Simulink仿真案例精讲：7个关键案例揭示模块库的力量


参考资源链接：[simulink模块库中文.pdf](https://wenku.csdn.net/doc/6412b488be7fbd1778d3feaf?spm=1055.2635.3001.10343)
# 1. Simulink仿真基础入门

在本章中，我们将简要介绍Simulink的基础知识及其在仿真领域的重要作用。Simulink是一个基于MATLAB的多域仿真和基于模型的设计工具，广泛应用于控制系统、数字信号处理、通信系统等领域。本章将为您提供快速入门的必要知识，包括Simulink的用户界面、基本操作流程以及如何创建和运行简单的仿真模型。

我们将首先探讨Simulink的安装过程和基本概念，然后介绍如何构建一个简单的模型，包括模型的搭建、参数配置以及仿真运行的基本步骤。这将为读者打下扎实的基础，以便在后续章节中深入学习模块库的使用、仿真案例的分析以及高级技巧的应用。

为了帮助读者更好地理解，我们将通过以下步骤介绍如何创建第一个Simulink模型：

1. 打开MATLAB，点击Simulink工具条中的“新建模型”按钮，打开Simulink编辑器。
2. 在Simulink库浏览器中，选择需要的模块，例如“Sources”库中的“Sine Wave”（正弦波）模块，将其拖拽到编辑器中创建信号源。
3. 选择“Sinks”库中的“Scope”（示波器）模块，连接到信号源的输出端，以便观察信号的变化。
4. 点击模型窗口上方的“运行”按钮开始仿真，并观察Scope中输出的波形。

通过本章的学习，您将掌握Simulink仿真基础，并为进一步学习Simulink的高级功能做好准备。

# 2. 模块库的深入理解与应用

## 2.1 Simulink模块库概述

### 2.1.1 模块库的定义和分类

Simulink模块库是Simulink的核心，它包含了大量的预定义功能模块，这些模块可以方便地拼接起来，实现复杂的系统仿真模型。Simulink模块库按照功能特点被划分为不同的子库，包括数学运算、信号源、信号接收、信号处理、通信系统、控制系统、用户自定义等等。每一个子库都有它特定的使用场景和目的。

模块库的设计遵循了面向对象的原则，提供了高度封装的模块。每个模块都可以看作是一个对象，具有属性和方法。属性定义了模块的内部状态，如增益值、滤波器系数等；而方法则是对模块操作的接口，如信号的输入和输出。使用模块库，工程师能够更加专注于系统设计和模型的构建，而不必过多关注底层的编程细节。

### 2.1.2 模块库与仿真模型的关系

模块库为仿真模型的构建提供了基础元素。在Simulink中，仿真模型是由模块库中的模块通过信号线连接组合而成的。模块之间的交互可以通过输入输出端口来实现，其中信号线代表数据流或者控制流。

一个有效的仿真模型不单是模块的简单堆砌，它需要准确地反映出真实系统的动态行为。因此，模块库和仿真模型之间存在着密切的关系。选择和配置合适的模块是构建仿真模型的关键。例如，对于控制系统仿真，你可能需要一个传递函数模块来表示控制算法，而这个模块的参数就需要根据实际系统的传递函数来设置。

## 2.2 关键模块的使用方法

### 2.2.1 连续系统模块

连续系统模块是用于建立和模拟连续时间动态系统的关键组件。连续时间系统是指系统的状态随时间连续变化的系统，其数学描述通常涉及到微分方程。

在Simulink中，连续系统模块包括积分器、微分器、传递函数、状态空间、PID调节器等。这些模块是连续系统仿真的基础，它们共同构成了连续系统仿真框架。例如，积分器模块可以用来表示一个物理量随时间积分的过程，比如电量或速度。在设置积分器时，你可能需要设定初始条件，这对于确保仿真的准确性至关重要。

### 2.2.2 离散系统模块

离散系统模块用于建立和模拟离散时间的动态系统。离散系统的特点是系统状态仅在特定的时间点上发生变化，这类系统常常出现在数字信号处理和计算机控制系统中。

Simulink的离散系统模块包括离散积分器、延时模块、函数模块、离散状态空间模块等。与连续系统模块不同，离散系统模块需要特别注意时间步长的设定，因为这将影响仿真结果的精确性。在设计离散系统仿真时，正确的初始化设置以及数据类型的选择也非常重要，以保证系统运行的稳定性和结果的可靠性。

