MATALAB 混合仿真平台控制算法的概述

中文字数:4547,  英文字数:2611

MATALAB 混合仿真平台控制算法的概述
 MATALB 混合仿真平台，即为将硬件引入到仿真回路里的半实物仿真系统，可用于过程控制器的开发与测试。平台提供了三种控制器的嵌入方法，尤其能用Matlab 语言编写，大大提高了平台的灵活性。为了建立过程控制混合仿真试验系统，必须解决PC 机作为虚拟控制器设计环境的实现和在Windows 操作系统中实时控制的实现这两个问题。我们先详细阐述过程控制混合仿真试验系统的实现原理；最后介绍平台控制算法的嵌入方法，并通过实验仿真验证平台的有效性。
 过程控制混合仿真平台实现原理：(1)数值计算，MATLAB 提供了大约600 多个数学和工程上常用的函数。这些函数的数值运算是针对矩阵操作优化过的，可以使用它来代替底层编程语言。在保持同样性能的情况下，编程工作量非常小，数值计算采用了LAPACK，BLAS，FFTW 等优秀数学函数库，使得计算效率得到进一步的提升。MATLAB 包含的主要数学函数有线性代数和矩阵运算、傅立叶变换和统计分析、微分方程求解、稀疏矩阵运算以及三角和其他初等数学运算等；除此之外，随着Matlab 的应用领域不断的扩大，补充了用于许多特定领域的函数。(2）算法开发，强大的计算能力，方便易用的编程语言和丰富的数学函数使MATLAB 最适于用于算法开发工作。典型的应用包括：数据分析，信号处理，图像处理，系统建模和高级算法研究等。不管用户是使用已有的算法，还是自行开发，MATLAB 提供了一个通用的平台。使用MATLAB 进行算法开发就像平时书写数学表达式一样。将用户在MATLAB 中开发的算法结合到外部运行的系统中。一旦用户的算法和仿真经过了编写和调试，MATLAB Compiler 和C/C++ Math Library 会将MATLAB 应用自动转换成可移植C 和C++代码的工具。对于信号处理，控制系统设计和其他一些应用，MATLAB 工具箱提供了一系列先进的技术。工具箱远远超出了提供一些基本算法的范畴：他们提供了一个学习，研究，创新前沿理论和技术的舞台。提供的算法工具箱有Neural Network Toolbox、Optimization Toolbox、System Identification Toolbox、Robust Control Toolbox、Model Predictive Control Toolbox、Control System Toolbox，Fuzzy logic Toolbox 等。(3）数据分析与可视化，通过 MATLAB，用户可以分析所有类别的数据包括信号，图像，多项式，时间历程，多变量数据和线性系统等。

 《MATALAB 混合仿真平台控制算法的概述》WORD格式全文下载链接