Breve riepilogo su R2021b

 

Scopri le ultime novità

Ottieni di più da MATLAB e Simulink scaricando l’ultima release.

Punti salienti della release R2021b

Nuovi prodotti

Aggiornamenti principali

  • Lidar Toolbox - Visualizza, analizza e pre-elabora nuvole di punti LIDAR in modo interattivo con l'app Lidar Viewer
  • Simulink Code Inspector - Scheda contestuale per verificare la compatibilità, ispezionare il codice e visualizzare i risultati direttamente nel modello
  • Simulink Control Design - Progetta controller adattivi di riferimento dei modelli
  • Symbolic Math Toolbox - Guida per workflow simbolici con suggerimenti passo passo in MATLAB Live Editor
  • Wavelet Toolbox - Analisi wavelet in grado di elaborare ed estrarre feature per segnali e immagini per workflow in IA

Dettagli della release per prodotto

Famiglia di prodotti MATLAB

MATLAB

  • Editor: Nuove funzionalità per il refactoring del codice e la modifica di blocchi, nonché perfezionamento di funzionalità quali i suggerimenti riguardanti il codice, il completamento del codice e il debugger
  • Interfaccia Python: Esecuzione di comandi e script Python da MATLAB
  • BackgroundPool: Esecuzione di funzioni MATLAB su un thread in background
  • Attività in Live Editor: Riepilogo, trasformazione e filtro di gruppi di dati (calcola per gruppo) e possibilità di centrare e scalare i dati (normalizza i dati) in modo interattivo
  • Funzione trenddecomp: Identificazione di trend nei dati
  • HDF5: Supporto di HDF5 versione 1.10, inclusi Single-Writer/Multiple-Reader (SWMR), Virtual Dataset (VDS) e Metadata Cache Fine-Tuning
  • Hardware: Nuove app per comunicare con i dispositivi tramite collegamento seriale (serial explorer) e TCP/IP (TCP/IP explorer)
  • Funzioni ode78 e ode89: Utilizzo di metodi Runge-Kutta di ordine superiore per equazioni differenziali ordinarie
  • Progetti: Organizzazione, gestione e condivisione del lavoro in corso usando progetti in MATLAB Online

Lidar Toolbox

  • App Lidar Viewer: Visualizzazione, analisi e pre-elaborazione interattive di nuvole di punti LIDAR con l'app Lidar Viewer
  • Elaborazione di LIDAR aerei: Applicazione di algoritmi di Deep Learning e SLAM su dati di LIDAR aerei

Wavelet Toolbox

  • Estrazione di feature di Machine Learning e Deep Learning: Analisi, pre-elaborazione ed estrazione di feature per segnali e immagini con tecniche wavelet e app interattive per modelli IA
  • Accelerazione e distribuzione: Algoritmi wavelet più veloci usando processori multicore e GPU; generazione di codice per la prototipazione desktop e la distribuzione embedded

Famiglia di prodotti Simulink

Simulink

  • Pannello con multiple simulazioni: Esecuzione di simulazioni multiple per scenari diversi dall'Editor di Simulink
  • Schede personalizzate: Creazione di schede personalizzate nelle barre degli strumenti di Simulink
  • Mini Map: Determinazione del contesto durante la visualizzazione di parte di un diagramma a blocchi

Stateflow

  • Giunzioni in entrata e uscita: Creazione di connessioni in entrata e in uscita attraverso confini gerarchici

System Composer

  • Interfacce fisiche con Simscape: Creazione di interfacce, porte e connessioni fisiche su componenti
  • Architetture software: Creazione di architetture software da componenti esistenti
  • Supporto di test harness: Creazione di test harness per componenti System Composer

Simulink Compiler

  •  Regolazione dei parametri di runtime: Possibilità di regolare i parametri durante l'esecuzione di una simulazione distribuita

Intelligenza artificiale, Data Science e statistiche

Statistics and Machine Learning Toolbox

  • Reti neurali superficiali: Utilizzo in Simulink come blocchi nativi; automazione della regolazione di iperparametri
  • Machine Learning: Possibilità di esplorare clustering k-means in attività live e sfruttare l'isolation forest per il rilevamento di anomalie
  • Distribuzione: Esportazione di modelli dall'app Classification and Regression Learner a MATLAB Production Server

Deep Learning Toolbox

  • Reti convoluzionali monodimensionali: Creazione e addestramento di reti per dati sequenziali e dati di serie storiche
  • Deep Network Designer: Esportazione in Simulink di reti addestrate
  • ODE neurali: Calcolo di soluzione tramite Deep Learning per equazioni differenziali ordinarie non rigide usando dlode45

Sistemi di controllo

Simulink Control Design

  • Blocco di controllo adattivo di riferimento dei modelli: Progettazione e simulazione di controller adattivi di riferimento dei modelli

Reinforcement Learning Toolbox

  • Generazione di ricompense: Generazione automatica di funzioni di ricompensa da specifiche di controller

Model Predictive Control Toolbox

  • MPC non lineare: Implementazione di controller MPC non lineari multistage con il risolutore Embotech FORCESPRO

System Identification Toolbox

  • Modelli ARX non lineari: Creazione di modelli che usano funzioni di regressione basate su algoritmi di Deep Learning

Predictive Maintenance Toolbox

  • Diagnostic Feature Designer: Classificazione di nuove feature e generazione di feature spettrali per bande di frequenza caratteristiche del difetto in macchine rotanti

Segnali RF e ibridi

RF PCB Toolbox

  • Nuovo prodotto: Consente di effettuare l’analisi elettromagnetica di circuiti stampati

Signal Integrity Toolbox

  • Nuovo prodotto: Simula e analizza collegamenti seriali e paralleli ad alta velocità

Matematica e ottimizzazione

Symbolic Math Toolbox

  • Suggerimenti passo passo: Guida per workflow simbolici con suggerimenti passo passo in MATLAB Live Editor

Global Optimization Toolbox

  • Workflow basato su problemi: Consente di risolvere problemi di ottimizzazione non smooth o globale per mezzo di workflow di ottimizzazione basato su problemi