编者语： Matlab作为商业数学软件，用于数据分析、无线通信、深度学习、图像处理与计算机视觉、信号处理、量化金融与风险管理、     机器人   ，  控制系统 等领域。小编得到华科大博士陈冰授权许可下，特此转发《对Matlab功能的一点理解（控制系统视角）》文章，仅供读者参考。

1）早期的MATLAB，功能与名字(MatrixLaboratory)一致，是一个数值线性代数软件包，作者的初心只是用来做线性代数的教学。

2）简单的动态系统，总可以表达成一个常微分方程，用龙格库塔算法就可以迭代求解，MATLAB实现了自动求解器，并提供Simulink图形化工具，用户只需要把一些简单动态环节连在一起，就可以进行自动数值积分，这就满足了学术圈和工程界的大量需求。（想想当年MIT的Bush搭建模拟计算机来计算电力系统稳定性有多麻烦。）

3）能用矩阵计算来做坐标变换，能解微分方程，好多事情都可以做了，大量专业人士与之合作写toolbox，比如系统辨识toolbox，就是著名系统辨识专家Ljung写的。

4）控制系统中还有大量的逻辑功能，不是用微分方程描述的，但是可以用状态机描述，MATLAB的Stateflow解决了这类系统的形式化建模问题，特别满足了汽车软件开发的需求。

5）汽车软件等可靠性软件开发提出了V字型开发流程，matlab首先满足了建模和仿真的需求，这么多年步步为营，居然把整个基于模型的设计流程工具都做全了，可以直接生成二进制代码，下载到嵌入式硬件系统以及PLC等控制器。

6）传统的Simulink建模对于物理建模是有局限性的，Dymola等物理建模工具天然支持多物理域建模。于是MATLAB推出Simscape平台，重构底层引擎，并且把之前的电机、电气、电子等模块都重构了一遍。

7）面向数字孪生的发展，各家仿真软件都在发力，像Ansys的TwinBuilder，把有限元仿真的优势和基于模型的设计流程结合起来。FMI/FMU成为业界标准，可以使用多种工具进行模型交换和协同仿真，也进一步方便了基于模型的系统实现，MATLAB对FMI/FMU的支持目前还比较有限，但是对第三方工具生成的模型的导入工具做的还是不错的。

8）MATLAB积极推动数据驱动建模与基于物理机理的建模的融合，目前已经支持多种深度学习网络的建模和训练，如果是纯粹的用机器学习进行图像处理和语音识别，MATLAB不见得有优势，但是如果真正用AI工具解决制造业问题的话，MATLAB的集成平台还是有一定的优势。

 作者简介

陈冰，男，工学博士，华中科技大学机械科学与工程学院副教授，中国自动化学会边缘计算专业委员会委员。主要从事机电装备运动控制、网络化控制和工业边缘计算等领域的研发工作，承担“新工科”机电教学改革和实践教学系统设计相关工作。