ЦИТМ Экспонента

💼 Новые электроэнергетические проекты в Сообществе Engee 1⃣ Автономная гибридная энергоустановка (ДГУ + СЭС + СНЭ) В проекте рассмотрена модель автономной гибридной электростанции на базе дизель-генераторной установки и солнечных панелей с системой накопления энергии. Актуально для изолированных энергосистем: нефтегаз, вахтовые поселки, промплощадки. Анализируется работа алгоритма управления СНЭ для сглаживания резкопеременной нагрузки подъемно-транспортного механизма, позволяющего существенно снизить расход топлива и моторесурса дизель-генераторов. 2⃣ Тестирование дистанционной защиты из COMTRADE-файлов Пример использования реальных осциллограмм аварийных режимов в формате COMTRADE для проверки алгоритмов дистанционной защиты. Полезно для верификации релейной защиты и отладки логики работы защитных устройств. 3⃣ Модель 3L-NPC преобразователя Демонстрационная модель трехуровневого NPC-преобразователя: структура силовой схемы, формирование управляющих сигналов и анализ выходных напряжений. Подойдет для изучения многоуровневых преобразователей и алгоритмов управления. Есть даже видеоразбор модели на Rutube engee.com/...g). 4⃣ Многофазные электродвигатели: теория и моделирование Проект посвящен теоретическим основам многофазных электродвигателей и их моделированию в Engee. Рассматриваются особенности математических моделей, преимущества многофазных схем и примеры их практического применения. Видеоразбор на Rutube. 5⃣ Управление насосом через трехфазный асинхронный двигатель Пример построения мультидоменной физической модели электропривода насосной установки на базе трехфазного асинхронного двигателя. Показано, как реализовать управление, задать параметры двигателя и проанализировать динамику системы.

В Объединенной двигателестроительной корпорации (АО «ОДК») подтвердили возможности Engee для моделирования САУ Недавно прошло совещание, посвящённое возможностям платформы Engee в проектировании и моделировании систем автоматического управления, где несколько предприятий контура представили свой практический опыт работы с платформой. САУ — зона максимальной инженерной ответственности: здесь критичны корректность математических моделей, устойчивость алгоритмов управления и готовность решений к интеграции в бортовое ПО. Ошибки на этом уровне стоят слишком дорого, поэтому инструменты для моделирования выбирают особенно тщательно. В ходе обсуждения в ОДК решили определить ПО Engee в качестве основного решения для моделирования работы САУ на предприятиях контура и отметили, что Engee: ✔ подходит для замены MATLAB и Simulink в задачах моделирования динамики и САУ ✔ позволяет быстро переходить с зарубежных решений благодаря автоматической конвертации моделей ✔ поддерживает моделирование гидромеханических, электрических и управляющих контуров ✔ даёт возможность проектировать регуляторы и алгоритмы управления ✔ обеспечивает генерацию C-кода для интеграции в бортовое ПО и стенды моделирования ✔ поддерживает работу с внешним C/C++ кодом и библиотеками ✔ может использоваться для полунатурного моделирования совместно с КПМ РИТМ ✔ отмечен интерес к развитию Engee в части поддержки сертификации бортового ПО САУ по требованиям КТ-178C В результате в ОДК подтвердили, что Engee закрывает ключевые задачи модельно-ориентированного проектирования САУ, соответствует уровню промышленных инженерных платформ и рекомендуется в целях импортозамещения.

Релиз 26.01 – новое в январе ❄️☃🌨️ Когда за окном мороз и метель, самое время греться хорошими новостями. В онлайн-версии Engee вышел новый релиз — с обновлениями, которые должны упростить работу, убрать пару шероховатостей и добавить новых возможностей для технических расчетов и динамического моделирования. Ниже — список ключевых изменений, которые вошли в этот релиз. Самое важное: – Пакеты поддержки Arduino и STM32; – Интеграция с ЛОГОС и Euler; – Частоты дискретизации 2.0; – Упрощение работы с simout; – Блоки для поддержки ARINC-429. А еще: ✔ Новые блоки и функции в библиотеках Базовая, Спутниковые системы, РЧ, Навигация, Смешанный сигнал, Электричество, Гидравлика, ЦОС, Аэрокосмические системы и Оборудование; ✔ Расширение функциональности Редактора данных моделей ; ✔ Поддержка передачи параметров в StartCode блока C Function; ✔ Поддержка внешних артефактов в блоках C Function; ✔ Новые статьи в Документации и новые Примеры. Подробности — в разделе Что нового 26.01. Важно! Школа системного моделирования будет проходить уже на этом релизе Engee. Поэтому имеет смысл посмотреть релиз-ноты, разобраться с обновлениями и заранее освоить новые возможности — именно в таком виде они будут использоваться в учебных материалах и заданиях. 🤩 Регистрация в Школу всё ещё открыта, можно присоединиться. Также подтвержден очный базовый тренинг в феврале. Группа набирается, свободные места пока есть — если планировали участвовать, лучше регистрироваться заранее.

