کاربردهای MATLAB و Simulink؛ آموزشها و مثالهای رسمی
بعد از یادگیری مبانی MATLAB، میتوانید مهارت برنامهنویسی و تحلیل را در مسئلههای واقعی به کار ببرید: از هوش مصنوعی و تصویر تا شبیهسازی خودرو، باتری و سامانه خورشیدی. این مجموعه، ۵۰ آموزش تعاملی، ویدئو و مثال رسمی MathWorks را با معرفی فارسی و مسیر پیشنهادی مطالعه کنار هم قرار میدهد.
برای هر حوزه، یک نمای تصویری میبینید. در صفحه همان حوزه، هر یک از ۵۰ منبع توضیح بیشتر، شکل آموزشی، رابطه کوتاه و تمرین دارد. شکلها در دیجیاستاد ساخته شدهاند و نمودارهای نمایشی، داده آزمایش واقعی نیستند.
شاخه کاربردی خود را انتخاب کنید
هوش مصنوعی و یادگیری عمیق
مسیر فارسی منابع رسمی هوش مصنوعی در MATLAB؛ یادگیری ماشین، شبکه عصبی، یادگیری تقویتی، YOLO، پیشبینی سری زمانی و تفسیر مدل با پیوند آموزشها و مثالها.
در پروژه هوش مصنوعی، ابتدا مسئله و داده را مشخص میکنیم: خروجی یک کلاس است، یک عدد است یا یک پیشبینی زمانی؟ سپس داده آموزش و آزمون را جدا میکنیم و مدلی میسازیم که روی نمونههای جدید هم قابل ارزیابی باشد. شکل، حرکت یک پنجره کوچک روی تصویر را توضیح میدهد؛ این ایده پایه استخراج ویژگی در شبکه کانولوشنی است. در این مسیر از شروع یادگیری ماشین تا انتقال یادگیری، تشخیص شیء و تفسیر مدل پیش میروید. آشنایی با آرایهها و نمودار در MATLAB کمک میکند مراحل را فقط اجرا نکنید، بلکه تغییرشان را بفهمید.
رابطه کوتاه
Y[i,j] = Σ_a Σ_b K[a,b] X[i+a,j+b]
نمای ساده عمل همبستگی متقاطع در CNN، با گام یک و بدون حاشیهگذاری است. K وزن پنجره و X ورودی است؛ بایاس در این نمایش حذف شده.
Simulink و مدلسازی
معرفی فارسی آموزشهای رایگان Onramp برای MATLAB، Simulink، Simscape، Stateflow، طراحی کنترل PID، شبیهسازی مدار و سیستمهای چندجسمی همراه مسیر پیشنهادی.
در مدل بلوکی، رابطههای ریاضی به مسیر سیگنال تبدیل میشوند؛ در مدل فیزیکی، اتصال اجزا رفتار چندحوزهای سیستم را میسازد. شکل یک جرم، فنر و میراگر را نشان میدهد: تغییر جرم یا سختی، پاسخ حرکتی را تغییر میدهد. این مثال ساده پلی میان معادله و شبیهسازی است. مسیر این بخش از MATLAB و Simulink آغاز میشود و به Simscape، منطق حالت، طراحی کنترل و مدلهای چندجسمی میرسد. ابتدا ورودی، خروجی و واحدهای یک مدل کوچک را روشن کنید؛ سپس سراغ اتصال زیرسیستمهای بیشتر بروید.
رابطه کوتاه
m ẍ + c ẋ + k x = F(t)
مدل خطی یکدرجهآزادی با جرم m، میرایی c و سختی k است. فرض میکنیم تغییرشکل فنر در محدوده خطی باقی میماند.
شبیهسازی خودرو
مسیر فارسی ویدئوهای رسمی MathWorks برای شبیهسازی خودرو؛ حرکت طولی و ترمز، قوای محرکه برقی، خنککاری موتور، مدل خودروی هیبریدی و مدیریت انرژی.
برای شبیهسازی خودرو، لازم نیست از همان ابتدا همه اجزا را با بیشترین جزئیات مدل کنید. یک مدل طولی میتواند اثر جرم، شیب و ترمز را روشن کند؛ مدل قوای محرکه نیز مسیر تبدیل انرژی تا چرخ را نشان میدهد. در شکل، جهت مثبت حرکت رو به پایین شیب انتخاب شده است تا علامت نیروها قابلپیگیری باشد. منابع این بخش حرکت خودرو، موتور برقی، خنککاری و مدیریت انرژی هیبریدی را پوشش میدهند. با یادگیری محاسبه و رسم داده در MATLAB، مقایسه سناریوها و توضیح علت تغییر پاسخ سادهتر میشود.
