MATALAB 混合仿真平台控制算法的概述--外文翻译+原文.docVIP

MATALAB 混合仿真平台控制算法的概述 MATALB 混合仿真平台，即为将硬件引入到仿真回路里的半实物仿真系统，可用于过程控制器的开发与测试。平台提供了三种控制器的嵌入方法，尤其能用Matlab 语言编写，大大提高了平台的灵活性。为了建立过程控制混合仿真试验系统，必须解决PC 机作为虚拟控制器设计环境的实现和在Windows 操作系统中实时控制的实现这两个问题。我们先详细阐述过程控制混合仿真试验系统的实现原理；最后介绍平台控制算法的嵌入方法，并通过实验仿真验证平台的有效性。 过程控制混合仿真平台实现原理：(1)数值计算，MATLAB 提供了大约600 多个数学和工程上常用的函数。这些函数的数值运算是针对矩阵操作优化过的，可以使用它来代替底层编程语言。在保持同样性能的情况下，编程工作量非常小，数值计算采用了LAPACK，BLAS，FFTW 等优秀数学函数库，使得计算效率得到进一步的提升。MATLAB 包含的主要数学函数有线性代数和矩阵运算、傅立叶变换和统计分析、微分方程求解、稀疏矩阵运算以及三角和其他初等数学运算等；除此之外，随着Matlab 的应用领域不断的扩大，补充了用于许多特定领域的函数。(2）算法开发，强大的计算能力，方便易用的编程语言和丰富的数学函数使MATLAB 最适于用于算法开发工作。典型的应用包括：数据分析，信号处理，图像处理，系统建模和高级算法研究等。不管用户是使用已有的算法，还是自行开发，MATLAB 提供了一个通用的平台。使用MATLAB 进行算法开发就像平时书写数学表达式一样。将用户在MATLAB 中开发的算法结合到外部运行的系统中。一旦用户的算法和仿真经过了编写和调试，MATLAB Compiler 和C/C++ Math Library 会将MATLAB 应用自动转换成可移植C 和C++代码的工具。对于信号处理，控制系统设计和其他一些应用，MATLAB 工具箱提供了一系列先进的技术。工具箱远远超出了提供一些基本算法的范畴：他们提供了一个学习，研究，创新前沿理论和技术的舞台。提供的算法工具箱有Neural Network Toolbox、Optimization Toolbox、System Identification Toolbox、Robust Control Toolbox、Model Predictive Control Toolbox、Control System Toolbox，Fuzzy logic Toolbox 等。(3）数据分析与可视化，通过 MATLAB，用户可以分析所有类别的数据包括信号，图像，多项式，时间历程，多变量数据和线性系统等。从分析中总结出来的结果可以作为将来进一步的算法和模型开发的基础。此外，用户可以快速地将代码片段和知识转换成可以重复使用的自动分析例程，不需要变量声明和维数定义，可很快编写出程序。MATLAB 提供了方便的数据访问工具。例如，Data Acquisition Toolbox 允许用户将实时的测量数据直接传送到MATLAB 进行分析，Database Toolbox 允许用户访问符合ODBC 和JDBC的数据库，而M 文件，C 和Fortran 程序中的处理文本和二进制文件的I/O 函数，则允许用户处理任何格式的数据。MATLAB 和相关的工具箱包含了科学计算中需要的专业图形功能。从2-D 原始数据的曲线图到带标记的等值线图和交互式的GUI，这些工具提供了模型可视化的能力，帮助用户理解复杂的系统。特别是MATLAB 提供了对3-D 标量和矢量可视化的能力，包括显示等值面和流图。这个能力使科学家和工程师们能够对大量、复杂和多维的数据进行可视化。 Matlab 实时仿真环境，RTW 是MATLAB 提供的一个实时开发环境，是MathWork 系列软件的重要组成部分。RTW 与MATLAB 其他组成软件的无缝连接，既满足了设计者在系统概念与方案设计等方面的需求，也为系统的技术实现或完成不同功能的系统实时操作实验提供了方便，并且为并行工程的实现创造了一个良好的环境。它能直接从Simulink 的模型中产生优化的、可移植的和个性化的代码，并根据目标配置自动生成多种环境下的程序，在硬件上运行动态系统模型，同时还支持基于模型的调试。 使用RTW 进行实时硬件的设计测试，用户可以缩短开发周期，降低成本。当用户在Simulink环境下建模，并得到较满意的仿真结果后，就可将RTW 与一个快速原型化目标（例如RTWT 目标）联合使用。该快速原型化目标与用户的物理系统连接在一起。用户可使用Simulink 模型作为连接物理目标的接口，完成对系统的测试。 RTW 的实现机制是一个复杂的过程，这里仅从RTW 自动构建应用程序的过程这一方面进行分析。RTW 生成应用程序的过