时间: 2024-05-26 03:56:44 | 作者: 研发创新
一年一度的MATLAB EXPO中国用户大会,是MathWorks公司最为盛大的活动之一。今年大会的主题围绕《拯救地球——加速气候科学研究,推进万物电气化》展开,呼吁工程师和科学家们关注气候危机,贡献自己的力量。同时,为了展现MathWorks应对全球重大挑战的决心和前沿的创新力,大会还同时涵盖了绿色能源、大数据和AI、电气化系统仿真、智能车辆与自主系统、5G无线通信与芯片等多个领域的主题演讲。
今年恰逢MathWorks中国分公司成立十五周年,MathWorks中国区总经理曹新康在接受《电子工程专辑》采访时表示,过去十五年里,中国在每个方面突飞猛进,一跃变成全球第二大经济体,并正在从制造业大国向制造业强国稳步迈进。而作为一家以加速工程、以推动科学进步为使命的软件公司,MathWorks在这样一个激动人心的进程中,能够和各行各业的科学家和工程师一起努力,帮他们提高使用MATLAB、Simulink工具箱的能力,大幅度提高研发效力和开发水平。
曹新康将MathWorks取得持续性成功的原因归结为以下四方面的出色表现:
首先是扎根教育。目前,MathWorks中国区有超过20%的员工专注于教育市场,并且在教育市场的定价比欧美发达国家低很多,以确保给中国教育市场更大的支持力度。
第二是深耕行业。仅在最近3年的MATLAB EXPO中国用户大会上,已经有超过50多家来自不一样的行业的领导者、学术界人士或创新企业,来分享他们使用MATLAB、Simulink的心得体会,包括汽车、油气、高端工程装备、通信等领域。
第三是深度支持。为了支持用户真正用好工具、真正用于日常研发,MathWorks的策略是针对重点客户进行深度支持,提供完整工具链。同时,通过引导性项目,帮助客户把研发体系真正落地,建立好研发流程,最终通过标准认证。
第四是广泛合作。MathWorks积极地开展跨平台、跨领域的合作,推动MATLAB健康的生态系统,例如致力于拓展跨领域的第三方合作计划MathWorks Connections,到目前为止已经有500多个第三方解决方案,来共同构建健康的生态系统;与此同时,MathWorks中国其实也积极和第三方合作伙伴,联手为中国用户更好的提供更加完整、更符合本地化需求的软硬件结合的工程解决方案。
MathWorks中国区行业市场经理李靖远表示,针对中小企业,MathWorks还提供多重支持,第一,在产品价格上给予中小企业一定的优惠,特别是初创公司,优惠力度较大;第二,针对初创公司,MathWorks会将服务全球各行各业超过10万家客户(包括企业、高校、政府机构、科研院所等)的经验分享给他们,帮助其利用大数据、人工智能、数字孪生、基于模型设计的方法等去开发系统;第三,针对初创企业,MathWorks还无偿提供或优惠的课程培训,帮助中小企业建立起自己基于模型设计、基于大数据进行产品开发的能力。
随着“碳达峰”、“碳中和”承诺的提出,绿色能源成为当前的热门话题。但从目前的真实的情况来看,化石能源仍然占据相当的比重。就中国而言,各行业对CO2排放量的占比不同,其中电力/热力行业也就是能源生产侧占比51%,工业CO2排放量占比为28%,交通运输业占比10%,建筑业占比4%,这四大行业的CO2排放量就占了全社会排放量的93%。
因此,要实现降低温室气体排放目标,就必须对能源生产、能源传输、能源利用三大方面做全链条改造,才能实现“碳中和”的目标。
简单而言,从能源生产角度来说,就是要大幅度提高光伏、风电、水能、储能等新能源的占比,全力发展储能技术,减少弃风/光率;能源传输方面,就是要优化电网结构设计保证电力系统安全稳定高效运行,采用FACT、特高压HVDC等提高利用效率降低损耗;能源利用方面,就是要加速电气化进程,减少非必要的能源消耗量,实现工业节能、建筑节能、交通节能,并利用碳封存技术,来逐步降低CO2排放量。
“全球可再次生产的能源行业中有许多用户都在使用我们的仿真、建模、大数据和AI工具去开发产品,从这个方面来说,MathWorks早已深度介入绿色能源行业。”李靖远说。
加拿大的魁北克水电是他列举的诸多用户案例中的一个。作为一家在水电、风电和新能源利用方面走在世界前列的能源生产商,魁北克水电就在使用MATLAB和Simulink建立整个风电厂的模型。众所周知,由于风电厂受气候、风速影响较大,发电量很不稳定,弃风率较高,使得风电厂一是运维成本居高不下,二是会对电网造成冲击。而利用MATLAB和Simulink,魁北克水电对整个风电厂模型,包括每一个风机的风向和迎风口的相对位置,都进行了动态仿真和功率预测,以确保自身的发电效率和成本最优化,并同时满足北美电力并网IEEE1547标准,防止对电网造成伤害。