### 2.2.3 子系统和封装模块

在复杂的仿真模型中，有时需要将模型的某部分进行封装，形成子系统。子系统模块能够帮助我们更好地组织和管理模型的结构，提高模型的可读性和可维护性。封装模块是指将模型中的多个模块组合成一个单独的模块，这个模块可以有输入输出端口，就像一个单独的模块一样使用。

创建子系统的方法通常包括使用封装功能将现有模块组合成一个新的模块，或者通过子系统模块来创建新的子系统。子系统可以有自己的参数和输入输出接口，因此可以独立于主模型进行测试和验证。这种模块化的建模方法是提高工程效率和保证模型质量的重要手段。

## 2.3 模块参数化与配置技巧

### 2.3.1 参数的设置和优化

Simulink模型中的参数设置对于模型的行为有直接的影响。正确和精确地设置参数能够保证模型的仿真结果与实际系统的行为相匹配。

参数化是Simulink中一个非常重要的概念，它允许用户动态地修改参数的值。在参数设置过程中，通常需要根据系统的需求或者实验数据来调整。参数优化则是使用优化算法如遗传算法、粒子群优化等来自动找到一组最佳的参数，使得模型的输出符合某些预定的性能指标。优化过程可能需要多次迭代，并且通常需要使用Simulink的优化工具箱或链接到MATLAB中的优化函数。

### 2.3.2 模块库中的回调函数使用

回调函数是Simulink模块的一种高级特性，它允许用户在特定的事件发生时执行自定义的代码。在模块的回调函数中可以编写代码来改变模块的行为，响应用户的动作，或者进行复杂的初始化操作。

例如，一个模块的`OpenFcn`回调函数会在模块打开时执行。这可以用于加载外部文件、初始化变量或者设置复杂的参数。`StopFcn`回调函数则在仿真停止时执行，用于清理资源或者保存数据。回调函数的使用可以极大地增强模块的功能性和灵活性。

在使用回调函数时，需要对Simulink的回调机制有深入的理解，包括它们的触发时机和参数传递规则。正确地使用回调函数可以使得模型的交互更加友好，同时可以实现更复杂的仿真逻辑。

通过模块参数化和回调函数的合理配置，可以实现复杂仿真模型的高级定制和优化，这对于提高仿真的准确性和效率具有重要意义。

# 3. 7个关键案例逐个剖析

在Simulink中实现仿真模型的构建和分析不仅限于理论上的学习，更是要通过实际案例来验证和深入理解。本章节将展示七个精选的Simulink案例，每个案例都旨在解决特定的工程和科学问题，从不同的角度体现出Simulink在仿真实践中的强大功能和灵活性。

## 3.1 案例一：直流电机控制系统仿真

### 3.1.1 模型构建与模块选择

在本案例中，我们将构建一个用于控制直流电机速度的仿真模型。首先，需要考虑直流电机的数学模型，它通常包含电阻、电感、反电动势常数和转矩常数。Simulink提供了一系列模块来模拟这些电气和机械属性。

构建模型时，通常会使用以下模块：
- DC Motor（直流电机）模块：模拟直流电机的行为。
- Power Electronics模块：控制电机的电源，包括MOSFET或IGBT开关。
- PID Controller（比例-积分-微分控制器）：用于调节电机速度。
- Scope（示波器）模块：显示电机速度和控制信号的变化。

### 3.1.2 参数设置与结果分析

直流电机控制系统的参数设置对于仿真结果至关重要。比如，PID控制器的增益需要根据直流电机的具体参数和控制需求进行精心调整。通过多次运行仿真并观察Scope输出，可以逐步微调PID参数以达到满意的控制效果。

仿真结果分析将包括电机启动和停止的动态响应、负载变化时电机速度的调节以及系统稳定性评估。分析过程中，我们会关注电机的超调量、调整时间以及稳态误差等关键性能指标。

## 3.2 案例二：信号处理流程仿真

### 3.2.1 信号源模块与滤波器模块

信号处理是Simulink应用的一个重要领域。在这个案例中，我们通过Simulink构建一个信号处理流程，其中包括信号的生成和滤波。

关键模块包括：
- Signal Generator（信号发生器）：用于产生各种标准波形信号，如正弦波、方波等。
- Filter模块：包括低通、高通、带通和带阻滤波器，用于处理信号。

