Трубопровод в Engee🚰
(Внезапный эпилог. Нечеткая логика)

Друзья,

Для нас это тоже неожиданность, но мы выпускаем еще одну, на этот раз точно заключительную, серию про трубопровод.

Она будет посвящена радикальной доработке регулятора давления в трубопроводе. Нас не устраивало его качество, и мы решили применить методы нечеткой логики.

Этап 3. Усовершенствование регулятора давления с помощью методов нечеткой логики. Новый улучшенный проект целиком можно найти ТУТ.

Этот проект – замечательный пример синергии гибкого языка Julia и среды моделирования, ведь регулятор мы проектируем в нашей удобной расчетной среде, а потом интегрируем при помощи блока Engee Function в модель.

Библиотека FuzzyLogic крайне полезна и функциональна, она позволяет строить системы нечеткого вывода Мамдани, Сугено, а также системы с интервальными функциями принадлежности.

В нашем проекте строим систему нечеткого вывода Мамдани (Mamdani fuzzy inference system) с помощью макроса @mamfis.

Далее мы применяем функцию compilefis() для того, чтобы сгенерировать код Julia на базовом синтаксисе и интегрировать его в блок Engee Function. Кстати, в будущем вы можете сохранить этот блок в Пользовательскую Библиотеку и переиспользовать в других проектах.

Как можете видеть, у нечеткого регулятора значительно меньшее перерегулирование, а также меньшая длительность переходного процесса. Но у нечеткого регулятора есть и минус: его сигнал зачастую может быть смещен от сигнала задатчика на некоторую величину. Это можно исправить более точной настройкой функций принадлежности и решающих правил. Но теперь мы точно довольны нашей САУ.

Вот такой любопытный «сериал» у нас получился. Надеемся, что вам было интересно! Мы обязательно продолжим делиться с вами подобными разносторонними проектами! 🧑‍💻

Увидимся в Engee! 💼

“Умная” розетка в Engee 🔌

Друзья,

Сегодня мы хотим рассказать о проекте для одного из направлений, для которого мы и наши коллеги применяем Engee, – Интернета вещей. 🛜

“Умная” розетка в нашем примере – это, конечно, не автономный робот с голосовым управлением, но рабочий прототип и база для развития Ваших проектов в IoT. Здесь мы последовательно воплотили подход МОП:

✅разработали модель в Engee
✅сгенерировали Си-код
✅запрограммировали контроллер
✅испытали его работу в цепи с напряжением 220 Вольт ⚡

Несколько интересных особенностей примера:
🔗модель Engee при помощи блоков C Function подключает и работает с периферией различных интерфейсных уровней: дискретный выход, последовательный порт, WiFi-модуль, NTP-сервер.

🧠весь “интеллект” конечного устройства заключается в коммутации силового реле по времени от NTP-сервера (и вы, например, уже сможете включить кофеварку утром).

🤖конечная программа выполняется на контроллере ESP8266 12E со встроенным WiFi-модулем - распространенном контроллере для проектов IoT.

Мы обязательно продолжим развитие тематики IoT и вернемся к вам с новыми “умными” устройствами под управлением Engee. А пока что мы с радостью обсудим наши примеры и Ваши проекты в Сообществе.

Будем рады увидеться в Engee! 💼

Как улучшить качество звука в Engee? 🎶

На самом деле в Engee полно инструментов для того, чтобы улучшить качество аудиофайла. В вашем распоряжении вся мощь среды технических вычислений, а также специальные блоки из библиотеки ЦОС.

А сегодня мы расскажем о том, как для этих целей реализовать систему адаптивного КИХ-фильтра, используя библиотечный блок LMS Filter. Данный блок позволяет построить адаптивный FIR-фильтр, используя пять различных алгоритмов. Блок оценивает весовые коэффициенты фильтра, необходимые для минимизации ошибки между выходным сигналом и желаемым сигналом. На выходе получается отфильтрованный входной сигнал, который является оценкой желаемого сигнала.

📌Вы наверняка захотите оценить влияние разного уровня шума на сигнал. Для этого мы реализовали возможность переключаться между режимами c помощью соответствующего переключателя.

🔘Также во время моделирования вы сможете поэкспериментировать с настройками фильтра, а именно поменять размер шага, отключить обновление коэффициентов и, если нужно, выполнить полный сброс коэффициентов.

👂Вместо скачивания файла после всех ваших экспериментов мы предлагаем воспользоваться Редактором и прослушать файл встроенными средствами (да, он и такое может!). Так вы убедитесь в том, что результаты фильтрации сигналов могут быть видны не только на спектре, но их можно оценить собственными ушами.

А как бы улучшили качество аудиофайла вы? Давайте обсудим в комментариях к проекту в Сообществе!

До встречи в Engee! 💼

Engee ❤️ MIK32 АМУР

Друзья, у нас замечательные новости!

Код, сгенерированный из российской среды моделирования, отлично работает на российских микроконтроллерах! Ура! 🥳

Наши специалисты успешно завершили тестирование микроконтроллера МИК 32 в рамках программы раннего доступа к архитектуре RISC-V на микроконтроллерных отладочных платах DEVBOARDS.

