R2021b - Updates für die MATLAB- und Simulink-Produktfamilie - MATLAB & Simulink

R2021b im Überblick

 

Die Neuheiten im Überblick

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

Video-Player wird geladen.
Aktueller Zeitpunkt 0:00
Dauer 2:08
Geladen: 7.65%
Streamtyp LIVE
Verbleibende Zeit 2:08
 
1x
  • Kapitel
  • Beschreibungen aus, ausgewählt
  • en (Main), ausgewählt
    Dauer des Videos 2:08

    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