رابطه کوتاه
m dv/dt = mg sin(α) − Fbrake − Froll − Faero
محور مثبت در راستای سرازیری و حرکت فرض شده است. این تراز نیروی طولی ساده، دینامیک تایر و تغییر وضعیتهای توقف را مدل نمیکند.
باتری و مدیریت انرژی
معرفی فارسی منابع MathWorks برای مدلسازی باتری و BMS؛ Onramp رایگان، ساخت سلول و پک، اثرهای حرارتی، مدیریت شارژ و ویدئوهای شبیهسازی باتری.
یک پک باتری فقط جمع ظرفیت چند سلول نیست؛ آرایش سری و موازی، ولتاژ و ظرفیت را به شکل متفاوتی تغییر میدهد و رفتار حرارتی هم باید بررسی شود. شکل آرایش آموزشی سه سلول سری در دو شاخه موازی را نشان میدهد. در ادامه میتوانید از مدل سلول و تخمین وضعیت شارژ به ساخت پک و مدیریت دما برسید. برای هر مقایسه، شرایط اولیه و قرارداد علامت جریان را ثابت نگه دارید. آشنایی با آرایهها، انتگرالگیری عددی و نمودارهای MATLAB پایه خوبی برای تحلیل داده و پاسخ مدل باتری است.
رابطه کوتاه
V_pack = Ns V_cell ; C_pack = Np C_cell
برای سلولهای یکسان و آرایش ساده، Ns تعداد سری و Np تعداد موازی است. C اینجا ظرفیت بر حسب آمپرساعت است؛ نامتعادلی سلولها نادیده گرفته شده.
انرژی خورشیدی و قدرت
مسیر فارسی شبیهسازی انرژی خورشیدی با منابع MathWorks؛ آموزش مقدماتی قدرت، مبدل DC-DC، پنل PV، الگوریتم MPPT، اینورتر و پشتیبان باتری.
در سامانه خورشیدی، توان پنل به نقطه کار، تابش و دما وابسته است. منحنی نمایشی شکل نشان میدهد چرا هدف MPPT یافتن نقطه توان بیشینه است، نه نگهداشتن یک ولتاژ دلخواه در همه شرایط. مسیر این بخش از مبانی شبکه قدرت و مبدل آغاز میشود و به اتصال تکفاز و سهفاز، ذخیرهساز و سامانه مستقل میرسد. برای شروع، یک تغییر تابش یا بار انتخاب کنید و مسیر توان را در مرزهای مشخص دنبال کنید. مهارت رسم منحنی و تحلیل داده در MATLAB کمک میکند پاسخ گذرا را با نقطه کار پایا اشتباه نگیرید.
رابطه کوتاه
P(V) = V I(V) ; dP/dV = 0
شرط مشتق صفر برای قله داخلی یک منحنی هموار است. در شکل از مدل نمایشی استفاده شده و پارامترهای یک پنل واقعی وارد نشدهاند.
پردازش تصویر و بینایی ماشین
معرفی فارسی منابع رسمی پردازش تصویر MATLAB؛ آموزش رایگان Onramp، بهبود کنتراست، بخشبندی، تحلیل نواحی، تطبیق ویژگی و ردیابی در ویدئو.
در پردازش تصویر، هر مرحله پرسش مشخصی دارد: آیا شدت روشنایی باید اصلاح شود، جسمی از پسزمینه جدا شود یا هویت جسم در چند فریم دنبال شود؟ شکل یک تصویر هندسی و ماسک دودویی آن را کنار هم میگذارد تا تفاوت تصویر ورودی با ناحیه انتخابشده روشن شود. منابع این مسیر عملیات پایه، کنتراست، بخشبندی و بینایی ماشین را پوشش میدهند. پیش از مدل پیچیده، اندازه آرایه، نوع داده و کانالهای رنگی را بررسی کنید. تسلط بر اندیسگذاری و عملیات ماتریسی MATLAB در فهم و تغییر همین مراحل نقش مستقیم دارد.
رابطه کوتاه
A_px = Σ_r Σ_c M[r,c]
M ماسک دودویی با مقدار صفر یا یک و A_px مساحت بر حسب تعداد پیکسل است. مساحت فیزیکی به مقیاس تصویربرداری نیاز دارد؛ جمع شدت یک تصویر خاکستری، همین مساحت دودویی نیست.
