R2021b - Updates für die MATLAB- und Simulink-Produktfamilie

Die Neuheiten im Überblick

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

RF PCB Toolbox - Elektromagnetische Analyse von Leiterplatten
Signal Integrity Toolbox - Simulation und Analyse serieller und paralleler Hochgeschwindigkeits-Links

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

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 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

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

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

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

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

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

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

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

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

Belohnungserzeugung: Erzeugung automatischer Belohnungsfunktionen aus Controller-Spezifikationen

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

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

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