🧠 Что скрывает запись мозга? Практический разбор обработки ЭЭГ-сигналов Расшифровка сигналов головного мозга – ключ к диагностике, нейроинтерфейсам фундаментальным исследованиям. Электроэнцефалография (ЭЭГ) регистрирует эту активность, однако полезный биосигнал требует предварительной обработки для выделения из фоновых артефактов. Для его анализа применяются методы цифровой обработки. В Сообществе Engee есть готовый проект, который шаг за шагом показывает этот процесс на реальных данных. Проект реализован на специализированной библиотеке EngeeDSP и использует формат EDF - отраслевой стандарт для обмена медицинскими данным. Проект — это полный инженерный пайплайн: 🔹импорт и визуализация многоканальной ЭЭГ из EDF 🔹первичный спектральный анализ для диагностики артефактов и сетевой помехи 🔹режекторная фильтрация 60 Гц средствами EngeeDSP 🔹полосовая фильтрация для выделения δ / θ / α / β-диапазонов 🔹БПФ для анализа спектра и контроля качества фильтрации 🔹частотно-временной анализ для работы с нестационарными фрагментами 🔹корреляционный анализ между каналами для оценки связности С точки зрения платформы здесь важно не только «что считается», но и как это реализовано в Engee: ✔ вся цепочка обработки описана через функции библиотеки EngeeDSP ✔ параметры фильтров и преобразований зафиксированы и воспроизводимы ✔ пайплайн легко масштабируется на другие записи и каналы ✔ тот же шаблон применим к ЭКГ, ЭМГ, вибрации, акустике и другим временным рядам По сути, это референс-проект, который показывает, как использовать Engee как основу для стандартных процессов ЦОС в лаборатории, НИОКР или прикладных задачах. 👉 Статья в Сообществе Обработка ЭЭГ – лишь частный случай. Биомедицинская инженерия работает с широким спектром сигналов (ЭКГ, ЭМГ, биорадиолокация и др.) и задач – от фильтрации до классификации с помощью ИИ. Исследуйте возможности EngeeDSP и других библиотек Engee для решения своих уникальных задач. Удачи в исследованиях и хороших выходных! 🎓 Школа моделирования с 18.02 🧑‍💻 Расписание бесплатных тренингов

📊 Про графики для отчётов по ГОСТу и нормоконтроля в Engee Почти в каждом проекте рано или поздно возникает одна и та же история: расчёты есть, результаты есть, а дальше начинается «доведение до вида» для отчёта. Шрифты, сетка, подписи, легенды — и внезапно на один график уходит больше времени, чем на сам расчет. Мы выложили в Сообществе разбор, как в Engee навести порядок с оформлением графиков и сделать это не вручную, а системно. В посте показано: 🔹Как задавать оформление прямо при построении графика. Быстро, но раздувает код. 🔹Как вынести оформление в тему и применять ее ко всем графикам проекта. Остаются вопросы предвычисления таких свойств, как пределы осей. 🔹Как сделать собственный тип графика, настроенный специально под отчёты и протоколы испытаний. Полная автоматизация настроек графиков. Отдельно сделали типовой проект, в котором уже настроены шрифты, сетка, палитры и структура — его можно взять за основу и подстроить под свои требования и стандарты. Идея простая: требования к оформлению описываются один раз, дальше вы просто строите графики и не возвращаетесь к ручной правке каждый раз. 👉 Пост и типовой проект — здесь Если у вас есть свои «больные места» с графиками (АЧХ, осциллограммы, серые шкалы под печать, шрифты) — напишите, разберём отдельными примерами. 🎓 Школа моделирования с 18.02 🧑‍💻 Расписание тренингов

В ближайшие месяцы проводим очные бесплатные тренинги по Engee 👇 • 25–26 февраля 💼 Основы платформы Engee Знакомство со средой графического моделирования. Работаем в Engee и сразу разбираем практические примеры. • 25–26 марта ▶ Динамическое моделирование в Engee На практических примерах разберем, как построить динамическую модель с помощью блоков, описывающих различные системы или функции • 23–24 апреля 📻 Моделирование радиолокационных сигналов в Engee Моделирование РЛ-сигналов и анализ их характеристик на примерах. • 27–28 мая ▶ Динамическое моделирование в Engee Повтор тренинга для тех, кто не успел в марте или хочет развиваться в сторону системного моделирования. 🔹группы 10–12 человек 🔹занятия проходят на базе учебного центра ЦИТМ «Экспонента» (м. Профсоюзная) 🔹по итогам обучения можно получить документ о повышении квалификации государственного образца (по предварительной договорённости) 🔗 Регистрация и подробности 🎓 Школа моделирования с 18.02

