Las empresas del sector aeroespacial y de defensa de todo el mundo confían en MATLAB y Simulink en todos los niveles de madurez tecnológica, desde los prototipos hasta los sistemas críticos y de seguridad más importantes. MATLAB y Simulink se utilizan en programas importantes en todos los dominios, como el F-35 Joint Strike Fighter y el Mars Exploration Rover, y aceleran la investigación y el desarrollo en áreas como sistemas autónomos, velocidades hipersónicas, sistemas inalámbricos avanzados e hibridación y electrificación de aeronaves.
La ingeniería digital con diseño basado en modelos ayuda a reducir riesgos en el programa (como el rendimiento, la planificación y la integración) mediante la simulación temprana del diseño y la generación de código. Simulink para la ingeniería de sistemas también establece un hilo digital, lo que proporciona trazabilidad entre los requisitos, la arquitectura, el diseño, el código generado automáticamente y los elementos de prueba. Esto garantiza la integridad del diseño y facilita la gestión de cambios en sistemas complejos, todo dentro del mismo entorno.
Durante la “tercera ola” de inteligencia artificial, los expertos también utilizan MATLAB y Simulink para desarrollar soluciones de IA a fin de realizar predicciones antes y mejorar el proceso de la toma de decisiones. MATLAB y Simulink permiten a los equipos incorporar una variedad de fuentes de datos y acelerar la implementación de algoritmos de machine learning, deep learning y data science en sus aplicaciones, que se pueden desplegar en hardware o en la nube.
“El diseño basado en modelos nos proporcionó una visibilidad avanzada del diseño funcional del sistema. También logramos completar la validación de requisitos antes de lo que solíamos y simulamos varios fallos simultáneos de componentes, así que ahora sabemos qué ocurrirá y confiamos en que la lógica de control se encargará de ello», asegura Christopher Slack, de Airbus.
Ingeniería de sistemas
La ingeniería de sistemas desempeña un papel cada vez más crucial en la gestión de requisitos, arquitectura e integración complejos de múltiples dominios para garantizar la entrega de sistemas con un rendimiento y seguridad excepcionales. Simulink proporciona un entorno de modelado y análisis de arquitecturas fácil de usar que permite sincronizar completamente los requisitos con el diseño basado en modelos.
MATLAB y Simulink soportan flujos de trabajo de ingeniería digital, ya que permiten a los usuarios:
– Capturar, ver, analizar y gestionar requisitos a través de un hilo digital (33:33) que proporciona trazabilidad bidireccional entre los requisitos, la arquitectura, el diseño y la implementación, y soporta análisis de impacto de cobertura y cambios.
– Desarrollar y examinar modelos de arquitectura de sistemas a partir de cualquier combinación de requisitos, modelos de Simulink existentes, ICD y arquitecturas creadas externamente.
– Realizar estudios de compromiso basados en datos para comparar, analizar u optimizar la arquitectura del sistema.
– Generar automáticamente informes de cobertura, casos de prueba, ICD e informes de fallos.
– Simular la composición del sistema para verificar el comportamiento en el nivel del sistema.
– Satisfacer los estándares de seguridad de la industria, como DO-178C, DO-254 y ARP-4754.
Controles de vuelo y controles de motor
Diseñe y pruebe sistemas de control críticos para la seguridad mediante la simulación antes de generar automáticamente el código que luego se integra en la plataforma física. Acelere el ciclo de desarrollo facilitando el diseño para diferentes escenarios y configuraciones de plataforma, realice pruebas con hardware-in-the-loop y cualifique la lógica de control de acuerdo con estándares de seguridad como DO-178C, todo dentro del mismo entorno.
MATLAB y Simulink permiten a los ingenieros de control:
– Empezar a trabajar y construir modelos de planta más rápidamente con múltiples ejemplos de controles de vuelo, 6-DoF, modelos de entorno y modelos de vehículos como el HL-20 de la NASA.
– Modelar todo el vehículo y sus subsistemas.
– Usar las herramientas prediseñadas para ajustar automáticamente controladores multivariables (4:56) y sacar partido de estrategias de control avanzadas, tales como el control predictivo de modelos y el control robusto.
– Diseñar una lógica de detección de fallos, aislamiento y recuperación, así como solucionar problemas relacionados.
– Generar automáticamente código optimizado para microprocesadores y FPGA.
– Llevar a cabo la verificación y validación, así como certificar conforme a estándares de seguridad.