پردازش سیگنال و مخابرات
مسیر فارسی منابع MathWorks برای پردازش سیگنال MATLAB؛ Onramp رایگان، تحلیل طیفی FFT، طراحی فیلتر FIR و IIR، ارتباطات بیسیم و دستهبندی ECG.
سیگنال را میتوان از دو زاویه دید: تغییرات در زمان و توزیع مؤلفهها در فرکانس. شکل از دو سینوس معلوم ساخته شده تا جای قلههای طیف قابل بررسی باشد. در این مسیر، نمونهبرداری، تحلیل FFT، طراحی فیلتر، ارتباطات بیسیم و دستهبندی توالی را دنبال میکنید. نرخ نمونهبرداری و واحد محور را از ابتدا مشخص کنید؛ نمودار زیبا با محور اشتباه نتیجه درستی نمیدهد. تمرین آرایهها و نمودار در MATLAB پیشنیاز مفیدی است تا بتوانید داده را آماده کنید، خروجی الگوریتم را بخوانید و اثر تغییر پارامترها را توضیح دهید.
رابطه کوتاه
X[k] = Σ_(n=0)^(N−1) x[n] exp(−j2πkn/N) ; f_k = k f_s/N
N تعداد نمونه، f_s نرخ نمونهبرداری و j واحد موهومی است. رابطه، DFT کامل را میدهد؛ نمایش دامنه یکطرفه به انتخاب نیمه طیف و مقیاسبندی مناسب نیاز دارد.
از مبانی تا پروژه؛ چه ترتیبی مناسب است؟
- ابتدا آرایهها، تابعنویسی، نمودار و خطایابی را در دوره MATLAB و تمرینهای برنامهنویسی دنبال کنید؛ مهارت خواندن و تغییر کد در همه این شاخهها کاربرد دارد.
- برای پروژه دادهمحور، با داده جدولی و معیار ارزیابی شروع کنید؛ برای سیستم فیزیکی، ساخت مدل بلوکی Simulink را پیش از مدل چندحوزهای تمرین کنید.
- یک شاخه و یک مثال ساده انتخاب کنید. نسخه اولیه را بفهمید، تنها یک پارامتر را تغییر دهید و نتیجه را با نمودار و توضیح ثبت کنید؛ همزمان عوضکردن چند تنظیم، علت تغییر نتیجه را پنهان میکند.
این ترتیب، پیشنهاد مطالعه است. اگر از قبل مبانی را میدانید، میتوانید مستقیم وارد شاخه مرتبط شوید و در صورت نیاز به درس پایه برگردید.
آموزش تعاملی یا نمونهپروژه؟
Onrampها برای شروع کوتاه و تمرین همراه بازخورد مناسباند. ویدئوها تصویر کلی جریان کار را نشان میدهند. مثالهای مستندات برای مطالعه کد، بلوکها و تنظیمات پروژه کاربرد دارند. در هر شاخه، نوع منبع، آمادگی پیشنهادی و محیط اجرا مشخص شده تا انتخاب به سطح فعلی و هدف شما نزدیکتر باشد.
برای جستوجوی دقیقتر، نام ابزار یا مسئله را هم در نظر بگیرید؛ مانند «شبیهسازی باتری در Simulink»، «پردازش تصویر در MATLAB» یا «پیشبینی سری زمانی». نام انگلیسی هر منبع نیز زیر عنوان فارسی آمده است تا بتوانید آن را در مستندات پیدا کنید.
شیوه استفاده از منابع
معرفی و ترتیب مطالعه در این صفحه فارسی است؛ محتوای اصلی منابع به زبان انگلیسی در MathWorks قرار دارد. دورههای Onramp رایگاناند و برای انجام تمرینها به حساب MathWorks و رایانه نیاز دارند. محیط آنلاین دوره به مجوز جداگانه محصولات نیاز ندارد؛ اجرای دوره در نرمافزار نصبشده شرایط مجوز خودش را دارد.
متن مثالها و صفحه ویدئوها برای مطالعه در دسترس است؛ اجرای فایل نمونه روی رایانه ممکن است به MATLAB، Simulink، جعبهابزارها یا افزونههای ذکرشده در منبع و نسخه سازگار نیاز داشته باشد. توضیح رسمی شرایط آموزشهای MathWorks.
منابع بررسیشده در ۲۶ مهر ۱۴۰۵ · ارائهدهنده منابع پیوندشده: MathWorks