Друзья, Пятница — самое время сохранить себе что-нибудь полезное на выходные 😊 Нашего Директора по технологиями, Дениса Жегалина, пригласили в подкаст «Багрепорт» поговорить про системное моделирование без маркетинговых слайдов и общих слов. Обсудили, зачем сначала строят модель, а не сразу идут в железо, где моделирование реально экономит время и деньги, и в каких случаях без натурных испытаний всё равно никуда. Хороший формат, чтобы спокойно послушать на выходных и разложить по полочкам, где моделирование действительно работает, а где от него ждать чудес не стоит. Ссылка на выпуск: https://t.me/RedBarn_ru/9652 🎧 Слушать на Яндекс Музыке Видеоверсии: 📹 ВК видео 📹 YouTube

Engee вне браузера: управление расчетами через внешний API В декабрьском релизе в Engee появилась поддержка внешнего HTTP API с авторизацией через Personal Access Token. Это позволяет работать с Engee не только через веб-интерфейс, но и напрямую из ваших скриптов, сервисов и внутренних инструментов. Проще говоря, Engee можно встроить в ваш инженерный контур как вычислительный сервис. Что можно делать через внешний API Через API вы можете: 🔹Запускать и останавливать сессии Engee программно Без ручного входа в интерфейс — удобно для автоматизации и серверных сценариев. 🔹Выполнять команды языка моделирования удаленно Например, запускать параметрические прогоны, тестовые сценарии или серии расчётов. 🔹Передавать файлы и забирать результаты Загружать входные данные, выгружать результаты, архивировать проекты и расчетные пакеты. 🔹Интегрировать Engee в собственные системы Встраивать расчёты в CI/CD, внутренние инструменты, веб-сервисы или скрипты автоматизации. Для упрощения старта подготовлен пример на пример на Python с пользовательским классом EngeeManager, который показывает типовые сценарии работы с API. Его можно использовать как заготовку и адаптировать под свои задачи. Авторизация: под разные сценарии Поддерживаются два режима доступа: 🟡 Personal Access Token (PAT) Подходит для скриптов, CI/CD, серверных сервисов и фоновых задач. 🟡 OAuth 2.0 Для веб- и десктопных приложений, где требуется интерактивная авторизация пользователя. Асинхронное выполнение для долгих расчётов Для задач, которые не укладываются в стандартный таймаут HTTP-запроса, доступен асинхронный режим: – отправляете задание и получаете ID задачи; – периодически проверяете статус; – забираете результат после завершения. Это удобно для многовариантных расчетов, оптимизации, серий имитационных прогонов и других тяжелых сценариев. Практические сценарии Вот несколько типовых применений, которые уже напрашиваются: ⭐ Регрессионное тестирование моделей Автоматический прогон тестов после каждого коммита. ⭐ Сервисы на базе цифровых двойников Загрузка данных → расчёт в Engee → возврат прогнозов или характеристик. ⭐ Облачная расчётная лаборатория Интеграция с LMS или внутренними порталами для проверки и выполнения инженерных заданий. ⭐ Инженерные боты и планировщики Автоматический запуск сессий, подготовка окружения, ночные прогоны и пакетные расчёты. Внешний API превращает Engee из «среды в браузере» в полноценный вычислительный компонент, который можно встроить в инженерную инфраструктуру и процессы автоматизации. Документация по API доступна тут, примеры — в Сообществе Engee. Если вы уже используете API — будет полезно поделиться сценариями и практиками. 🎓  Школа моделирования с 18.02

Автоматическая генерация кода для встраиваемых систем: кейс УОМЗ Несколько лет назад, при внедрении Engee как среды для математического моделирования и генерации встраиваемого кода, одним из первых серьёзных промышленных запросов стал проект с АО «ПО «УОМЗ». Задача была практичной и показательной: разработать модель обработки сигналов, имитирующих работу джойстика на основе данных от датчиков (MPU6050), с последующей генерацией Си-кода и запуском на STM32F4. В рамках проекта: ✔ построили полноценную модель обработки данных (углы, кнопки, фильтрация, телеметрия) ✔ встроили код периферии (I²C, USART, GPIO) прямо в модель ✔ автоматически сгенерировали читаемый Си-код ✔ собрали и прошили проект в open-source связке VS Code + PlatformIO ✔ проверили поведение алгоритмов на реальном микроконтроллере 🏅Результат Полное совпадение поведения модели и прошивки, читаемый код без «чёрных ящиков» и подтверждённая возможность использовать Engee как замену MATLAB/Simulink в существующих инженерных процессах. Отдельно в проекте были показаны разные сценарии таргетирования: от экспорта кода до интерактивного выполнения модели напрямую на микроконтроллере. 🔗 Подробнее на Хабре 🎓 Школа моделирования с 18.02

