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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0188
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08




