Scopri le ultime novità
Ottieni di più da MATLAB e Simulink scaricando l’ultima release.
Punti salienti della release R2021b
Nuovi prodotti
- RF PCB Toolbox - Effettua l’analisi elettromagnetica di circuiti stampati
- Signal Integrity Toolbox - Simula e analizza collegamenti seriali e paralleli ad alta velocità
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
- 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
- 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
- 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
- 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
- Giunzioni in entrata e uscita: Creazione di connessioni in entrata e in uscita attraverso confini gerarchici
- 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
- 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
- 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
- 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
- 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
- Nuovo prodotto: Consente di effettuare l’analisi elettromagnetica di circuiti stampati
- Nuovo prodotto: Simula e analizza collegamenti seriali e paralleli ad alta velocità
Matematica e ottimizzazione
- Suggerimenti passo passo: Guida per workflow simbolici con suggerimenti passo passo in MATLAB Live Editor
- Workflow basato su problemi: Consente di risolvere problemi di ottimizzazione non smooth o globale per mezzo di workflow di ottimizzazione basato su problemi