### 3.2.2 信号的生成与分析

信号的生成需要根据实际应用场景设定合适的参数，如频率、幅度和相位等。滤波器的性能分析则涉及到频域特性的理解，可以通过使用Spectrum Analyzer（频谱分析仪）模块来展示滤波前后的信号频率谱。

在信号处理流程的仿真中，我们会评估滤波器设计的有效性，包括滤波器的截止频率、通带和阻带的斜率等。这有助于我们理解如何在保持信号完整性的同时抑制噪声。

% 代码块示例：设置信号发生器模块参数
sg = SignalGenerator('SignalType','sine','Amplitude',1,'Frequency',100,'SampleTime',0.001);
set_param(sg,'Amplitude','1.5') % 增加信号幅度

## 3.3 案例三：热力学系统动态仿真

### 3.3.1 热传递模块的应用

在热力学系统仿真案例中，我们将探索如何使用Simulink来模拟热能的传递和转换。热传递模块在Simulink中可以通过Thermal Liquid（热液体）库和Thermal Mass（热质量）模块实现。

关键模块包括：
- Conduction Heat Transfer（导热）模块：模拟热能通过固体介质的传递。
- Convective Heat Transfer（对流热传递）模块：模拟流体介质中热能的传递。
- Thermal Mass模块：表示物体的热容量，模拟温度变化的动态特性。

### 3.3.2 模型验证与调整

建立好模型后，模型的验证与调整是必不可少的环节。通过与实际测量值的对比，调整模型参数以确保仿真结果的准确性。这一步骤可能需要多次迭代来完成。

模型验证的一个重要方面是确认热传递系数和热容量的正确性。通过与实验数据或文献数据的对比，可以评估仿真模型是否可靠。

% 代码块示例：设置热质量模块参数
tm = ThermalMass('Mass',1,'SpecificHeat',900,'InitialTemp',25);
set_param(tm,'Mass','1.2') % 增加质量值以模拟物体热容的增加

## 3.4 案例四：飞行器控制系统仿真

### 3.4.1 控制系统建模

在飞行器控制系统仿真案例中，我们的目标是模拟和分析飞行器的动态响应和控制策略。Simulink提供了航空动力学和控制模块库，这些模块对于构建飞行器的数学模型非常有用。

关键模块包括：
- Flight Dynamics（飞行动力学）模块：包含飞行器的六自由度模型。
- Flight Control System（飞行控制系统）模块：用于设计和实现飞行器的控制算法。
- Scope模块：用于显示飞行器的姿态、速度和控制输入等信号。

### 3.4.2 飞行器动态响应分析

在飞行器的动态响应分析中，我们主要关注飞行器的稳定性、响应速度以及控制系统的鲁棒性。我们可以通过改变控制输入（如偏航角、俯仰角、滚转角等）来测试飞行器的动态行为。

此外，还可以通过输入各种飞行条件（如风速、风向变化）来评估飞行器的性能和控制系统的适应能力。

% 代码块示例：设置飞行器控制模块参数
fcs = FlightControlSystem('ControlType','PID','Kp',1,'Ki',0.1,'Kd',0.01);
set_param(fcs,'Kp','1.5') % 调整比例增益以改变控制系统性能

## 3.5 案例五：自动变速器控制仿真

### 3.5.1 动力系统与控制逻辑

在自动变速器控制仿真中，我们将模拟汽车动力传动系统的不同模式，并设计相应的控制策略来优化车辆性能。

关键模块包括：
- Powertrain Blockset中的车辆动力学模块：模拟发动机、传动系和车辆的动态行为。
- Stateflow模块：用于实现复杂的控制逻辑，如自动换挡策略。
- Scope模块：用于展示变速器的档位变化、发动机转速和车辆速度等信息。

### 3.5.2 仿真结果与实际性能对比

通过比较不同控制策略下的仿真结果，我们可以评估哪种策略更适合特定的驾驶条件和性能要求。这可能包括不同路况、不同载重和不同驾驶模式下的性能分析。

性能评估的内容可能包括加速度、燃油效率、传动效率和变速器的寿命等因素。

% 代码块示例：设置车辆动力学模块参数
vehicle = PowertrainSystem('EngineType','SI','GearboxType','Automatic','NumGears',6);
set_param(vehicle,'NumGears','7') % 增加档位数量以优化传动比