美国桑迪亚国家实验室的主要任务,是给整个夏威夷电网建立控制管理系统,包括电池容量的选择。于是,他们就利用MATLAB和Simulink去建立整个夏威夷光伏微电网的仿真模型,来模拟各种工况下的电量储量,尤其是在一些极限工况时,从而评估出最优化、最合理的电池容量,这样不但可以有明显效果地控制成本,还确保了总系统的稳定性。
能源传输方面的案例则来自芬兰国家电网,他们也在使用MATLAB对整个国家电网的稳定性做多元化的分析。当带GPS功能的实时监测装置PMU将监测到的电网波形、动态实时传送回电网SCADA系统后,利用MATLAB/Simulink开发的算法就会读取实时监控数据,对整个电网的稳定性进行判断,并对问题做出及时响应。
新西兰Transpower公司也颇具代表性。作为负责整个新西兰南北岛国家电网运维的企业,他们也在利用MATLAB和Simulink开发名为“能源储量管理”的项目。该系统会每15分钟读取电网的实时数据,然后通过Simulink开发模型进行仿真模拟测试,以判断整个电网的能量储量是不是符合当前的负荷状态要求,并及时进行一定的控制管理系统和算法调整。
能源利用方面的案例就更普遍。例如塔塔公司利用Simulink分析优化炼钢过程;波士顿金属公司利用MATLAB和Simulink来改造炼钢过程中的能耗控制;澳大利亚Building IQ公司利用MATLAB和Simulink设计建筑能源分配和调比系统;而在汽车行业,基于MATLAB的大数据分析和基于Simulink的数字孪生技术,早已成为标准化流程开发工具。
现实生活中有大量的边缘设备,不论是航空航天、汽车、工业设施、通讯,甚至家用电器、可穿戴设备、嵌入式系统等,随着人工智能的落地应用,边缘设备也慢慢变得需要基于AI的算法来提升功能、提高性能。
当前,随着边缘设备CPU、GPU、MCU性能的逐步的提升,融入了慢慢的变多基于边缘设备的AI算法。
不过,李靖远指出,当前,AI在边缘设备的落地受到三方面制约。一是硬件效率,深度学习神经网络需要很强的算力,相对而言,硬件效率在边缘设备侧较弱;二是算法模型代码的精炼度,通过人工智能训练出来的代码,精炼度可能并不是非常高,如果边缘设备的算力又有限,就要进一步提高代码的精炼度,保证功耗尽可能低;三是AI形态的产品化,完成训练后,如何进一步进入更通用的边缘设备中。
应对以上挑战和趋势,MathWorks推出全套的工具解决链,包括数据分析、数据训练、系统仿真、应用部署四大部分,帮助客户基于整个AI系统,包括建模、仿真系统去开发,最后可以自动生成基于CPU和GPU的C/C++代码、GPU的CUDA代码、以及PLC的结构化文本代码、FPGA/SoC或专用ASIC芯片的HDL代码等,自动生成代码之后就可以嵌入边缘设备中,更好地支持边缘设备的开发。
此外,伴随A与各行各业的深层次地融合,MathWorks这些年持续推出了MATLAB Online和Simulink Online等基于云端的平台,用户不需安装软件就可以从标准的Web游览器进行AI、大数据开发、基于模型的设计等。人工智能方面,也推出了一系列工具箱,包括机器学习、深度学习、强化学习等功能,已经在汽车、机器人、无人驾驶等领域得到了广泛应用和认可。
今后,MathWorks将一方面推出更多基于MATLAB和Simulink平台的应用来满足支持云端客户;另一方面,也将不断添加更多更新的AI算法,来进一步提供低代码甚至无代码的AI工具,同时,还将逐步优化和其他平台的框架,通过MATLAB提供的接口,把跨平台开发的AI算法都导入MATLAB和Simulink平台,进行整个系统级的测试和仿真。
“基于模型的设计理念”多年来一直是MathWorks强调的重点,尽管MATLAB和Simulink几乎能被用于各个学科中,但目前,跨学科之间的研究和合作慢慢的变多,这一理念又会给跨学科研究带来哪些帮助?
李靖远对此回应称,MathWorks在航空航天、汽车、通讯、工业设计、半导体、医疗、金融、能源等20多个领域使用MATLAB进行大数据分析、基于模型设计进行系统仿真,慢慢的变成了很多行业的标准化工具。
为了适应各个行业和领域的需求,MathWorks目前已推出超过100个工具箱,包括各个学科、所有的领域的成熟模型和算法,使得客户能充分的利用这些模型和算法进行跨学科研究。同时,MathWorks提供了跨学科的平台,可以把客户在机械、电子、液压控制等多域模型统一集成在MATLAB平台上,从而进行系统级的开发仿真。
由于MATLAB提供的不仅是对领域的共建项目的支持,更是一个大的平台。MathWorks·全球超过500家合作伙伴,基于多域的模型都可以导入Simulink或MATLAB进行算法、测试和仿真。
除此之外,李靖远表示,多学科领域的融合还有一个趋势,是通过大数据、人工智能进行多学科的融合,需要采集大量的有效数据去训练,来得到相关领域的模型。基于这一趋势,MATLAB提供了大量的基于AI的工具箱,比方机器学习、深度学习,强化学习等,进行跨学科研究的时候,就能够最终靠MATLAB所提供的工具箱来进行跨学科的建模,便于更好地实现跨学科的融合。