中国电子技术网

设为首页 网站地图 加入收藏

 
 
  • 首页 > 新闻 > MATLAB和Simulink R2022b提供全新的Simscape Battery以及更新,简化并自动化基于模型的设计

MATLAB和Simulink R2022b提供全新的Simscape Battery以及更新,简化并自动化基于模型的设计

关键词:电池管理系统医学成像AI医学图像分析

时间:2022-09-21 09:44:54      来源:MathWorks

全球电池管理系统的市场规模预计将在2026年达到134亿美元。《彭博新能源财经》表示,这一增长主要归功于电动汽车(EV)市场的发展。该组织的最新报告显示,到2040年,全球乘用车销量的58%将来自电动汽车。Simscape Battery™是R2022b版本中引入的重大创新之一,它为设计这类电池系统的企业提供了设计工具和参数化模型。

平台版本还包括新的Medical Imaging Toolbox,提供端到端的医学图像分析工作流

MathWorks今天宣布,发布MATLAB®和Simulink®产品系列版本2022b(R2022b)。R2022b推出两款新产品和几项增强功能,可简化并自动化基于模型的设计,帮助工程师和研究人员为其组织实现产品创新和突破。

全球电池管理系统的市场规模预计将在2026年达到134亿美元。《彭博新能源财经》表示,这一增长主要归功于电动汽车(EV)市场的发展。该组织的最新报告显示,到2040年,全球乘用车销量的58%将来自电动汽车。Simscape Battery™是R2022b版本中引入的重大创新之一,它为设计这类电池系统的企业提供了设计工具和参数化模型。

工程师和研究人员可使用Simscape Battery创建数字孪生,运行电池组架构的虚拟测试,设计电池管理系统,以及评估正常条件和故障条件下的电池系统行为。该工具还可以自动创建与所需电池组拓扑匹配的仿真模型并且包含冷却板连接以便评估电气响应和热响应。

Diagram

Description automatically generatedDiagram, schematic

Description automatically generated
图注:使用Simscape Battery设计并仿真电池和储能系统。

MathWorks电气系统建模首席产品经理Graham Dudgeon表示:“我们很高兴能在电池管理系统创新达到历史新高的时期推出Simscape Battery。此产品包括许多设计工具,旨在简化和自动化基于模型的设计,包括电池组模型构建器,一个让工程师能够以交互方式评估不同电池组架构的工具。”

R2022b还提供了新的Medical Imaging Toolbox。该工具箱为医学成像应用提供了设计、测试和部署使用深度学习网络的诊断和影像组学算法的工具。医学研究人员、科学家、工程师和设备设计人员可以使用Medical Imaging Toolbox进行多三维体三维可视化、多模态配准、分割和自动真值标注,以基于医学图像训练深度学习网络。


图注:Medical Imaging Toolbox可支持交互式数据标注,可支持半自动或全自动化医疗影像数据标注,并将标注结果导出,供医学成像AI开发使用。

图注:Medical Imaging Toolbox提供经典或深度学习算法,将二维图像或三维物体分割成不同区域,如骨骼、肿瘤或其他器官,并评估区域分割的精度。

“医学工程师和研究人员将极大受益于3D标注APP和用于完整医学图像分析工作流程(包括I/O、预处理、训练和分析)算法的强大功能。”MathWorks技术产品营销经理Bruce Tannenbaum说,“我们很高兴能够支持深度学习全工作流程,自动在图像中找到感兴趣的对象,以分割组织和检测疾病。”

R2022b为以下广受欢迎的MATLAB和Simulink工具推出了更新,包括:

-  AUTOSAR Blockset:使用客户端-服务器ARA方法开发面向服务的应用,并将它们部署在嵌入式Linux平台上。该工具支持用户定义架构模型中的数据类型和接口。

-  Fuzzy Logic Toolbox:使用更新后的模糊逻辑设计器以交互方式设计、分析和仿真模糊推理系统(FIS)。此外,该增强的工具箱支持工程师和研究人员使用命令行函数或模糊逻辑设计器设计2型FIS。

-  HDL Coder:从MATLAB生成优化的SystemC代码以用于高层次综合(HLS),并使用帧到采样转换进行模型和代码优化。

-  Model Predictive Control Toolbox:将神经网络用作非线性模型预测控制器的预测模型。此外,该工具箱现已支持用户实现符合ISO 26262和MISRA C标准的预测控制器。

-  System Identification Toolbox:使用神经常微分方程(ODE)创建基于深度学习的非线性状态空间模型。机器学习和深度学习方法也可以用来表示非线性ARX和Hammerstein-Wiener模型中的非线性动力学特性。

  • 分享到:

 

猜你喜欢

  • 主 题:恩智浦最新车载网络处理器S32G3以及在Zonal架构中的实践
  • 时 间:2022.12.08
  • 公 司:NXP

  • 主 题:瑞萨电子高性能Arm核RA6T2 功能再拓展 ,TFU_IIR_Analog应用详解
  • 时 间:2022.12.08
  • 公 司:瑞萨

  • 主 题:ADI 高性能电源解决方案在5G、AI、服务器和PoE上的应用
  • 时 间:2022.12.13
  • 公 司:ADI& 中电港