下面matlab微分方程，如何化为现代控制微分方程形式，写出matlab代码：diff(x,t,2)==(T-NR)/(I_w/R+m_wR)

首先我们定义一个函数，其输入参数为t和状态向量x，输出参数为状态向量x的一阶导数dxdt和二阶导数d2xdt2。代码如下：

function [dxdt, d2xdt2] = state_eq(t, x, T, N, R, I_w, m_w)
    dxdt = [x(2); (T-N*R)/(I_w/R+m_w*R)];
    d2xdt2 = dxdt(2);
end

然后，我们可以使用ode45函数求解该微分方程的数值解。ode45函数需要提供一个函数句柄，这个函数句柄就是我们上面定义的函数state_eq。代码如下：

% 定义参数
T = 1;
N = 2;
R = 3;
I_w = 4;
m_w = 5;

% 定义初始状态向量和时间范围
x0 = [0; 0];
tspan = [0, 10];

% 调用ode45函数求解微分方程
[t, x] = ode45(@(t, x) state_eq(t, x, T, N, R, I_w, m_w), tspan, x0);

% 绘制状态变量随时间变化的图像
figure;
plot(t, x(:,1), 'b-', t, x(:,2), 'r--');
legend('x1', 'x2');
xlabel('Time');
ylabel('State Variables');
title('State Variables vs. Time');

上面的代码中，我们首先定义了微分方程的参数T、N、R、I_w和m_w，以及初始状态向量x0和时间范围tspan。然后，我们调用ode45函数求解微分方程，并得到状态变量随时间变化的数值解。最后，我们绘制了状态变量随时间变化的图像。

注意：上面的代码仅供参考，具体实现方式可能因为问题的具体形式而有所不同。