## 3.6 案例六：电力系统稳定仿真

### 3.6.1 电网模型构建

电力系统稳定仿真案例中，我们将模拟电网在遭受扰动时的响应，并评估其稳定性。Simulink的Simscape Electrical模块库为电力系统组件提供了丰富的建模工具。

关键模块包括：
- Synchronous Machine（同步电机）模块：模拟发电机行为。
- Transmission Line（传输线）模块：模拟输电线路的参数。
- Bus模块：用于连接电网中的各种组件。

### 3.6.2 稳定性分析与改进措施

在稳定性分析阶段，我们需要考虑诸如短路、负载变化和发电机失效等多种情况。通过构建这些事件的仿真场景，我们能评估系统的动态响应和稳定性。

改进措施可能包括电网的重新配置、增加稳定性控制装置（如静态无功补偿器SVG）、以及制定更有效的负荷管理策略。

% 代码块示例：设置同步电机模块参数
sm = SynchronousMachine('Type','SalientPole','Inertia',10,'Damping',1);
set_param(sm,'Damping','0.8') % 减小阻尼以模拟更低的系统阻尼比

## 3.7 案例七：工业过程控制仿真

### 3.7.1 过程模块的选择与配置

工业过程控制仿真案例中，我们将模拟一个典型的工业生产过程，例如一个化工反应器。Simulink的Physical Modeling库提供了多种工业过程控制模块，可用于构建复杂的流程图。

关键模块包括：
- Reactor（反应器）模块：模拟化学反应过程。
- Transfer Function（传递函数）模块：表示控制过程中的线性系统。
- PID Controller（比例-积分-微分控制器）模块：用于维持过程变量的恒定值。

### 3.7.2 控制策略与优化方法

控制策略的设计是本案例的核心，其中包括了反馈控制和前馈控制的实现。优化方法可能涉及到系统的动态分析，参数的调整，以及可能的先进控制算法的应用。

优化的目标可能是提高产品的质量、增加系统的稳定性、降低能耗或是提高产量等。

% 代码块示例：设置反应器模块参数
reactor = TransferFunction('Numerator', [0 0.5], 'Denominator', [1 5 6]);
set_param(reactor,'Numerator','[0 0.4]') % 减少传递函数的分子系数以模拟更慢的反应速率

以上案例分析展示了Simulink在不同领域的应用。通过案例的逐步剖析，我们可以看到Simulink不仅仅是一个强大的仿真工具，它同样可以作为工程实践、教学和研究中的得力助手，帮助用户更深入地理解复杂的系统动态特性。

# 4. Simulink仿真高级技巧与最佳实践

## 4.1 仿真性能优化方法
### 4.1.1 快速仿真技巧
在构建复杂的仿真模型时，快速仿真技巧是提高效率的关键。为了减少仿真时间，开发者可以采用以下策略：

1. **合理配置求解器**：根据模型的特性和需要求解的方程类型选择合适的求解器。连续系统推荐使用ode45，因为它适用于大多数非刚性问题，且速度较快。对于刚性问题，可选择ode15s等适用于刚性问题的求解器。

2. **减少仿真步长**：仿真步长越小，求解精度越高，但仿真时间也会相应增加。合理地设置仿真步长可以平衡求解精度和仿真速度。

3. **利用子系统简化模型**：通过将模型分解为多个子系统，可以减少Simulink在求解过程中的计算量。这样，Simulink可以更加高效地进行仿真。

4. **简化模型逻辑**：去除冗余的逻辑和不必要的复杂性，简化模型的数学描述，可以显著提高仿真效率。

### 4.1.2 代码生成与加速仿真
Simulink提供代码生成工具，可以将Simulink模型转换成实时可执行代码，从而在特定硬件上进行加速仿真。

1. **使用Simulink Coder**：Simulink Coder可以将Simulink模型转换为C/C++代码，然后可以编译为可执行文件，在目标平台上运行，大幅度减少仿真时间。

2. **与硬件在环仿真结合**：将生成的代码部署到实际硬件或实时处理器上，进行硬件在环(Hardware-In-The-Loop, HIL)仿真，可以模拟实际工作条件下的性能。