🤩 Школа системного моделирования — это место, где инженеры учатся проектировать сложные системы, понимать их поведение и превращать идеи в работающие модели. Собрали в карточки ключевые навыки, которые вы получите в Школе системного моделирования 👇 🔗 Программа, детали, регистрация

⚡ Моделирование сложных данных: модель Гауссовой смеси В анализе данных часто встречаются распределения с несколькими пиковыми значениями — например, распределение времени отклика веб-сервера или потребление энергии устройством в разных режимах работы. Обычное нормальное распределение с такой задачей не справится. Модель Гауссовой смеси — это гибкая вероятностная модель, которая аппроксимирует сложное, многомодальное распределение как взвешенную сумму нескольких простых нормальных распределений. Такие модели применяются в кластеризации, распознавании образов, обработке сигналов и финансовом моделировании, где данные естественно группируются вокруг нескольких отдельных центроидов. ✨Суть метода Каждый компонент смеси — это обычный многомерный гауссиан со своими параметрами: 🔹 Вектор средних значений — центр кластера 🔹 Ковариационная матрица — отображается фигурой формы «колокола» 🔹 Вес компонента — его вклад в общую смесь ✨Что сделано в приложенном проекте 1⃣ Создана двухкомпонентная смесь для двумерных данных: Первый компонент: центр в точке (1, 2), вытянутая форма Второй компонент: центр в точке (-3, -5), форма окружности Оба компонента равновероятны 2⃣ Построен объект модели в Engee с помощью MixtureModel из пакета Distributions: using Distributions mu = [[1.0, 2.0], [-3.0, -5.0]] sigma = [[2.0 0.0; 0.0 0.5], [1.0 0.0; 0.0 1.0]] p = [0.5, 0.5] gm = MixtureModel([MvNormal(μ, Σ) for (μ, Σ) in zip(mu, sigma)], p) 3⃣ Визуализирована функция плотности вероятности и кумулятивная функция распределения с помощью интерактивной библиотеки plotly. Открыть проект и проверить модель на своих данных 🔗 ✨Результаты моделирования Что показывает модель: ✔ Две чёткие пика в точках центров компонентов ✔ Разная форма кластеров: эллиптическая и сферическая ✔ Плавный переход между компонентами ✔ Полная вероятностная модель — можно считать вероятность для любой точки 🎓 Школа моделирования с 18.02

⚡ Автоматизация проектирования цифровых фильтров в Engee В цифровой обработке сигналов критически важно быстро и без ошибок перейти от математического алгоритма к готовой реализации на ПЛИС. Engee позволяет автоматизировать процесс создания двух ключевых для систем связи фильтров: CIC-дециматора и формирующего фильтра Найквиста (RRC). CIC-фильтр — это архитектура без умножений, идеальная для высокоскоростной децимации и интерполяции, а RRC-фильтр — основа современных систем связи, которая формирует импульсы, минимизируя межсимвольные искажения. Такие фильтры применяются в системах связи, радиолокации и измерительной технике, где критичны быстродействие, точность и экономия аппаратных ресурсов. Нам была поставлена задача — автоматически получить оптимизированные аппаратные реализации этих фильтров, полностью исключив ручное написание RTL-кода. 👉 Особенности реализации Разработаны модели двух фильтров: 🔹CIC-дециматор 5-го порядка с блоком управления валидными сигналами; 🔹RRC-фильтр с коэффициентом сглаживания 0.2 в двух структурных формах: прямой и транспонированной. Ключевой момент — вся цепочка от математических параметров до схемы строится через командное управление Engee, что исключает ошибки ручного кодирования. 👉 Что сделано в Engee 1⃣ Расчёт коэффициентов фильтров и автоматическая сборка моделей. 2⃣ Для RRC-фильтра так же построили и сравнили две реализации, подтвердив преимущество транспонированной формы для ПЛИС. 3⃣ Сгенерировали готовый Verilog-код для обеих моделей с помощью встроенных инструментов кодогенерации. Такая автоматизация позволяет: – Сократить время разработки с недель до часов. – Минимизировать риск ошибок при переходе на «железо». – Быстро исследовать архитектуры без ручного кодирования. – Легко адаптировать фильтры под новые параметры. 🔗 Полные проекты с моделями и кодом доступны в каталоге примеров Engee. 1⃣ CIC 2⃣ RRC Вы можете загрузить модели и адаптировать их под свои задачи. Успешных проектов! 🎓 Школа моделирования с 18.02