R2021b im Überblick

 

Die Neuheiten im Überblick

Profitieren Sie optimal von MATLAB und Simulink, indem Sie die neueste Version herunterladen.

R2021b Release-Highlights

Neue Produkte

Wichtige Updates

  • Lidar Toolbox - Mit der Lidar Viewer App können Sie Punktwolken interaktiv visualisieren, analysieren und vorverarbeiten
  • Simulink Code Inspector - Im Kontextreiter Code Inspector können Sie die Kompatibilität prüfen, den Code kontrollieren sowie die Ergebnisse direkt im Modell sehen
  • Simulink Control Design - Entwurf von Modell-Referenz-Reglern (Model Reference Adaptive Controllers, MRACs)
  • Symbolic Math Toolbox - Der MATLAB Live Editor gibt Hilfestellung zu symbolischen Workflows sowie Anregungen zu weiteren Schritten
  • Wavelet Toolbox - Mit Wavelet-Analysen lassen sich Signal- und Bildmerkmale für KI-Workflows extrahieren

Release-Hinweise nach Produkt

MATLAB-Produktfamilie

MATLAB

  • Editor: Neue Möglichkeiten für Code-Refactoring und Blockbearbeitung sowie Verbesserungen bei Code-Empfehlungen, Code-Vervollständigung und Debugger
  • Python-Schnittstelle: Python-Befehle und -Skripte lassen sich aus MATLAB ausführen
  • BackgroundPool: Ausführung von MATLAB-Funktionen in Hintergrund-Threads
  • Live Editor Tasks: Interaktive Zusammenfassung, Transformation und Filterung von Datengruppen (nach Gruppe errechnen) sowie Zentrierung und Skalierung von Daten (Normalisierung)
  • Funktion trenddecomp: Trends in Daten suchen
  • HDF5: Unterstützung für HDF5 Version 1.10 einschließlich Single-Writer/Multiple-Reader (SWMR), Virtual Dataset (VDS) und Metadata Cache Fine-Tuning
  • Hardware: Neue Apps zur Kommunikation mit Geräten über serielle Schnittstellen (Serial Explorer) und TCP/IP (TCP/IP Explorer)
  • Funktionen ode78 und ode89: Runge-Kutta-Solver höherer Ordnung für gewöhnliche Differentialgleichungen
  • Projekte: Organisation, Verwaltung und Teilen Ihrer Arbeit mithilfe von Projekten in MATLAB Online

Lidar Toolbox

  • Lidar Labeler App: Interaktive Visualisierung, Analyse und Vorverarbeitung von Lidar-Punktwolken mit der Lidar Viewer App
  • Verarbeitung von LiDAR-Luftaufnahmen: Anwendung von Deep Learning und SLAM-Algorithmen auf LiDAR-Luftdaten

Wavelet Toolbox

  • Merkmals-Extraktion mit Machine Learning und Deep Learning: Signal- und Bildanalysen, Vorverarbeitung und Merkmals-Extraktionen mit Wavelet-Techniken sowie interaktiven Apps für KI-Modelle
  • Beschleunigung und Bereitstellung: Beschleunigung von Wavelet-Algorithmen auf Mehrkernprozessoren und Grafikkarten; Generieren von Code für das Desktop-Prototyping und die Bereitstellung auf Embedded Systems

Simulink-Produktfamilie

Simulink

  • Panel für Mehrfachsimulationen: Mehrere Simulationen für unterschiedliche Szenarien parallel aus dem Simulink Editor ausführen
  • Benutzerdefinierte Tabs: Erstellen benutzerdefinierter Toolstrip-Tabs in Simulink
  • Minimap: Kontext beim Ansehen eines Teils eines Blockdiagramms feststellen

Stateflow

  • Eingangs- und Ausgangsabzweigungen: Erstellen von Eingangs- und Ausgangsabzweigungen über Hierarchiegrenzen hinweg

System Composer

  • Physikalische Schnittstellen mit Simscape: Erzeugung physikalischer Schnittstellen, Ports und Verbindungen an Komponenten
  • Software-Architekturen: Erzeugung von Software-Architekturen aus vorhandenen Komponenten
  • Unterstützung von Test-Harnesses: Erzeugung von Test-Harnesses für System Composer-Komponenten

Simulink Compiler

  •  Laufzeit-Optimierung von Parametern: Parameter abstimmen, während eine bereitgestellte Simulation ausgeführt wird

KI, Data Science und Statistik

Statistics and Machine Learning Toolbox

  • Flache neuronale Netze: Als native Blöcke in Simulink einsetzbar; automatische Abstimmung von Hyperparametern
  • Machine Learning K-Means-Clustering in Live-Tasks und Anomalieerkennung mit Isolation Forest
  • Bereitstellung: Export von Modellen aus der Classification and Regression Learner App auf den MATLAB Production Server

Deep Learning Toolbox

  • 1D-Faltungsnetzwerke: Erzeugung und Trainieren von Netzwerken für Sequenz- und Zeitreihendaten
  • Deep Network Designer: Export trainierter Netzwerke nach Simulink
  • Neuronale ODEs: Deep Learning-Lösungen nichtsteifer gewöhnlicher Differentialgleichungen mit dlode45 berechnen

Steuerungen und Regelungen

Simulink Control Design

  • Model Reference Adaptive Control-Block: Entwurf und Simulation von Modell-Referenz-Reglern (Model Reference Adaptive Controllers, MRACs)

Reinforcement Learning Toolbox

  • Belohnungserzeugung: Erzeugung automatischer Belohnungsfunktionen aus Controller-Spezifikationen

Model Predictive Control Toolbox

  • Nichtlineare MPC: Implementierung mehrstufiger nichtlinearer MPC-Regler mit dem Embotech FORCESPRO Solver

System Identification Toolbox

  • Nichtlineare ARX-Modelle: Erzeugung von Modellen, die auf Machine Learning-Algorithmen basierende Regressionsfunktionen nutzen

Predictive Maintenance Toolbox

  • Diagnostic Feature Designer: Ungelabelte Merkmale einstufen und spektrale Merkmale für charakteristische Fehlerhäufigkeits-Bänder in rotierenden Maschinen erzeugen

HF und Mixed-Signal

RF PCB Toolbox

  • Neues Produkt: Elektromagnetische Analyse von Leiterplatten

Signal Integrity Toolbox

  • Neues Produkt: Simulation und Analyse serieller und paralleler Hochgeschwindigkeits-Links

Mathematik und Optimierung

Symbolic Math Toolbox

  • Empfehlung für die nächsten Schritte: Der MATLAB Live Editor gibt Hilfestellung zu symbolischen Workflows sowie Anregungen zu weiteren Schritten

Global Optimization Toolbox

  • Problembasierter Workflow: Lösung nichtglatter oder globaler Optimierungsprobleme mit dem problembasierten Optimierungs-Workflow