3. **加速器模式**：Simulink支持加速器模式，这是一种半编译模式，可以加快模型仿真速度，而无需生成代码。

## 4.2 仿真结果的可视化与分析
### 4.2.1 数据可视化工具使用
Simulink提供了丰富的数据可视化工具，包括 Scope 和 To Workspace 模块等，可以直观地展示仿真结果。

1. **使用 Scope 模块**：Scope 模块可以显示实时信号数据，易于观察信号的动态变化。

2. **使用 To Workspace 模块保存数据**：此模块可以将信号保存到工作空间中，然后利用MATLAB进行更深入的数据分析和可视化。

3. **使用 MATLAB 函数和表达式分析数据**：结合MATLAB强大的数据分析能力，对仿真结果进行进一步的处理和分析。

### 4.2.2 结果分析与误差修正
在获得仿真数据后，需要对结果进行分析，以验证模型的准确性和可靠性。

1. **对比分析**：将仿真结果与理论值或实际测量值进行对比，评估模型精度。

2. **误差分析**：识别仿真结果中的偏差来源，如数值误差、模型简化误差等。

3. **修正与优化**：根据误差分析的结果，对模型进行修正和优化。

## 4.3 仿真模型的验证与测试
### 4.3.1 模型验证的策略
为了确保仿真模型的准确性和可靠性，需要对模型进行严格的验证。

1. **一致性验证**：确保模型行为符合设计规范和理论预期。

2. **灵敏度分析**：分析模型对参数变化的响应，以确定关键参数。

3. **验证实验设计**：设计实验来验证模型中特定现象或行为。

### 4.3.2 测试用例设计与执行
设计有效的测试用例对于验证模型至关重要。

1. **测试用例设计**：创建一系列的测试用例，覆盖模型的所有关键功能和边界条件。

2. **测试执行**：执行测试用例，并记录结果以进行后续分析。

3. **结果比较与分析**：将测试结果与预期结果进行对比，并进行必要的调整。

以上各小节深入浅出地阐述了Simulink仿真高级技巧与最佳实践，为专业人士提供了在具体工作中应用Simulink时应注意的要点和方法。接下来，第五章将探讨Simulink仿真案例项目管理，进一步拓宽Simulink应用的深度与广度。

# 5. Simulink仿真案例项目管理

在现代工程设计与分析中，项目管理是确保高效、有序完成任务的关键环节。对于Simulink仿真项目而言，恰当地管理不仅涉及代码和数据，还包含仿真模型的版本控制、团队协作、项目交付与维护等诸多方面。本章节将围绕Simulink仿真案例项目管理进行深入探讨，介绍相关框架、工具及最佳实践。

## 5.1 项目管理框架与工具

### 5.1.1 项目管理的基础知识

在Simulink仿真项目中，项目管理首先是定义项目范围、时间线和资源分配。清晰的项目范围有助于确定项目目标和交付成果，合理的时间线能确保项目按时完成，而有效的资源分配则是完成项目的基础。了解项目管理的基础知识包括掌握计划、组织、指导、控制和收尾这五大过程组，以及整合、范围、时间、成本、质量、人力资源、沟通、风险和采购九大知识领域。

### 5.1.2 Simulink项目管理工具的使用

为了更好地管理Simulink仿真项目，MathWorks提供了项目管理工具，比如Simulink Projects。它可以帮助用户组织文件、管理更改、跟踪项目状态以及与团队协作。Simulink Projects支持版本控制功能，如Git和SVN，从而实现项目文件的版本跟踪和管理。此外，还可以利用MATLAB和Simulink的内置功能，如MATLAB的`mlreportgen`和Simulink的`SimulinkReportGenerator`，生成自动化报告，这些报告可以详细记录模型的状态和仿真结果。

## 5.2 仿真案例的版本控制与团队协作

### 5.2.1 版本控制的重要性

版本控制是项目管理中的关键组件，特别是对于需要多人协作和频繁更新的仿真项目。采用版本控制系统如Git，可以记录项目文件的历史变更，使得团队成员可以在不同的代码分支上独立工作，并最终合并各自的工作。版本控制还有助于回溯旧版本，以便在新特性引入问题时恢复到稳定的工作版本。

