企业官网建设流程全解析

Simulink仿真数据自动化处理：MATLAB脚本批量生成高清波形图

每次运行完Simulink仿真后，面对工作区里堆积如山的d1、d2、d3...数据集，你是否还在手动一个个点击导出图表？工程师的时间不该浪费在重复操作上。本文将分享一套完整的MATLAB脚本解决方案，实现从数据提取、图表生成到自动保存的全流程自动化，特别适合参数扫描、多工况对比等需要批量处理仿真结果的场景。

1. 构建自动化处理框架

1.1 仿真数据标准化命名

在开始编写脚本前，我们需要确保Simulink仿真数据的存储方式具有可预测性。建议在仿真前对示波器进行统一配置：

% 示波器配置示例 set_param([modelName '/Scope'], 'SaveToWorkspace', 'on',... 'SaveName', 'simData', 'DataFormat', 'StructureWithTime');

这种配置会生成结构体数组simData，包含time和signals字段。对于多组仿真，可以采用单元数组存储：

simResults = cell(1,5); % 预分配5次仿真结果的存储空间 for i = 1:5 simOut = sim(modelName); simResults{i} = simOut.get('simData'); end

1.2 数据批量提取技巧

MATLAB提供了多种数据访问方式，针对批量处理场景，推荐使用动态字段引用：

% 获取第n次仿真的第m个信号数据 signalData = simResults{n}.signals(m).values; timeVector = simResults{n}.time;

对于更复杂的信号结构，可以构建辅助函数：

function data = getSignalByName(simStruct, signalName) idx = find(strcmp({simStruct.signals.label}, signalName)); data = simStruct.signals(idx).values; end

2. 专业级图表批量生成

2.1 多图布局与样式预设

创建统一的图表样式模板，确保所有生成的图表保持一致的视觉风格：

function applyPlotStyle(hFig) % 设置默认字体 set(hFig, 'DefaultAxesFontName', 'Times New Roman',... 'DefaultTextFontName', 'Times New Roman'); % 获取所有坐标轴对象 ax = findobj(hFig, 'Type', 'axes'); for i = 1:length(ax) set(ax(i), 'FontSize', 12, 'LineWidth', 1.5,... 'XGrid', 'on', 'YGrid', 'on', 'GridAlpha', 0.3); xlabel(ax(i), 'Time (s)', 'FontWeight', 'bold'); end end

2.2 动态子图生成算法

根据信号数量自动计算最优的子图布局：

function [rows, cols] = calcSubplotLayout(numPlots) cols = ceil(sqrt(numPlots)); rows = ceil(numPlots/cols); end

应用示例：

% 对单次仿真生成所有信号的子图 signals = simResults{1}.signals; [rows, cols] = calcSubplotLayout(length(signals)); hFig = figure('Position', [100 100 1200 800]); for i = 1:length(signals) subplot(rows, cols, i); plot(simResults{1}.time, signals(i).values); title(signals(i).label, 'Interpreter', 'none'); end applyPlotStyle(hFig);

3. 高级输出与自动化保存

3.1 多格式输出配置

支持同时生成多种格式的输出文件，满足不同使用场景：

实现代码：

function savePlotMultiFormat(hFig, baseName) % PNG格式 print(hFig, [baseName '.png'], '-dpng', '-r300'); % PDF格式 print(hFig, [baseName '.pdf'], '-dpdf', '-r600'); % SVG格式 saveas(hFig, [baseName '.svg']); end

3.2 智能文件命名系统

根据仿真参数自动生成有意义的文件名：

function fileName = generateFileName(simParams, signalName) paramStr = ''; fields = fieldnames(simParams); for i = 1:length(fields) paramStr = [paramStr '_' fields{i} num2str(simParams.(fields{i}))]; end fileName = ['Plot_' signalName paramStr]; end

4. 实战：完整批处理流程

4.1 主处理脚本架构

% 初始化 simCases = loadSimulationCases(); % 加载所有仿真配置 outputDir = 'Results_' datestr(now, 'yyyymmdd_HHMM'); mkdir(outputDir); % 批量处理 for caseIdx = 1:length(simCases) % 加载仿真数据 simData = loadSimulationData(simCases(caseIdx)); % 创建图表 hFig = createStandardFigure(); % 绘制所有信号 for sigIdx = 1:length(simData.signals) % ... 绘制代码 ... end % 应用样式 applyPlotStyle(hFig); % 保存输出 fileName = generateFileName(simCases(caseIdx), 'AllSignals'); savePlotMultiFormat(hFig, fullfile(outputDir, fileName)); % 关闭图形 close(hFig); end

4.2 异常处理与日志记录

完善的批处理系统需要包含错误处理机制：

try % 主处理代码 catch ME logError(fullfile(outputDir, 'error_log.txt'), ME); continue; % 跳过当前case继续处理下一个 end

日志函数示例：

function logError(logFile, ME) fid = fopen(logFile, 'a'); fprintf(fid, '[%s] Error: %s\n', datestr(now), ME.message); for i = 1:length(ME.stack) fprintf(fid, ' %s (%d)\n', ME.stack(i).name, ME.stack(i).line); end fclose(fid); end

在实际项目中，这套系统将仿真结果处理时间从原来的数小时缩短到几分钟。特别是在需要反复调整参数进行对比分析时，只需运行一次脚本就能获得所有工况的标准化图表输出。