LabVIEW与MATLAB混合编程

TLAB进程。这样用户就可以很方便地在自己的LabVIEW应用程序中使用MATLAB，包括执行MATLAB命令、使用功能丰富的各种工具箱，如神经网络工具箱（Neural Network Toolbox）、优化工具箱（Optimization Toolbox）。值得注意的是：LabVIEWgn MATLAB之间的数据通信仅支持Real、RealVector、RealMatrix、Complex、VectorComplex、Matrix六种格式的数据，且必须根据具体情况进行选择。

当开发涉及工业控制的应用程序时，常常由于控制参数的非线性变化，而无法建立合适的模型。由于此类问题，神经网络提供了一条有效的解决途径。

在LabVIEW开发环境下新建一个三层BP神经网络的VI程序，程序框图见图1。网络结构部分主要设置隐层（Hidelay）神经元的个数、传递函数（Transfer Function）以及网络训练算法（Algorithm）。经过样本数据（Training Data）训练过的网络，即可进行仿真测试了。MATLAB脚本程序可以在MATLAB环境下调试，再使用MATLAB Script节点导入MATLAB脚本；也可以直接在MATLAB Script节点中编写。位于Function>>Mathematics>>Formula模板中的MATLAB Script节点可以导入MATLAB脚本。图1中的脚本程序使用CASE语句进行传递函数和训练算法的选择。MATLAB Script节点中神经网络的输入层和隐层之间的权值矩阵inweight应指定为RealMatrix，在LabVIEW中对应的数据类型是二维实数据组Net.I-Weight。各变量数据类型见表1。

表1 MATLAB Script节点输入、输出变量的数据类型

变量名 LabVIEW数据类型 MATLAB数据类型 size of algorithm Double floating point numeric Real t outweight hideb outb result 1D array double floating numeric Real Vector p data inweight Multidimensional array double floating point numeric Real Matrix

在此程序中，得到的BP网络各层的权值矩 阵、阈值向量和传递函数三类参非常有用的，它们决定了神经网络的结构与特性。因此当神经网络训练好后，可以直接使用这些参数处理新的数据，得到预测值，而不必重新调用MATLAB。这样程序的运行效率会更高。另一方面，将调试好的神经网络VI创建成一个子VI，作为模块保存，当需要更新网络时，可以随时调用。

虽然通过MATLAB Script节点进行通信比较易于实现，但以这种方式调用MATLAB时，在任务栏中将出现一个MATLAB图标，单击该图形会打开MATLAB窗口，在其中可以任意输入。通常，这会干扰前台程序的运行，甚至造成程序的崩溃。另一方面，当MATLAB Script节点中的脚本执行完后，MATLAB也不能自动关闭。

2.2 方法二：使用ActiveX函数模板

在LabVIEW中使用引用（Refnum,也称“参考”）作为某个对象的唯一标识符，对象可以是文件、设备、网络连接等。由于引用是指向某一对象的临时指针，因此它仅在对象被打开时有效，一旦对象被关闭，LabVIEW就会自动断开连接。为了获得对MATLAB更多的控制，可以在框图程序中使用LabVIEW提供的相关子VI创建和获取自动化对象，然后在代码中调用对象拥有的方法和属性。当不再需要对象时，可以随时释放。

LabVIEW可以调用MATLAB（Ver6.5）ActiveX接口提供的8个方法和1个属性：

（1）BSTR Execute([in]BSTR Command)：Execute方法调用MATLAB执行一个合法的MATLAB命令，并将结果以字符串的形式输出。其输入参数Command为字符串类型变量，表示一个合法的MATLAB命令。

（2）void GetFullMa

《LabVIEW与MATLAB混合编程(第2页)》