Diseño de vehículos aéreos no tripulados (VANT)
Los ingenieros y científicos de vehículos aéreos no tripulados (VANT) utilizan MATLAB y Simulink para diseñar y ajustar sistemas de control y algoritmos de misión de inteligencia, vigilancia y reconocimiento (ISR) independientes de la plataforma, modelar sistemas del mundo real y, posteriormente, generar y verificar automáticamente el código, todo desde un mismo entorno de software.
MATLAB y Simulink permiten a los ingenieros:
– Conectar con VANT y sus componentes y controlarlos desde MATLAB y Simulink.
– Comunicarse con la plataforma mediante Robot Operating System (ROS) y MAVLink.
– Simular sensores de VANT comunes como GPS, IMU, INS y altímetro.
– Cosimular las aplicaciones de VANT mediante la conexión directa con simuladores tales como Gazebo y Unreal Engine.
– Desarrollar algoritmos de control independientes del hardware y realizar localización y mapeo simultáneos (SLAM) en 3D, planificación de rutas y generación de trayectorias con soporte nativo para cuaterniones.
– Eliminar la creación manual de código mediante la generación automática de código embebido para microcontroladores, FPGA, PLC y GPU en diversos lenguajes.
– Conectar con pilotos automáticos de VANT comunes, como PX4 y hardware de bajo coste, como Raspberry Pi™, utilizando paquetes de soporte de hardware prediseñados.
– Trabajar con código heredado e integrarlo con sistemas existentes.
Simulación y verificación de algoritmos autónomos con Robotics System Toolbox, ROS Toolbox y Gazebo.
Simulación y verificación de algoritmos autónomos con Robotics System Toolbox, ROS Toolbox y Gazebo
Sistemas inalámbricos
Diseñe, prototipe y pruebe algoritmos avanzados, sistemas de RF multifunción y arrays de antenas para la próxima generación de comunicaciones inalámbricas (27:30), radar y sistemas de guerra electrónica (35:28). Con MATLAB y Simulink, los ingenieros de investigación pueden demostrar rápidamente la viabilidad de los nuevos conceptos tecnológicos, eliminar los problemas de diseño al principio del ciclo de desarrollo y agilizar la verificación del diseño.
Con las herramientas de MATLAB y Simulink, los ingenieros pueden:
– Modelar y visualizar escenarios complejos de comunicación y radar en entornos de espectro denso.
– Simular enlaces de comunicación de principio a fin incluyendo componentes de banda base, RF y antena.
– Generar y analizar formas de onda personalizadas y basadas en estándares (5G, LTE, WLAN).
– Modelar arrays de antenas y arquitecturas de conformación del haz con Antenna Toolbox™.
– Modelar la dinámica de sistemas de radar terrestres, aéreos o de a bordo con plataformas de radar y objetivos móviles.
– Diseñar y simular sistemas de seguimiento y posicionamiento multisensor.
– Crear modelos de referencia reutilizables para la verificación iterativa de diseños, prototipos e implementaciones de comunicaciones inalámbricas.
– Prototipar y probar diseños de algoritmos en hardware de uso común para radios definidas por software, como USRP y PlutoSDR.
Inteligencia artificial para el sector aeroespacial y de defensa
MATLAB y Simulink proporcionan una plataforma integral para resolver los desafíos de la IA, desde el mantenimiento predictivo hasta tareas complejas como la identificación multimodal de objetivos. MATLAB faculta a los ingenieros incluso si tienen experiencia limitada en IA. También ayuda a los equipos de trabajo a mejorar los conjuntos de datos de IA, abordar los desafíos de integración, reducir los riesgos y probar continuamente modelos en el contexto de todo el sistema.
– Optimice el servicio de la flota con las funcionalidades de mantenimiento predictivo y gemelos digitales (8:28), desarrolle algoritmos para detectar y predecir defectos y fallos y calcule la vida útil restante (9:34).
– Genere datos de entrenamiento y pruebas basados en simulaciones para aplicaciones tales como formas de onda de radar y algoritmos de clasificación de objetivos, y cree sistemas de control (22:32) complejos mediante reinforcement learning.
– Utilice algoritmos de deep learning y machine learning para crear modelos precisos a partir de diversos tipos de datos, y experimente con diferentes arquitecturas mediante apps y herramientas de visualización.
– Despliegue modelos en cualquier lugar, incluso en GPU y CPU embebidas, sistemas empresariales o la nube.
