[本篇论文由上帝论文网为您收集整理，上帝论文网http://paper.5var.com将为您整理更多优秀的免费论文，谢谢您的支持]
  摘要：结合实例详细介绍了LabVIEW通过ActvieX自动化技术与MATLAB进行混合编程，达到了利用MATLAB优化算法库的目的。将LabVIEW与MATLAB有机结合，是一条开发智能虚拟仪器的有效途径。

    关键词：LabVIEW语言 MATLAB ActiveX自动化 虚拟仪器

LabVIEW建立在易于使用的图形数据流编程语言——G语言上，大大简化了过程控制和测试软件的开发。MATLAB以其强大的科学计算功能、大量稳定可靠的算法库，已在为数学计算工具方面事实上的标准。但才者各有欠缺，利用混合编程可以相互补充。

MATLAB是MathWorks公司开发的“演算纸”式的程序设计语言。它提供了强大的矩阵运算和图形处理功能，编程效率高，几乎在所有的工程计算领域都提供了准确、高效的工具箱。但MATLAB也有不足之处，例如界面开发能力较差，并且数据输入、网络通信、硬件控制等方面都比较繁琐。

美国NI公司推出的LabVIEW语言是一种非常优秀的面向对象的图形化编程语言。LabVIEW是实验室虚拟仪器集成环境（Laboratory Virtual Instrument Engineering Workbench）的简称，是一个开放型的开发环境，使用图标代替文本代码创建应用程序，拥有大量与其它应用程序通信的VI库。例如LabVIEW使用自动化ActiveX、DDE和SQL，可与其它Windows应用程序集成；使用DataSocket技术、Web Server、TCP/IP和UDP网络Vis，与远程应用程序通信。在对硬件的支持方面，LabVIEW集成了与GPIB、VXI、PXI、RS-232/485、PLC和插入式数字采集设备等进行数据通信的全部功能。在LabVIEW下开发的程序称为虚拟仪器VI（Virtual Instrument），因为其外形和操作可以模拟实际的仪器。在对各种算法的支持方面，LabVIEW的工具箱非常有限，这就限制了大型应用程序的快速开发。

鉴于LabVIEW和MATLAB的优点，本文介绍了通过ActiveX技术，在LabVIEW(Ver6.1)中调用和操作MATLAB（Ver6.5）的方法，实现LabVIEW和MATLAB的混合编程，充分发挥两者的优势。

图1

1 基本原理

ActiveX自动化是基于组件对象模型COM（Component Object Model）的技术，允许应用程序或组件控制另一个应用程序或组件的运行，它包括自动化服务器和自动化控制器。MATLAB支持ActiveX自动化技术。通过使用MATLAB自动化服务器功能，可以在其它应用程序中执行MATLAB命令，并与MATLAB的工作空间进行数据交换。因此可以借助这一特性，把LabVIEW与MATLAB结合，充分利用MATLAB提供的大量高效可靠的算法和LabVIEW的图形化编程能力，混合开发出功能强大的应用软件。

2 应用举例

在混合编程中，通常用LabVIEW设计用户图形界面，负责数据采集和网络通信；MATLAB在后台提供大型算法供LabVIEW调用。

2.1 方法一：使用MATLAB Script节点

为了简化调用过程，LabVIEW提供了MATLAB Script节点。LabVIEW使用ActiveX技术执行该节点，启动一个MATLAB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

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

[1] [2]  下一页