### 5.2.2 团队协作的方法与实践

在Simulink项目中，团队协作的方法包括但不限于代码审查、定期会议和文档共享。代码审查可以提前发现潜在的错误和问题，定期会议能够同步项目进度和问题解决状态，而文档共享则保证了团队成员对项目目标和实现方式的理解一致性。Simulink Project中的集成工具支持这些协作活动，比如通过MATLAB Drive进行文件共享，利用Matlab Online支持远程协作和代码审查。

## 5.3 案例项目的交付与维护

### 5.3.1 仿真项目的文档化

有效的文档化不仅能确保项目成果的长期可访问性，也能为项目交付和未来维护提供便利。对于Simulink仿真项目而言，文档化应包含仿真模型的详细描述、使用说明、性能指标以及可能遇到的问题和解决方案。此外，文档还应该包含针对不同模块的参数设置和模型验证的结果，以及必要的设计和实施依据。

### 5.3.2 仿真模型的维护与更新策略

仿真模型的维护和更新是项目生命周期的一部分，尤其当仿真的目标系统或相关标准发生变化时。有效的维护策略涉及定期检查模型的状态和性能，确保仿真结果的准确性和可靠性。更新策略应明确如何处理不同来源的更改请求，如客户需求变更、技术升级等。这可能需要定期回顾项目文档和测试用例，确保仿真模型与最新的项目需求保持一致。

在本章节中，我们详细探讨了Simulink仿真案例项目管理的核心要素，包括项目管理框架与工具的使用，版本控制与团队协作的重要性及方法，以及项目交付与维护的最佳实践。理解并应用这些管理技巧，对于确保Simulink仿真项目的成功执行至关重要。通过持续的管理和优化，仿真项目能够实现预期目标，并适应项目开发过程中的各种变化。

# 6. 展望未来：Simulink在新领域的应用前景

## 6.1 创新技术与Simulink的融合
### 6.1.1 人工智能与机器学习
随着人工智能（AI）和机器学习（ML）的兴起，Simulink正逐渐成为这些技术应用的一个重要平台。通过将AI和ML技术集成到Simulink中，可以实现更为复杂和智能的仿真模型。例如，使用MATLAB的机器学习工具箱可以构建预测模型，然后将这些模型直接导入Simulink进行动态仿真。这样，工程师可以在设计阶段预测系统的行为，并进一步优化系统性能。

### 6.1.2 物联网与实时数据处理
Simulink通过其对实时系统的支持，与物联网（IoT）技术的结合日益紧密。借助Simulink Real-Time模块，可以创建实时仿真，对从物理设备收集的数据进行分析和响应。此外，Simulink与MATLAB Production Server的集成允许将仿真模型部署到生产环境中，实现与现实世界的数据流的无缝对接。

## 6.2 Simulink在教育与科研中的作用
### 6.2.1 教育领域的教学应用
Simulink在教育领域中作为教学工具的价值不断被挖掘。它提供了直观的图形界面和丰富的模块库，使得学生和教师能够轻松地构建和测试复杂的系统模型。在课堂上，学生可以通过仿真了解理论知识的实际应用，加强了对工程原理的理解。同时，Simulink的互动式学习平台支持在线课程和远程教育，为学生提供了灵活的学习方式。

### 6.2.2 科研工作中的仿真支持
在科研领域，Simulink为研究者提供了强大的仿真支持，特别是在复杂系统的建模和分析方面。科研人员可以利用Simulink强大的数学计算能力，进行算法开发、系统验证和性能优化。例如，在信号处理和通信系统的研究中，Simulink允许研究人员快速搭建模型，并在不同条件下测试系统的性能。

## 6.3 持续发展与Simulink的未来趋势
### 6.3.1 持续集成与持续部署
随着软件工程实践的进步，持续集成（CI）和持续部署（CD）已成为软件开发的标准流程。Simulink正逐步融入这些现代软件开发流程中，通过与Git和其他版本控制系统集成，支持团队协作和代码的自动化测试。这为Simulink模型的版本控制和质量保证提供了强有力的工具支持。

### 6.3.2 Simulink平台的进化路径
在未来的版本更新中，我们期待Simulink能够继续增强其性能和功能。这包括对新硬件平台的支持，如量子计算、边缘计算等，以及对新算法的集成，例如深度学习优化算法。同时，用户界面和交互体验的改进也将是Simulink发展的重要方向，以便更高效地满足专业工程师和学术研究者的需求。