FPGA、ASIC 和 SoC 设计数字信号处理应用 ·Industrial Communication Toolbox（工业通讯工具箱）：通过 OPC UA、Modbus、MQTT 访问工厂的实时和历史数据 ·Roadrunner Scenario：创建和回放自动驾驶仿真场景 ·Wireless testbench: 提供可在SDR 硬件（如 USRP™）上实时运行和测试的参考应用 深度学习和机器学习技术已展现出解决复杂问题的能力，尤其是针对传统方法无法有效建模的问题，例如检测图像中的物体，或基于测定的电压和电流准确估计电池荷电状态。尽管前景广阔，但是AI模型通常仅代表完整系统中的一个环节。在边缘和嵌入式系统开发中，需要使用越来越多性能和带宽日益增强的传感器，这一现状反过来要求系统算力提高，同时要求开发软件的功能能够实现更易用且快捷的部署。 在本次大会主会场上，NVIDIA开发者关系经理雷昊与MathWorks中国应用工程师袁航介绍了如何通过NVIDIA® Jetson™平台和Simulink®对AI和基于模型设计的功能支持，更好地实现复杂系统开发。
在袁航的演讲中则重点介绍了如何由MATLAB代码自动生成优化的CUDA代码并进行部署。 在大数据与人工智能分会场上，三一集团数字孪生研究院算法工程师袁雪峰在演讲中向大家介绍了如何将MATLAB和Simulink相结合，开发起重机性能研发实践过程中基于工况识别技术的能量管理策略。结合工况识别技术，分析起重机工况，对能耗采取优化策略，以及利用仿真方式设计能量回收策略等。
应用MATLAB实现数据可视化，数据处理，以及统计分析，构建起重机工况划分与识别流程。基于Simulink搭建电机与电池能力回收模型。经过团队持续攻关，算法工程师、数仓工程师、电气工程师、大数据工程师、仿真工程师鼎力合作，构建起重机工况识别方法，并基于实际作业工况数据，应用于起重机卷扬电机能量回收，以优化能量系统设计。从而设计出能耗更低、续航更久、用户粘性更高的起重机电动化产品。 在电气化系统仿真、设计与实现分会场上，MathWorks中国高级应用工程师苏哲为大家介绍了基于TI C2000的双核处理器的电机控制算法的开发及部署。在这个过程中主要涉及的两个工具箱为Motor Control Blockset™ 和 SoC Blockset™。
苏哲首先为大家介绍了在开发模式进行无传感器定向控制（FOC）仿真，这里主要使用了Motor Control Blockset™。
随后他用一个实例介绍了基于模型设计面向多核微控制器开发的工作流程，这部分主要使用的是SoC Blockset™。
最后他演示了硬件组和设备驱动行为仿真–片上性能评估。 在智能车辆与无人系统分会场上，MathWorks中国高级应用工程师吴菁为大家介绍了模型预测控制(MPC)在自动驾驶中的应用。
模型预测控制(MPC)是一种流行的技术，可以用于实现各种自动驾驶场景的算法。MPC是一种优化控制技术，可以让我们控制多入多出的系统。它使用“预测模型”来预测未来有限时间范围内被控对象的行为。基于这种预测和估计的系统状态，MPC可以实时的求解带有约束的优化问题，以选择最佳的控制行为，驱动输出去跟随参考输入。在优化的过程中，计算的控制动作可以使目标函数最小化，同时满足对操控变量、测量输出以及状态估计的约束。 MPC具有多种优点，其中一个优点是它控制多变量系统的能力。由于多路多出系统经常会存在动态特性的耦合，这样就对常用的经典控制算法例如PID来说，它就具有一定挑战。MPC的另一个优点是通过优化问题的求解，可以处理各种约束，对于自动驾驶这样的应用来说，汽车本身会有一些物理约束，同时也会有一些安全考虑的约束。 在求解这样的一个应用问题的时候，这些约束在MPC中都可以方便的设置。最后MPC还具有预览的功能，如果向控制器提供有关即将到来的弯道的信息，它就可以提前开始制动，安全的通过弯道，同时保持车辆在车道之内。我们可以将MPC理解成一种近似的最优控制。因为它的机制是根据每一步的优化结果调整后续系统的控制，因此需要在线求解优化问题。而随着计算机技术的发展，在线求解优化的算力限制，越来越不是个问题了。
如图所示，现在这辆车不在参考轨迹上面，为了让汽车能够跟随参考的轨迹，MPC在当前的时间k求解优化问题，用来计算控制动作的序列，用预测时域内最小化的成本，让这辆车产生这条蓝色的预测轨迹。 控制器会只采用第一个控制动作，并且丢弃控制序列其余的部分。然后根据采用的第一段控制，汽车会行驶一段距离。我们移动预测的时域，测量汽车的位置并求解优化问题，以此来计算下一个控制动作序列，并且重复相同的过程。新的k时刻，控制器又只采用第一个控制动作并丢弃其余的部分，再次移动预测时域，测量汽车的位置并求解优化问题，以此来计算下一个控制动作序列。因此我们可以看到MPC实际上是一个滚动优化的过程，它是闭环优化问题的一个求解。
MPC也有着很多的类型，如果你要控制的是一个线性对象的话，可以使用简单的线性MPC。对于具有非线性或时变动力学特性的被控对象，你可以使用自适应的MPC，它允许用户更新预测模型来适应不断变化的运行条件。如果自适应的MPC也不能提供令人满意的性能，你还可以使用非线性MPC，这时候使用非线性的预测模型来进行更准确的预测，从而获得更好的性能。
随后她为大家带来了一个Demo演示，在这个Demo中展示了如何设计线性MPC以及自适应的MPC控制器让车辆沿着参考轨迹自动行驶。 在无线通信和芯片分会场上，中兴通讯股份有限公司有线研究院SI\PI仿真专家黄健为大家介绍了5G全光承载网高速数据链路——从设计到实现。
5G全光承载网高速数据链路设计技术复杂，挑战性大，涉及编码、均衡、信道特性提取和分析、系统链路信号完整性分析等丰富内容，需要跨部门团队协作共同完成系统设计目标。
中兴通讯的算法工程师可以利用 MATLAB和Simulink的SerDes工具箱及相关信号处理工具箱，有效进行了高速串行收发器算法设计和仿真验证，实现了SerDes系统均衡器设计，从Simulink模型快速生成IBIS-AMI模型，提交给硬件设计工程师。
硬件设计工程师可以将IBIS-AMI模型导入到MATLAB 的Signal Integrity 工具箱，添加带串扰的实测信道S参数进行信号完整性分析，验证SerDes收发器性能。 |