Ну и, конечно, мы подготовили серию постов с несколькими демонстрационными проектами. Сегодняшний посвящен работе с цифровыми входами-выходами контроллера:

🖐️💼 Проект “Здравствуй, Engee!” - модельно-ориентированный аналог всем известных “Hello, World!” и “Blink”, только реализованный при помощи модели Engee и азбуки Морзе. Среда расчётов Engee в этом примере помогает нам кодировать азбукой Морзе любое текстовое сообщение, в нашем случае - это радиограмма приветствия. Среда моделирования - проверять работу генератора зашифрованного сообщения. Генератор кода - сформировать подключаемый СИ-код алгоритма модели и функций работы с периферией контроллера.

💡💡Проект “Двоичный счётчик” задействует все доступные к управлению на отладочной плате MIK32 NUKE V0.3 встроенные элементы человеко-машинного интерфейса: два светодиода и один кнопочный контакт. По нажатию на кнопку триггерируемая подсистема модели инкрементирует счетчик на базе блока Chart из библиотеки конечных автоматов Engee. Выходной сигнал счетчика шифруется в двоичный код и передается поразрядно на светодиоды.

🤓В следующих проектах мы осветим работу с аналоговыми входами и выходами, цифровыми интерфейсами и прочей периферией.

В ожидании новых публикаций вы можете изучить другие проекты по генерации кода, а также предложить идеи по улучшению и развитию этих примеров в Сообществе.

До скорой встречи, ваш 💼!

Релиз 24.9 – сентябрьское обновление 🏫🌦🍂

Друзья,

Пролетел первый месяц осени, а это значит, что настала пора рассказать о том, что нового появилось в Engee в сентябре. Обновление уже доступно на Engee.com всем пользователям, скорее заходите и оцените сами!

Самое важное:

🌟Маски для ячеек 2.0;
🌟Принципиальное повышение производительности и стабильности вычислительного ядра Engee;
🌟Новая библиотека блоков: Аэрокосмические системы;
🌟Новый тип графика: Глазковая диаграмма;
🌟Запись сигналов с шин;
🌟Конечные автоматы: подсветка переходов и синтаксиса;
🌟Управление именами сигналов в сгенерированном коде.

А еще:

✅Возможность «перетянуть» папку или файл в нужное расположение;
✅Новые сочетания клавиш для файлового браузера и среды моделирования;
✅Новая форма обратной связи;
✅Вывод SVG на маску блока;
✅Новый цвет блоков библиотеки «Влажный воздух»;
✅Новые блоки в базовой библиотеке, а также библиотеках Изотермической жидкости, Электрики, ЦОС, РЛС, 5g, Связи и др.;
✅Десятки новых системных объектов и функций для ФАР;
✅Ежемесячные обновления в документацию – новые статьи, переводы и примеры.

Подробности о релизе вы можете найти, как и всегда, в разделе Что нового. 💼

PS Напоминаем, что вовсю идет Конкурс работ Engee очень ждем ваши работы.
А еще мы запустили сайт для регистрации на День Engee 2024! Ждем вас!

Остаемся на связи! ☎️

Как встроить нейросеть в модель Engee? 📓

Друзья,

Да, мы понимаем, что про нейросети уже говорят из каждого утюга. Но мы точно знаем, что есть инженерные задачи, которые отлично решаются с их помощью, что мы и делаем и вам желаем! 😉

Например:
🪄Фильтры и датчики для прогноза по временным рядам
✨Запутанные характеристики, которые не влезают ни в какие полиномы
🔋Модели для мониторинга оборудования и предсказания с онлайн-обучением

Хотим рассказать вам сегодня про один из наших проектов по созданию нейросетей в Engee, где мы показываем, как совместить гибкость и скорость среды расчетов и удобство компоновки и отладки системы на визуальной модели.

Julia – очень интересный язык для работы с данными и генерации кода. Для обучения нейросетей нужны конструкции, которые можно продифференцировать. А Julia, представьте себе, дифференцируемый язык программирования.

Для обучения и создания НС мы используем библиотеку Flux. Судите сами, трудно ли создать НС с ее помощью:

Chain( Dense( 2 => 20, relu ),
       Dense( 20 => 5, relu ),
       Dense( 5 => 1 ) )

Три слоя, два нейрона на входе, один на выходе… Остальные вещи – функция потерь, подача данных, цикл обучения – в Julia все это выполняется короткими и ясными командами.

Теперь хотелось бы соединить нейросеть с остальными компонентами системы в одной модели, и тут нет ничего лучше наглядной схемы. Несколько блоков Constant, Add и Product, и НС будет управлять любыми заслонками, моторами и прочими компонентами вашей инженерной экосистемы.

Обученная нейросеть хранится в общей переменной model. Поэтому, чтобы разместить ее на блок-схеме, мы просто прописали model.weight и model.bias в свойствах блоков. Либо можно скопировать эти матрицы внутрь констант модели через команду engee.set_param(). Либо программно сгенерировать всю модель, блок за блоком...

Уверены, что вам нравится воплощать такие технологии в своих проектах, поэтому готовим еще много материалов по этой теме.
Приглашайте друзей и коллег, увидимся в Engee!💼