FMI Kit for Simulink:实现Simulink与FMI标准的无缝集成
FMI Kit for Simulink是一个强大的工具箱,它使得Simulink用户能够轻松导入和导出功能性模型单元(FMU),为跨平台仿真和模型交换提供了标准化的解决方案。该项目全面支持FMI 1.0、2.0和3.0标准,同时兼容Model Exchange和Co-Simulation两种接口类型,适用于MATLAB R2016a至R2023a版本。
核心功能特性
FMI Kit for Simulink提供了双向功能支持:
- FMU导入:将外部FMU集成到Simulink模型中,支持变量配置、起始值设置和输出端口管理
- FMU导出:将Simulink模型导出为符合FMI标准的FMU文件,支持两种不同的代码生成目标
FMU导入功能详解
通过FMI Kit,用户可以轻松地将FMU添加到Simulink模型中。导入过程包括加载FMU文件、配置变量起始值、设置输出端口以及调整高级参数。
在变量配置中,用户可以:
- 查看所有输入和输出变量(输入变量左侧有箭头标识,输出变量右侧有箭头标识)
- 修改变量的起始值、单位和描述信息
- 使用MATLAB表达式设置各类变量的起始值
输出端口配置支持:
- 添加单个变量作为输出端口
- 添加多个变量作为标量输出端口
- 添加多个变量作为向量输出端口
- 灵活调整输出端口的顺序和配置
FMU导出功能
FMI Kit提供两种Simulink Coder目标来导出FMU:
- grtfmi.tlc:基于通用实时目标,支持模型引用和源代码生成
- rtwsfcnfmi.tlc:基于S-function目标,支持Model Exchange和Co-Simulation
导出功能支持:
- 固定步长求解器(用于Co-Simulation FMU)
- 变步长求解器(用于Model Exchange FMU)
- CMake构建系统集成
- 模板目录定制
- 模型作者信息配置
技术优势
多版本兼容性:全面支持FMI 1.0至3.0标准,确保与各种仿真工具的兼容性。
灵活的接口选择:支持Model Exchange和Co-Simulation两种FMI接口类型,满足不同的仿真需求。
源代码支持:对于包含源代码的FMU,可以生成源S-function并自动编译,支持Rapid Accelerator模式和目标代码生成。
商业级支持:由Dassault Systèmes和Claytex提供专业的技术支持和培训服务。
应用场景
FMI Kit for Simulink在多个工程领域都有广泛应用:
- 汽车行业:动力系统仿真和控制逻辑验证
- 航空航天:飞行控制系统设计和测试
- 能源系统:电力系统建模和效率评估
- 多学科协同:不同专业软件间的模型交换和联合仿真
开源许可
该项目采用2-Clause BSD许可证,鼓励社区贡献和技术共享。项目还包含了SwingX库(LGPL 2.1许可)和IDEA Forms Runtime(Apache 2.0许可)等第三方组件。
快速开始
要开始使用FMI Kit,只需在MATLAB命令窗口中运行简单的初始化命令,即可加载工具箱并打开演示模型。详细的文档提供了完整的导入和导出指南,帮助用户快速上手。
FMI Kit for Simulink不仅是技术工具,更是推动仿真领域开放合作的重要平台。它为工程师、研究人员和教育工作者提供了强大的跨平台仿真解决方案,构建了更加高效和灵活的仿真工作流程。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00




